Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Okosodáshoz okos informatikus kell! Csernoch Mária, Biró Piroska Debreceni Egyetem Informatikai Kar {csernoch.maria,

Hasonló előadás


Az előadások a következő témára: "Okosodáshoz okos informatikus kell! Csernoch Mária, Biró Piroska Debreceni Egyetem Informatikai Kar {csernoch.maria,"— Előadás másolata:

1 Okosodáshoz okos informatikus kell! Csernoch Mária, Biró Piroska Debreceni Egyetem Informatikai Kar {csernoch.maria,

2 „Okos” érettségi eredmények

3 Végzett hallgatók Képzési idő alatt végzett Képzési időn túl végzett Képzési idő alatt végzett Képzési időn túl végzett ÁJK79%21%76%24% ÁOK75%25%98%2% BTK78%22%83%17% IK56%44%46%54% KTK80%20%63%37% MK57%43%46%54% TTK71%29%61%39% IK56%44%46%54% MK57%43%46%54%

4 PISA2009 Students On Line digitális olvasás, navigáció és számítógéphasználat – magyar tanulók átlag alatti teljesítménye átlag: 499 (19 ország) magyar: 468 (5. leggyengébb) [368; 568] iskolai számítógéphasználat – PISA eredmény – magyar tanulók: negatív kapcsolat átlag: 9 legalacsonyobb:  27 (Magyarország) [  8; 42]

5 Testing Algorithmic and Application Skills TAaAS Debreceni Egyetem Informatikai Kar 2011/2012

6 TAaAS projekt – résztvevő intézmények 2011 – DE IK 2013 – ELTE, Nyíregyháza, Eger 2014 – Sopron, Gyöngyös, Kecskemét, Szeged, Pécs, Veszprém, Zalaegerszeg (BGF), Corvinus, DE MK, GDF – Erdély, Szlovákia, Csehország, Lengyelország, Szerbia, Franciaország

7 TAaAS projekt – fázisok pre-test: elsőéves hallgatók, első szemeszter, első hét – általános általános információk önértékelés attitűd vizsgálat – informatikai teszt – hallgatói értékelés post-test – Sprego (Spreadsheet Lego), ERaC (Error Recognition and Classification) késleltetett post-test (1 évvel később) – Sprego informatikatanárok tesztelése – nem igazán haladunk az adatgyűjtéssel – nem túl nagy a kitöltési kedv

8 TAaAS projekt – pre-test fájlkezelés – dokumentumfájl, URL, hibaüzenet értelmezése, fájltípus megváltoztatása számrendszerek – 2  16, 16  2, 2  10, 10  2, összeadás 2-es, 16-os számrendszerben táblázatkezelés (Sprego) – képletek írása: keresés vektorban, népsűrűség, feltételes függvények – képlet értelmezése  Mit csinál a képlet? – függvények összehasonlítása szövegkezelés – hibafelismerés – hibatípusok programozás (5–8. o. Nemes Tihamér verseny feladatai) – egymásba ágyazott feltételek, logikai műveletek  kimenet 4 szám – ciklusok pseudo nyelven  Mit csinál a programrészlet? – blokk diagram  Mit csinál a programrészlet?

9 TAaAS 2014 – minta (N=1919)

10 Átlagos eredmények – részpontok

11 Hibátlan megoldás Fájlkezelés, számrendszerek

12 Hibátlan megoldás Táblázatkezelés

13 Hibátlan megoldás Szövegkezelés – hibafelismerés

14 Hibátlan megoldás Programozás

15 Részmegoldás Fájlkezelés, számrendszerek

16 Részmegoldás Táblázatkezelés

17 Részmegoldás Szövegkezelés – hibafelismerés, hibatípusok

18 Részmegoldás Programozás

19 IKT eszközök Milyen IKT eszközökkel rendelkezik? – asztali gép, laptop, táblagép, okostelefon, e-book olvasó átlagos felszereltség: 2,7 Korrelációs vizsgálat – nincs kapcsolat a felszereltség és a teljesítmény között eszközök száma

20 Számítógéphasználat Mennyi időt tölt számítógép-használattal (asztali számítógép, laptop)? – naponta legalább 5 órát – naponta legalább 2 órát – kevesebb egyszempontos varianciaanalízis – a feladatokban nyújtott teljesítményre a gép előtt töltött idő szignifikánsan hat (gyenge kapcsolat), kivéve: I7.d, I7.e, I8 szignifikánsnem szignifikáns fájlkezelésI1, I2, I3, I9 számrendszerekI4, I5, I6 táblázatkezelésI7.a, I7.b, I7c, I7.fI7.d, I7.e, I8 szövegkezelésI10 programozásI11, I12.a, I12.b, I12c, I13

