INTERAKCE VIRTUÁLNÍHO A REÁLNÉHO PROSTŘEDÍ VE VŠEOBECNÉM CHEMICKÉM VZDĚLÁVÁNÍ – PŘÍKLAD MĚŘENÍ PH Zpráva o realizaci dílčího výzkumu v rámci řešeného projektu GAČR č. 406/09/0359 ¨ Autorský kolektiv Prof. PhDr. Martin Bílek, Ph.D., doc. PaedDr. Pavel Doulík, Ph.D., doc. PaedDr. Jiří Rychtera, Ph.D., doc. PhDr. Jiří Škoda, Ph.D. Recenzenti Prof. RNDr. Jan Čipera, CSc., PřF UK Praha Prof. Dr. hab. Ryszard Gmoch, Fakulta ped. a hist. věd, Opolská univerzita v Opole Prof. RNDr. Danuše Nezvalová, CSc., PřF UP Olomouc 1 Úvod Kromě konstatování nezastupitelné role reálného experimentu v přírodovědném poznávání musíme stále více uvažovat i reálné životní prostředí, které před nás staví stále více prvků virtuálních prostředí, virtuálních světů apod. Pojem virtuálního prostředí je spojován s komunikací prostřednictvím počítačových technologií, s komunikací simulovanou (simulated), zprostředkovanou (remoted) nebo rozšířenou (extended). Virtuální komunikace tak bývá definovaná jako moderní technologický fenomén, prostřednictvím něhož se realizuje přenos informací, komunikace a další aktivity zprostředkované novými informačními technologiemi, při nichž obsahy, záměry či účastníci nemusí reálně existovat, mohou být zkreslené, nahrazené nebo uměle vytvořené, a to záměrně nebo nezáměrně. V oblasti přírodovědného poznávání se ukazuje, že děti i dospělí jsou značně motivováni experimentováním, objevováním a vlastním chápáním se věcí. Má-li školní experiment splnit svůj účel, musí být volen tak, aby byl názorný, přiměřený věku učících se a byl proveden s dalšími požadavky na přehlednost, jednoduchost, dobrou viditelnost a respektování zásad bezpečnosti práce. Může tyto požadavky splňovat i experiment virtuální (počítačem simulovaný nebo zprostředkovaný)? 2 Vzdálená a virtuální laboratoř jako výukový koncept V aplikacích ICT ve výuce přírodovědných předmětů nemohou být opomíjeny metodologické aspekty. Nelze připustit, aby nebylo v popředí zájmu pozorování, měření a experimentování z empirických a především modelování z teoretických metod přírodovědného poznávání. V této souvislosti jsou stále více skloňovány pojmy virtuální a vzdálené laboratoře nebo vzdálená měření (virtual laboratory, remote laboratory, remote sensing) a mohly by se stát významným příspěvkem ne příliš dobrého stavu realizace experimentálních činností žáků na našich školách. Vzdálená a virtuální laboratoř jako výukový koncept může plnit následující role: • prostředí podporující experimentální (nebo „experimentální“ jinak řečeno „virtuální“) aktivity s využíváním počítače jako měřícího systému, • prostředí podporující modelování objektů a jevů a práci s modely, • prostředí obsahující vzorky datových souborů z experimentů provedených za různých podmínek a na různých místech, • prostředí obsahující data z výzkumných center, monitorovacích stanic aj.
1
Počítačové modelování a simulace tedy jsou základem tzv. virtuálních laboratoří. Ve výuce chemie přicházejí v úvahu jejich aplikace jako: • počítačová podpora modelování (např. modely molekul), • simulace laboratorních aktivit (např. simulace acidobazické titrace), • simulace práce s laboratorními přístroji a aparaturami (např. práce s virtuálním pH-metrem), • simulace nebezpečných, nedostupných nebo neviditelných experimentů a změn (např. simulace činnosti jaderného reaktoru). Virtuální laboratoř tak představuje v širším smyslu otevřenou, vzdáleně přístupnou databázi objektů využitelných pro simulovanou ale i pro zprostředkovanou reálnou experimentální činnost (anotace, návody, pracovní listy, grafy, schémata zapojení, kontakty, fotografie, animace a simulace). V užším smyslu je to využití tzv. appletů a jiných simulačních a animačních nástrojů k prezentaci zkoumaného předmětu nebo jevu (většinou měření nebo experimentu). Např. na stránkách Katedry chemie Iowa State Univerzity vytvořil tým pod vedením T. Greenbowea bohatý soubor animací a simulací dějů z různých oblastí chemie. Jedná se většinou o produkty vytvořené v prostředích Macromedia Director a Flash (http://www.chem.iastate.edu/group/ Greenbowe/sections/projectfolder/flashfiles/acidbasepH/ph_meter.html). Jednotlivé animace a simulace lze spouštět přímo z uvedené adresy nebo je stáhnout a využívat na vlastním počítači. 3 Virtuální přístroje pro měření pH ve výuce chemie Jako virtuální měřicí přístroje jsou uvažována všechna počítačem realizovaná nebo podporovaná měření různých veličin. V chemii jde zejména o veličiny fyzikální a fyzikálně-chemické. V principu je možné virtuální měřicí přístroje rozdělit na dvě základní skupiny, a to: 1) na virtuální přístroje, kdy počítač vygeneruje prostředí k měření na monitoru a data jsou získávána z reálného prostředí pomocí vlastních měřidel nebo čidel a analogově-digitálních převodníků poskytujících počítači upravený signál pro jeho zpracování, 2) na virtuální přístroje, kdy počítač generuje nejen prostředí pro měření na monitoru, ale prostřednictvím matematických nebo formálně-logických modelů generuje (modeluje) i příslušný signál, tedy hodnoty měřené veličiny. V našem výzkumu jsme se zaměřili na druhý případ tzv. virtuálních měřicích přístrojů, tedy na počítačové simulace práce s měřicími přístroji. Jako příklad jsme vybrali ze stále se rozšiřující nabídky softwarových produktů zaměřených na virtuální měření pro všeobecné chemické vzdělávání z výše uvedeného portálu T. Greenbowea simulaci práce s pH-metrem. Veličina pH se ve výuce tématu „Kyselost a zásaditost roztoků“ používá, a řada základních i středních škol se těžko může pochlubit dostatkem pH-metrů. Proto je možné využít simulované měření s virtuálním pHmetrem přímo na těchto stránkách. Dají se měřit hodnoty pH vybraných kyselin, bází, solí a neznámých vzorků. Úloha se dá postavit tak, že žáci porovnávají výsledky „měření“ pomocí pH-metru s reálným měřením pomocí univerzálního pH papírku, určováním pH neznámých vzorků apod. 4 Zkoumání efektivity využívání virtuálního prostředí ve výuce chemie jako všeobecně vzdělávacího předmětu a v přípravě učitelů 4.1 Pilotní šetření
2
V první fázi řešení projektu v lednu a v únoru 2010 jsme uskutečnili pilotní šetření u žáků 9. ročníku základní školy (výuku tématu Kyselost a zásaditost vodných roztoků absolvovali v druhém pololetí 8. ročníku) při realizaci laboratorní úlohy zaměřené na měření pH s podporou reálného a virtuálního (simulovaného) měřicího přístroje. Pro zkoumání byl využit již zmíněný virtuální pHmetr (obr. 1) a ruční pH-metr (obr. 2) v reálném uspořádání na laboratorním stole. Byly vytvořeny dva co nejvíce identické scénáře laboratorních cvičení s reálným a virtuálním pH-metrem řízených pomocí pracovních listů (viz příloha I) s třemi úrovněmi úkolů: 1) jednoduché měření připravených vzorků pH tří vodných roztoků vybraných chemických látek, 2) odpovědi na problémové otázky a následné ověření jejich správnosti pomocí měření týkající se změn v parametrech měřených látek, 3) otevřená otázka na další souvislosti měření pH a kyselosti a zásaditosti vodných roztoků chemických látek.
Obr. 1 Virtuální pH-metr z Webu T. Greenbowa
Obr. 2 Ruční pH-metr
3
Obě varianty laboratorního cvičení jsme v pilotním šetření uskutečnili na jedné základní škole, ve které jsme využili dvě skupiny (třídy) žáků a metodu pedagogického experimentu s křížovým vyrovnáním skupin. Vzhledem k tomu, že skupina žáků označená jako B vykazovala dle názoru jejich vyučujících menší motivaci pro výuku chemie, zvolili jsme ji jako první pro provedení virtuálního experimentu, na nějž navázal experiment reálný. Žáci skupiny A, hodnocení jako prospěchově lepší skupina, prováděli laboratorní cvičení reálné jako první a po něm cvičení s virtuálním měřením. Rozdíl v nabytých vědomostech o kyselosti a zásaditosti vodných roztoků po absolvování obou variant laboratorního cvičení, zjišťovaný didaktickým testem, byl jen malý, statisticky nevýznamný. Jednou z příčin tohoto výsledku tedy může být i vhodná volba kombinace obou prostředí laboratorního cvičení. Ale z pozorování při laboratorním cvičení jsme zjistili, že reálné měření pH pomocí reálného pH-metru vede žáky k výraznější vazbě na látky kolem nás a žáci více spojují chemii s běžným životem. U virtuálního měření tomu tak většinou nebylo, nabídka látek k měření byla přesně daná a veškerou svoji činnost z velké části žáci striktně ohraničovali počítačovým prostředím. Po absolvování obou variant laboratorních prací žáci také vyjadřovali v dotazníku své názory na práci v reálném a ve virtuálním prostředí. Podle zjištěných výsledků z dotazníku (rozdělení na 2 skupiny: výrazně preferující reálné měření a ostatní) a jejich korelací s výsledky v didaktickém testu vyplývá, že skupina žáků výrazně preferujících reálné měření měla statisticky významně lepší výsledky v didaktickém testu. 