21 Mobil eszközök használata Mennyi időt tölt mobil eszközök számítógép jellegű használatával (táblagép, okostelefon, e-book olvasó)? – naponta legalább 5 órát – naponta legalább 2 órát – kevesebb egyszempontos varianciaanalízis – a feladatokban nyújtott teljesítményre a gép előtt töltött idő nem hat szignifikánsan, kivéve: I4, I6, I11, I12.a, I13 szignifikánsnem szignifikáns fájlkezelésI1, I2, I3, I9 számrendszerekI4, I6I5 táblázatkezelésI7.a, I7.b, I7.c, I7.d, I7.e, I7.f, I8 szövegkezelésI10 programozásI11, I12.a, I13I12.b, I12.c

22 Mobil eszközök használata

23 Operációs rendszerek

24 Programozási nyelvek

25 „Okos” érettségi eredmények

26 Informatika érettségi PTIMIGIIKMKÖsszes középszint N eredmény (%) emelt szint N eredmény (%) NA Összes

27 Informatika érettségi és szakok

28 emelt szint – nincs szignifikáns eltérés az intézmények között középszint – szignifikáns eltérés PTI–GI PTI–MK

29 Matematika érettségi PTIMIGIIKMKÖsszes középszint N eredmény (%) emelt szint N eredmény (%) NA Összes

30 Matematika érettségi és szakok

31 emelt szint – nincs szignifikáns eltérés az intézmények között középszint – szignifikáns eltérés PTI–GI IK–mindenki

32 Érettségi Informatika – középszint egyszempontos varianciaanalízis – többségében szignifikáns, de nagyon gyenge kapcsolat szignifikánsnem szignifikáns fájlkezelésI2I1, I3, I9 számrendszerekI4, I5, I6 táblázatkezelésI7.a, I7.b, I7.c, 17.e, I8I7.d, I7.f szövegkezelésI10 programozásI11, I12.a, I12.b, I12.cI13

33 Érettségi Informatika – emelt szint egyszempontos varianciaanalízis – programozásnál nagyon erős kapcsolat – emelt szintű informatika érettségi a programozási ismeretekre hatással van szignifikánsnem szignifikáns fájlkezelésI1, I2, I3, I9 számrendszerekI4, I5I6 táblázatkezelésI7.a, I7.b, I7.c, I7.fI7.d, I7.e, I8 szövegkezelésI10 programozásI11, I12.a, I12.b, I12.c, I13

34 Érettségi Matematika – középszint egyszempontos varianciaanalízis – nagyon gyenge kapcsolat szignifikánsnem szignifikáns fájlkezelésI1, I2, I3, I9 számrendszerekI5, I6I4 táblázatkezelésI7.a, I7.bI7.c, 17.d, I7.e, I7.f szövegkezelésI10 programozásI11, I12.a, I12.b, I12.c, I13

35 Érettségi Matematika – emelt szint egyszempontos varianciaanalízis – programozásnál nagyon erős kapcsolat – emelt szintű matematika érettségi a programozási ismeretekre hatással van szignifikánsnem szignifikáns fájlkezelésI2I1, I3, I9 számrendszerekI4I5, I6 táblázatkezelésI7.dI7.a, I7.b, I7.c, I7.e, I7.f, I8 szövegkezelésI10 programozásI12.a, I12.b, I12.c, I13I11

36 Attitűd vizsgálat Mit jelent számára az informatika?

37 N=301PTIMIGIIKÖsszes% minden ,32 jövő ,30 munka ,59 kommunikáció132061,99 szórakozás/hobbi ,62 érdekel ,30 programozás250072,33

38 Önértékelés

39 Önértékelés – eredmények fájlkezelés – nagyon gyenge kapcsolat szövegkezelés – nagyon gyenge kapcsolat táblázatkezelés – közepesen erős és gyenge kapcsolat programozás, 5–8. osztályos feladat – erős kapcsolat hálózatok – gyenge kapcsolat

40 Tanulta – Nem tanulta

41 Mennyire lesz szüksége az egyetemen szövegszerkesztés tanulására? – nagyon gyenge negatív korreláció táblázatkezelés tanulására? – nagyon gyenge negatív korreláció

42 Érettségi, ECDL – tudás Mennyire tükrözi érettségi eredménye informatikatudását? Mennyire tükrözi ECDL vizsga eredménye (nem érettségivel szerzett) informatikatudását?

43 Eredmények összehasonlítása Saját eredmény (S) Csoport eredmény (Cs) Feladat fontossága (F) SajátCsoportFontosság fájlkezelésgyenge, közepesgyenge– hálózaterősgyenge– számrendszerekerősközepes– táblázatkezeléserősgyenge (I8 –)– szövegkezelésgyenge, közepesgyenge programozás (5–8. o.)nagyon erőserősgyenge (I11 –

44 Tudásalapú klaszterek

45 1. klaszter2. klaszter3. klaszter4. klaszter jóklimitedrandomsemmi DE_GI33,723,315,127,9 DE_IK11,1 66,7 DE_MI41,627,014,616,9 DE_MK18,911,212,057,9 DE_PTI59,814,510,315,4

46 Varázslat?

47 Digitális írástudás és kompetencia fejlesztése önálló tantárgy – Számítástechnika/Informatika tantárgy – digitális kompetencia fejlesztése – szakmai felkészültség – módszertani felkészültség hagyományos tantárgyakba integrálva – digitális írástudás fejlesztése – nem megfelelő módszertani felkészültség – informatikai felkészültség????