4.2 Hlavní výzkumné šetření Na základě pilotního šetření byly upraveny didaktický test do formy pretestu (viz příloha II) a posttestu (viz příloha III) a dotazník (viz příloha IV) a v červnu 2010 bylo uskutečněno hlavní výzkumné šetření na čtyřech základních školách Královéhradeckého a Ústeckého kraje (po absolvování tématu Kyselost a zásaditost vodných roztoků). Celkem se výzkumu účastnilo 215 žáků 8. ročníků ZŠ, kteří byli losováním vždy rozděleni do dvou skupin. Skupina „Reál“ (celkem 104 žáků) začínala laboratorní prací s ručním pH-metrem a po ní absolvovala i laboratorní práci s počítačovou simulací pH-metru, skupina „Virtuál“ (celkem 111 žáků) pracovala v opačném pořadí. Výzkum probíhal podle následujícího plánu: I. Pretest – administrovaný bezprostředně před prvním laboratorním cvičením. II. První laboratorní cvičení - rozdělení žáků do dvou skupin rozlosováním, - skupina „Reál“ prováděla laboratorní cvičení s využitím pracovního listu v reálném prostředí, druhá skupina „Virtuál“ prováděla laboratorní cvičení s využitím pracovního listu ve virtuálním prostředí, - laboratorní cvičení se uskutečnila paralelně v rámci jedné vyučovací hodiny (45 min). III. Postest – administrování testu v intervalu „nejdříve následující den a nejpozději do týdne“ po prvním laboratorním cvičení. IV. Druhé laboratorní cvičení - skupina „Reál“ pracovala ve virtuálním prostředí a skupina „Virtuál“ v reálném prostředí, - provedení v časovém intervalu „ne dříve než 1 týden a ne později než 2 týdny“ po prvním laboratorním cvičení. V. Dotazník zjišťování preferencí žáků - administrování dotazníku v časovém intervalu „nejdříve následující den a nejpozději do jednoho týdne“ po druhém laboratorním cvičení.
4
5 Výsledky, jejich vyhodnocení a interpretace Pro výzkum byly formulovány následující hypotézy: 1) Úroveň osvojení vědomostí žáků z oblasti kyselosti a zásaditosti vodných roztoků provádějících identické laboratorní cvičení v reálném a virtuálním prostředí bude statisticky významně vyšší po jejich činnosti v reálném prostředí než v prostředí virtuálním. 2) Volba prostředí pro první provedení identických laboratorních cvičení statisticky významně ovlivňuje preferenci žáků pro reálné nebo virtuální experimentální měření. Vlastní výzkumné šetření bylo vždy zahájeno pretestem („Vstupní test – pH“ – viz příloha II), následovala první laboratorní úloha pro skupiny „Reál“ a „Virtuál“, po které byl administrován posttest („Co už vím o pH a jeho měření“ – viz příloha III). Ze statistické analýzy získaných dat (viz příloha V) (hrubé skóry pretestů a posttestů) plynou následující výsledky: - žádný ze souborů výsledků žáků v pretestu a v posttestu neměl normální rozdělení na hladině významnosti α = 0,05 a proto bylo nutné použít pro další analýzu neparametrické testové metody (viz V.1), - při porovnání výsledků pretestu obou skupin žáků („Reál“ a „Virtuál“) na hladině významnosti α = 0,05 nebyl zaznamenán statisticky významný rozdíl mezi oběma komparovanými soubory (viz V.2), - při porovnání výsledků posttestu obou skupin žáků („Reál“ a „Virtuál“) na hladině významnosti α = 0,05 nebyl zaznamenán statisticky významný rozdíl mezi oběma komparovanými soubory (viz V.3), - při analýze progresu u obou skupin nebyl zaznamenán statisticky významný rozdíl mezi výsledky v pretestu a postestu obou skupin žáků (viz V.4 a V.5). Jak ukázala statistická analýza výsledků pretestů a postestů, nebyly zaznamenány žádné změny a rozdíly v úrovni osvojených vědomostí u skupin žáků provádějících laboratorní cvičení s reálným nebo simulovaným (virtuálním) pH-metrem. Hypotéza č. 1 tedy nebyla v daném výzkumném vzorku a na dané hladině významnosti potvrzena. Dalším pokusem v rámci vstupního testu byla snaha o identifikaci prekonceptů žáků z oblasti kyselosti a zásaditosti formulací položek č. 7 a 8. Zde ukázala statistická analýza vyrovnanost obou skupin žáků, což by mělo být dobrým východiskem pro další připravované interpretace dat (viz V.6). Dílčí výsledky ve prospěch formulované hyptézy č. 1 přinesla analýza jednotlivých položek pretestu a postestu (viz V.7): - u položek č. 1 a č. 2 (určování rozmezí hodnot pH kyselých a zásaditých látek) byl detekován pozitivní nárůst úrovně osovjení vědomostí u žáků, kteří pracovali v reálném laboratorním prostředí na rozdíl od žáků, pracujících ve virtuálním prostředí, kde žádný rozdíl zaznamenán nebyl, - vyhodnocení položky č. 3 brání statisticky významný rozdíl v úrovni osvojení vědomostí žáků v pretestu o možnostech měření pH ve prospěch skupiny „Reál“ (přesto, že skupiny byly rozděleny losem), - v položce č. 4 (acidobazické indikátory) byl opět zaznamenán posun v úrovni osvojení vědomostí u žáků po provedení laboratorní úlohy v reálném prostředí, - u položek č. 5 a č. 6 věnujících se určování odštěpování příslušných iontů ve vodném prostředí je zajímavý pouze jeden zaznamenaný statisticky významný pozitivní posun v úrovni osvojených vědomostí žáků skupiny „Virtuál“.
5
Další analýzou bylo hledání souvislostí mezi výsledky žáků v didaktických testech a v dotaznících jejich postojů k práci v reálném a virtuálním prostředí. Dotazník „Jak hodnotím laboratorní práce s měřením pH?“ byl administrován všem žákům po provedení druhého laboratorního cvičení tak, aby měli zkušenosti s identickou laboratorní prací v obou prostředích. Z provedené korelační analýzy (viz V.8) plynou následující závěry: - žádný ze souborů výsledků dotazníků neměl normální rozdělení na hladině významnosti α = 0,05 a proto bylo nutné použít pro další analýzu neparametrické testové metody, - při porovnání preferencí reálných měření skupiny „Reál“ (začínající v reálném prostředí) se skupinou „Virtuál“ (začínající ve virtuálním prostředí) byl zjištěn statisticky významný rozdíl ve prospěch skupiny „Reál“, - při porovnání preferencí virtuálních měření skupiny „Reál“ (začínající v reálném prostředí) se skupinou „Virtuál“ (začínající ve virtuálním prostředí) nebyl zjištěn statisticky významný rozdíl ve prospěch skupiny „Reál“, - na rozdíl od žáků začínajích reálným měřením, kteří ve volbě prostředí statisticky významně ani jedno nepreferují, žáci začínající virtuálním měřením, toto měření statisticky významě preferují před měřením reálným. Z těchto provedených analýz je zřejmé, že prvotní volba prostředí významně ovlivňuje preference žáků, což je významným výsledkem našeho zkoumání interakcí reálného a virtuálního prostředí a důležitým poznatkem pro tvorbu scénářů experimentálních činností ve vyučovacím procesu. Hypotéza č. 2 tedy byla potvrzena. Na základě výsledků pilotního šetření nás ještě zajímaly výsledky žáků v posttetu ve vazbě na jejich preferenci měřícího prostředí (V.8.6 a V.8.7). V pilotním výzkumu se ukazoval fakt, že skupina žáků výrazně preferujících reálné měření má statisticky významně lepší výsledky v didaktickém testu, což se ale v hlavním výzkumném šetření neprojevilo. Poslední analýzou, která byla v provedeném výzkumu předmětem našeho zájmu, byla analýza výsledků řešení pracovních listů. Zde byly formulovány následující pracovní hypotézy (modifikace po provedeném pilotním ověřování): 1) Ve výsledcích žáků při měření pH předložených roztoků chemických látek s reálným a simulovaným pHmetrem nebudou statisticky významné rozdíly. 2) V odpovědích žáků na problémové otázky týkající se měření pH roztoků konkrétních chemických látek pomocí reálného a virtuálního pHmetru budou statisticky významné rozdíly ve prospěch lepších výsledků žáků pracujících ve virtuálním prostředí. 3) Návrhy žáků na další měření pH a jeho souvislosti budou četnější a pestřejší ve smyslu většího počtu návrhů a větší frekvence dotazů na učitele v případě reálného prostředí než v případě virtuálního prostředí. Tato analýza bude předmětem podrobného zpracování v první části roku 2011, ale již nyní z prvních rozborů lze konstatovat, že formulované předpoklady budou s největší pravděpodobností odpovídat skutečnosti. 6 Závěr Jak bylo v předcházejícím textu naznačeno, mohou být počítač i další informační technologie využity jako výhodné pomocné prostředky akcentování metodologických aspektů výuky přírodovědných předmětů. Jde zvláště o podporu realizace experimentu nebo modelování, podporu řízení tvorby empirických nebo teoretických hypotéz a podporu formulování empirického nebo teoretického poznatku. Cílem
6