48 Informatikaoktatás – jellemzők új tudomány, tantárgy eddig egyetlen más tudománynál sem tapasztalt fejlődési sebessége profitorientált környezet fejlődése és hatása a tudományra, oktatásra a számítógéphasználat és az információ iránti igény erősödése

49 Informatikaoktatás – digitális kompetencia – informatikatanár Önálló tantárgy Informatikatanár- képzés Informatikatanár A csodát ne más szakosoktól várjuk!

50 Számítógépes problémamegoldás Case & Gunstone (2002) – problémamegoldás metakognitív megközelítése Kiterjesztett metakognitív megközelítések (Csernoch & Biró, 2013) – számítógépes problémamegoldás metakognitív megközelítése Mélyszerkezetű megközelítés – CAAD-based: Computer Algorithmic and Debugging-based Felületi megközelítés – TAEW-based: Trial-and-Error Wizard-based (bricolage) (Csernoch, 1997; Ben-Ari, 1999; Csernoch, 2009) Computer Algorithmic and Debugging-based (CAAD-based) Trial-and-Error Wizard-based (TAEW-based) Metacognitive approaches to problem solving Deep approachSurface approach Algorithmic-based Information-based Conceptual-based

51 Informatikaoktatás – ismeretszintek ACM Report, 2013 – familiarity a koncepció megértése – usage a koncepció használata, alkalmazása konkrét esetekben – assessment a megfelelő megközelítés kiválasztása a megértett lehetőségek közül

52 Informatikaoktatás  következmények levels of mastery – familiarity: a koncepció megértése – usage: a koncepció használata, alkalmazása konkrét esetekben – assessment: a megfelelő megközelítés kiválasztása a megértett lehetőségek közül következmények – dokumentumok >90% hibás (Panko, 2008; Panko & Aurigemma, 2010; Powell, Baker & Lawson, 2008, 2009a, 2009b; Tort, 2010; Tort, Blondel & Bruillard, 2008) – pénzben kifejezhető veszteségek adatok hibás értelmezése idő és emberi erőforrás veszteség (Van Deursen & Van Dijk, 2012; NJSZT 2012) számítógépidő veszteség

53 Számítógépes problémamegoldás Gyakorlat – hagyományos programozói környezetek – deep approach conceptual-based CAAD-based – nem-hagyományos programozói környezetek – surface approach TAEW-based approach Változások! Változtatások! – problémamegoldás mélyszerkezetű metakognitív megközelítéssel nem- hagyományos programozói környezetekben is – programozásból adaptált módszerek Kipróbált és tesztelt megoldások – táblázatkezelés Spreadsheet Lego – Sprego – szövegszerkesztés Error Recognition and Classification – ERaC

54 21. század polihisztorai „kiszervezni” témaköröket tipográfia – vizuális kultúra kép – vizuális kultúra hang – ének-zene, fizika, média video, animáció – média, vizuális kultúra nyelvhelyesség (szintaktikai, szemantikai) – anyanyelv – idegen nyelvek algoritmikus készség fejlesztése – hagyományos, nem-hagyományos programozói szoftver környezetek – informatika

55 Összegzés TAaAS – rendkívül alacsony hallgatói teljesítmények – a hallgatók felülértékelik tudásukat – a hallgatók többsége az informatikában nem látja az algoritmust csak hagyományos programozói környezetekben tudják elképzelni az algoritmus alapú problémamegoldást – a hallgatók többsége csak alkalmazói szoftvereket használ és ezeken is csak felületkezelést végez TAEW típusú problémamegoldás oktatási rendszerek – többség csak hagyományos programozói környezetekben tudja elképzelni az algoritmus alapú problémamegoldást (Grove 2012, 2014)

56 DE IK – gyakorlat Nem-tradicionális szoftver környezetekben algoritmikus megközelítés – CAAD-típusú problémamegoldás Programozás-oktatásnál bevált módszerek adaptálása – Sprego – Error Recognition and Classification – ERaC – alkalmazások közötti átjárások Nem-tradicionális környezetekben programozási módszerek – előkészítik a programozást – end-user programozók – számítógépes gondolkodás

57 Okosodáshoz okos informatikus kell! Csernoch Mária, Biró Piroska Debreceni Egyetem Informatikai Kar {csernoch.maria,


Letölteni ppt "Okosodáshoz okos informatikus kell! Csernoch Mária, Biró Piroska Debreceni Egyetem Informatikai Kar {csernoch.maria,"

Hasonló előadás


Google Hirdetések