využívání ICT je tak optimalizace podmínek vzdělávání, tj. podpora plánování, projektování, realizace i evaluace výuky tak, aby byly stanovené vzdělávací cíle dosahovány s co největší účinností. Zejména pokud jde o kognitivní složku zíkávaných kompetencí žáků, ukazuje se, že virtuální prostředí může být stejně efektivním nástrojem utváření těchto kompetencí jako prostředí reálné, a může ho tedy i do jisté míry nahradit. To je žádoucí všude tam, kdy reálný experiment není možné při výuce realizovat z nedostatku času, chybějícího vybavení nebo potřeby nebezpečných chemikálií. Ve výše uvedeném výzkumném projektu se snažíme přispět k smysluplnému využívání kombinace reálného a virtuálního prostředí ve výuce přírodovědných předmětů a zejména chemie, které se může stát jednou z podstatných podmínek inovace školních experimentálních činností. 7 Související publikované texty BÍLEK, M. et al. Interaction of Real and Virtual Environment in Early Science Education: Tradition and Challenges. Hradec Králové : Gaudeamus, 2009, 145 s. ISBN 978-80-7435-019-1 BÍLEK, M., RYCHTERA, J., MYŠKA, K., SKALICKÁ, P. Real and Virtual pH-meter in Early Chemistry Education. In NODZYŃSKA, M., PAŚKO, J. R. (ed.) Badania w dydaktykach przedmiotów przyrodniczych/Research on the Didactics of Science. Krakow: Pedagogical University in Cracow, 2010, p. 40 – 43. ISBN 978-83-7271-636-1 BÍLEK, M. Selected Aspects of Methodological Approach to Computer Supported Chemistry Education. In GULIŃSKA, H. et al. Chemia bliźej źycia. Dydaktyka chemii w dobie reformy edukacji. Poznań : Sowa, 2009, s. 228 – 234. ISBN 978-83-89723-76-X BÍLEK, M., TOBOŘÍKOVÁ, P. Význam metodologie přírodovědného poznávání ve virtuálním prostředí. Media4u Magazine, 2010, roč. 7., č. 3/2010, s. 23 - 27. [online] Dostupné na WWW: http://www.media4u.cz ISSN 1214-9187 BÍLEK, M., SKALICKÁ, P. Possibilities and Limits of Virtual Measuring in Early Chemistry Education. Chemické listy, 2010, roč. 104, č. 6, s. 552. ISSN 0009-2770 BÍLEK, M. Natural Science Education in the Time of Virtual Worlds. Journal of Baltic science education , 2010 , roč. 9 , č. 1 , s. 4 – 5. ISSN 1648-3898 BÍLEK, M., RYCHTERA, J., SKALICKÁ, P. Virtuální měřící přístroje ve všeobecném chemickém vzdělávání. Chemické rozhľady, 5/2010, s. 35 – 42, ISSN 1335-8391 BÍLEK, M., SKALICKÁ, P. Real, Virtual Laboratories together in General Chemistry Education: Starting Points for Research Project. Problems of Education in the 21st Century, Vol. 16 – Information & Communication Technology in Natural Science Education, 2009, pp. 30 – 39. ISSN 1822-7864 DOULÍK, P., ŠKODA, J. Challenges of Contemporary Science Education. Problems of Education in the 21st Century, Vol. 11 – Trends and Problems in Science and Technology Education, 2009, pp. 45 – 50. ISSN 1822-7864 ŠKODA, J., DOULÍK, P. Vývoj paradigmat přírodovědného vzdělávání. Pedagogická orientace, roč. 19, č. 3, 2009, s. 24-44. ISSN 1211-4669. BÍLEK, M., SKALICKÁ, P. Combination of Real and Virtual Environment in Early Chemistry Experimental Activities. In DOLINŠEK, S., LYONS, T. (eds.) Socio-cultural and Human Values in Science and Technology Education – XIV. IOSTE Symposium Proceedings, Ljubljana : Institute for Innovation and Development of University, 2010, p. 185 - 192. ISBN 978-961-92882-1-4 BÍLEK, M., TOBOŘÍKOVÁ, P. Aktuální výzvy pro počítačem podporované školní chemické experimenty. In CHUPÁČ, A., VEŘMIŘOVSKÝ, J. (eds.) Aktuální aspekty pregraduální přípravy a postgraduálního vzdělávání učitelů chemie – Sborník přednášek z mezinárodní konference, Ostrava: PřF OU, 2010, s. 32 – 35. ISBN 978-80-7368-426-6 TOBOŘÍKOVÁ, P., BÍLEK, M., RYCHETSKÝ, T. Využití interaktivní tabule při podpoře experimentálních činností ve výuce chemie. In CHUPÁČ, A., VEŘMIŘOVSKÝ, J. (eds.) Aktuální aspekty pregraduální přípravy a postgraduálního vzdělávání učitelů chemie – Sborník přednášek z mezinárodní konference, Ostrava: PřF OU, 2010, s. 273 – 278. ISBN 978-80-7368-426-6
7
BÍLEK, M., SKALICKÁ, P., RYCHTERA, J., MYŠKA, K. Reálný a virtuální chemický experiment – současnost a perspektivy. In KMEŤOVÁ, J., LICHVÁROVÁ, M. (eds.): Súčasnosť a perspektívy didaktiky chémie II. – Zborník z medzinárodnej konferencie, Donovaly, 27. – 29. 5. 2009, Banská Bystrica : FPV UMB, 2009, s. 9 – 13. ISBN 987-80-8083-751-8 RYCHTERA, J., BÍLEK, M., MYŠKA, K. Příspěvek k vizualizaci chemického experimentu. In KMEŤOVÁ, J., LICHVÁROVÁ, M. (eds.): Súčasnosť a perspektívy didaktiky chémie II. – Zborník z medzinárodnej konferencie, Donovaly, 27. – 29. 5. 2009, Banská Bystrica : FPV UMB, 2009, s. 67 – 70. ISBN 987-80-8083-751-8 MYŠKA, K., BÍLEK, M., MANĚNA, V., RYCHTERA, J., KOLÁŘ, K. Počítačové vizualizace a animace ve virtuálním prostředí pro výuku chemie. In KMEŤOVÁ, J., LICHVÁROVÁ, M. (eds.) Súčasnosť a perspektívy didaktiky chémie II. – Zborník z medzinárodnej konferencie, Donovaly, 27. – 29. 5. 2009, Banská Bystrica : FPV UMB, 2009, s. 165 – 168. ISBN 987-80-8083-751-8 BÍLEK, M. Possibilities of Real and Virtual Environment Interaction in Primary Chemistry Education. In LAMANAUSKAS, V. (ed.) Development of Science and Technology Education in Central and Eastern Europe – 7th IOSTE Symposium for Central and Eastern Europe. Šiauliai : Publishing House of Siauliai University, 2009, pp. 27 – 30. ISBN 978-9986-38-978-1 ŠKODA, J., DOULÍK, P. Lesk a bída školního chemického experimentu. In BÍLEK, M. (ed.) Výzkum, teorie a praxe v didaktice chemie XIX. – Sborník 19. Mezinárodní konference o výuce chemie, 1. část: Původní výzkumné práce, teoretické a odborné studie/Research, Theory and Practice in Chemistry th st Didactics XIX. – Proceedings of the 19 International Conference on Chemistry Didactics, 1 Part: Research Articles and Theoretical Studies. Hradec Králové: Gaudeamus, 2009. s. 238-245. ISBN 97880-7041-827-7. DOULÍK, P., ŠKODA, J., BÍLEK, M. Vybrané metody pedagogického výzkumu a jejich aplikace při zkoumání experimentálních činností v přírodovědném vzdělávání. In BÍLEK, M. (ed.) Metodologické otázky výzkumu v didaktice chemie. [CD-ROM] Hradec Králové: Gaudeamus, 2009. ISBN 978-807435-018-4. RYCHTERA, J., BÍLEK, M., HLADÍKOVÁ, D., ČERVENKOVÁ, H., ŘEHULKOVÁ, R. Videotechnika jako prostředek zefektivňování studia i prostředek pedagogického výzkumu. In BÍLEK, M. (ed.): Výzkum, teorie a praxe v didaktice chemie XIX. – Sborník 19. Mezinárodní konference o výuce chemie, 1. část: Původní výzkumné práce, teoretické a odborné studie/Research, Theory and Practice th in Chemistry Didactics XIX. – Proceedings of the 19 International Conference on Chemistry st Didactics, 1 Part: Research Articles and Theoretical Studies. Hradec Králové : Gaudeamus, 2009, s. 229 – 237. ISBN 978-80-7041-827-7. DOULÍK, P., ŠKODA, J. Prekoncepce a miskoncepce jako součást dětských pojetí a jejich psychogeneze. In ŠKODA, J., DOULÍK, P. ET AL. Prekoncepce a miskoncepce v oborových didaktikách. Acta Universitatis Purkynianane č. 160. Studia paedagogica. Ústí nad Labem: UJEP, 2010. s. 8 – 29. ISBN 978-80-7414-290-1. ŠKODA, J., DOULÍK, P. Výsledky výzkumů TIMSS – inspirace pro učitele přírodovědných předmětů. In CHUPÁČ, A., VEŘMIŘOVSKÝ, J. (eds.) Aktuální aspekty pregraduální přípravy a postgraduálního vzdělávání učitelů chemie. Ostrava: Ostravská univerzita, 2010. s. 254-259. ISBN 978-80-7368-426-6.
8
Seznam příloh I. Pracovní listy pro provedení laboratorního cvičení v reálném a virtuálním prostředí II. Vstupní test (pretest) III. Vědomostní test „Co už vím o pH a jeho měření“ (posttest) IV. Dotazník „Jak hodnotím laboratorní práce s měřením pH?“ V. Výsledky statistického zpracování dat V.1 Kontrola normality rozložení dat u výsledků pretestu a postetstu V.2 Porovnání výsledků pretestů skupin „Reál“ a „Virtuál“ V.3 Porovnání výsledků posttestů skupin „Reál“ a „Virtuál“ V.4 Porovnání progresu (rozdíl ve výsledcích pretestu a postestu) u skupiny „Reál“ V.5 Porovnání progresu (rozdíl ve výsledcích pretestu a postestu) u skupiny „Virtuál“ V.6 Vyhodnocení prekonceptových položek V.7 Položková analýza pretestu a posttestu V.8 Korelační analýza a porovnávání výsledků testů s dotazníkem V.8.1 Analýza normality rozložení dat V.8.2 Porovnání: Skupina začínající reálným pokusem v preferenci reálných pokusů vs. skupina začínající virtuálním pokusem v preferenci reálných pokusů V.8.3 Porovnání: Skupina začínající reálným pokusem v preferenci virtuálních pokusů vs. skupina začínající virtuálním pokusem v preferenci virtuálních pokusů V.8.4 Porovnání: Rozdí v preferenci reálných a virtuálních pokusů u skupiny začínající reálným pokusem V.8.5 Porovnání: Rozdí v preferenci reálných a virtuálních pokusů u skupiny začínající virtuálním pokusem V.8.6 Porovnáníi výsledků posttestu u skupiny preferující reálné pokusy a u skupiny preferujíc virtuální pokusy V.8.7 Porovnáníi výsledků pretestu u skupiny preferující reálné pokusy a u skupiny preferujíc virtuální pokusy
9
Příloha I Pracovní listy pro lab. cvičení v reálném a virtuálním prostředí
Pracovní list č. 1 (Verze s reálným měřením) Téma: Jak jsou kyselé a zásadité různé chemické látky? Jméno a příjmení: Třída:
Datum:
Úkol č. 1: V zásobních lahvích máš připravené roztoky kyseliny chlorovodíkové, hydroxidu sodného a chloridu sodného o koncentracích 0,02 mol/dm3 a 0,06 mol/dm3. Pomocí pH-metru změř postupně pH všech roztoků při laboratorní teplotě a naměřené hodnoty pH zapiš do tabulky. Pomůcky a chemikálie: Kádinka 100 ml, pH-metr, střička s destilovanou vodou. Postup: Do kádinky odměř 100 ml roztoku HCl o nižší koncentraci (0,02 M). Měřící elektrodu připraveného pH-metru ponoř dle instrukcí učitele do kádinky, nech ustálit pH na displeji pHmetru a změřenou hodnotu zapiš do tabulky. Potom měřící elektrodu pHmetru vyndej z roztoku a omyj ji destilovanou vodou. Dále postupuj tak, že změříš pH roztoku HCl o vyšší koncentraci a dále všechny roztoky hydroxidu sodného a chloridu sodného. Naměřené hodnoty zapisuj do příslušných políček tabulky. Roztok/koncentrace (mol/dm3)
0,02
0,06
HCl NaOH NaCl
10
Úkol č. 2: Pokus se odpovědět na otázky v tabulce s pomocí získaných údajů v úkolu č. 1. Své odpovědi zapiš do tabulky. Otázka
Tvůj odhad
Jaké pH bude mít 100 ml roztoku kyseliny chlorovodíkové o koncentraci 0,1 mol/dm3 při laboratorní teplotě?
......................................., protože (doplň) ................................................. .............................................................
Jak se změní pH hydroxidu sodného o
Zakroužkuj svůj odhad správné odpovědi.
koncentraci 0,06 mol/dm3 a laboratorní
a) pH zůstane přibližně stejné,
teplotě, když změníme jeho objem ze 100 ml na objem 50 ml?
b) pH se sníží, c) pH se zvýší, protože (doplň) .................................................
Jaké pH bude mít ve srovnání s roztokem
Zakroužkuj svůj odhad správné odpovědi.
hydroxidu sodného roztok hydroxidu
Roztok hydroxidu draselného bude mít
draselného o stejné koncentraci, stejném
a) pH přibližně stejné,
objemu a stejné laboratorní teplotě?
b) pH nižší, c) pH vyšší, jako/než roztok hydroxidu sodného za daných podmínek, protože (doplň) .................................................
11
Pracovní list č. 2 (Verze s reálným měřením) Téma: Jak jsou kyselé a zásadité různé chemické látky? Jméno a příjmení: Třída:
Datum:
Úkol č. 3 Své odpovědí z úkolu č. 2 ověř pomocí měření s pHmetrem. Otázka
Tvé odpovědi zjištěné měřením
Jaké pH bude mít 100 ml roztoku kyseliny chlorovodíkové o koncentraci 0,1 mol/dm3 při laboratorní teplotě? Zakroužkuj správnou odpověď. Jak se změní pH hydroxidu sodného o
a) pH zůstalo přibližně stejné (nezměnilo
koncentraci 0,06 mol/dm3 a laboratorní
se o více než 0,1),
teplotě, když změníme jeho objem ze 100 ml na objem 50 ml?
b) pH se snížilo (o více než 0,1),
Přesnost měření pH s použitým pHmetrem
c) pH se zvýšilo (o více než 0,1).
je 0,1. Zakroužkuj správnou odpověď. Jaké pH bude mít ve srovnání s roztokem
Roztok hydroxidu draselného má
hydroxidu sodného roztok hydroxidu
a) pH přibližně stejné (nezměnilo se o
draselného o stejné koncentraci a
více než 0,1),
laboratorní teplotě? b) pH nižší (o více než 0,1) Přesnost měření pH použitým pHmetrem je c) pH vyšší (o více než 0,1)
0,1.
jako/než roztok hydroxidu sodného.
12
Úkol č. 4: Navrhni další úlohy v tomto laboratorním uspořádání. Popiš zadání a výsledky dalších úloh, které bys mohl s připravenými pomůckami a chemikáliemi také provést. Při návrzích můžeš požádat učitele o poskytnutí dalších chemikálií nebo dalších pomůcek. ………………………………………………………………………………………………… ………………………………………………………………………………………………… …………………………………………………………………………………………………
Kde všude se můžeš setkat s pH a jeho měřením: ………………………………………………………………………………………………… ………………………………………………………………………………………………… …………………………………………………………………………………………………
13
Pracovní list č. 1 (Verze s počítačovou simulací) Téma: Jak jsou kyselé a zásadité různé chemické látky? Jméno a příjmení: Třída:
Datum:
Úkol č. 1: Na počítači máš připravené simulované měřící prostředí pHmetru. Pomocí tohoto prostředí urči postupně pH roztoků kyseliny chlorovodíkové, hydroxidu sodného a chloridu sodného o koncentracích 0,02 mol/dm3 a 0,06 mol/dm3 a naměřené hodnoty pH zapiš do tabulky. Pomůcky: Počítač s internetem, internetová adresa:
Postup: Nejprve urči hodnotu pH roztoku kyseliny chlorovodíkové o koncentraci 0,02 mol/ dm3 a objemu 100 ml. V nabídce roztoky (Solutions) zvol (nebo zkontroluj zvolení) druh měřené látky, nejprve to budou kyseliny (Acid). Poté vyber kyselinu chlorovodíkovou (HCl). Koncentraci jejího roztoku (Molarity) nastav na první měřenou hodnotu (0,02 M, tj. 2 x 10-2). Objem roztoku (Volume) nastav na 100 ml. Tlačítkem Vložit elektrody (Insert Probes) ponoř pH-metr do roztoku. Po ustálení hodnoty pH ji zapiš do příslušného políčka tabulky. Elektrody vysuň z roztoku pomocí tlačítka Odebrat elektrody (Remove Probes). Dále stejným způsobem urči pH roztoku HCl o vyšší zadané koncentraci. Po určení obou zadaných koncentrací roztoku HCl a jejich zápisu do tabulky, urči stejným způsobem hodnoty pH roztoků hydroxidu sodného (Base – NaOH) a chloridu sodného (Salt I – NaCl). Roztok/koncentrace (mol/dm3)
0,02
HCl NaOH NaCl
14
0,06
Úkol č. 2: Pokus se odpovědět na otázky v tabulce s pomocí získaných údajů v úkolu č. 1. Své odpovědi zapiš do tabulky. Úkol
Tvůj odhad
Jaké pH bude mít 100 ml roztoku kyseliny chlorovodíkové (Acid – HCl) o koncentraci 0,1 mol/dm3 při laboratorní teplotě?
......................................., protože (doplň) ................................................. .............................................................
Jak se změní pH hydroxidu sodného (Base –
Zakroužkuj svůj odhad správné
NaOH) o koncentraci 0,06 mol/dm3 a
odpovědi.
laboratorní teplotě, když změníme jeho
a) pH zůstane přibližně stejné,
objem ze 100 ml na objem 50 ml?
b) pH se sníží, c) pH se zvýší, protože (doplň) .................................................
Jaké pH bude mít ve srovnání s roztokem
Zakroužkuj svůj odhad správné
hydroxidu sodného (Base – NaOH) roztok
odpovědi.
hydroxidu draselného (Base – KOH) o
Roztok hydroxidu draselného bude mít d) pH přibližně stejné,
stejné koncentraci, stejném objemu a stejné teplotě?
e) pH nižší, f) pH vyšší, jako/než roztok hydroxidu sodného za stejných podmínek, protože (doplň) .................................................
15
Pracovní list č. 2 (Verze s počítačovou simulací) Téma: Jak jsou kyselé a zásadité různé chemické látky? Jméno a příjmení: Třída:
Datum:
Úkol č. 3 Své odhady z úkolu č. 2 ověř pomocí měření s pHmetrem. Odpovědi zjištěné měřením
Otázka Jaké pH bude mít 100 ml roztoku kyseliny chlorovodíkové o koncentraci 0,1 mol/dm3 při laboratorní teplotě? Jak se změní pH hydroxidu sodného
Zakroužkuj správnou odpověď.
3
o koncentraci 0,06 mol/dm a laboratorní
a) pH zůstalo přibližně stejné,
teplotě, když změníme jeho objem ze 100 ml
b) pH se snížilo,
na objem 50 ml?
c) pH se zvýšilo. Jaké pH bude mít ve srovnání s roztokem
Zakroužkuj správnou odpověď.
hydroxidu sodného roztok hydroxidu
Roztok hydroxidu draselného má
draselného o stejné koncentraci, stejném
a) pH přibližně stejné,
objemu a stejné teplotě?
b) pH nižší, c) pH vyšší jako/než roztok hydroxidu sodného za stejných podmínek.
16
Úkol č. 4: Navrhni další úlohy v tomto simulovaném laboratorním uspořádání. Popiš zadání a výsledky dalších úloh, které bys mohl s připravenými pomůckami a chemikáliemi také provést. Při návrzích můžeš požádat učitele o radu k dalšímu postupu. ………………………………………………………………………………………………… ………………………………………………………………………………………………… …………………………………………………………………………………………………
Kde všude se můžeš setkat s pH a jeho měřením: ………………………………………………………………………………………………… ………………………………………………………………………………………………… …………………………………………………………………………………………………
17
Příloha II Vstupní test (pretest) Vstupní test – pH Jméno a příjmení: ............................................... Třída: ........................ 1) Kyselé vodné roztoky mají pH: a) větší než 7 a menší než 14, b) menší než 7, c) větší než 14. 2) Zásadité vodné roztoky mají pH: a) menší než 7, b) větší než 7 a menší než 14, c) 7. 3) Zda je vodný roztok kyselý nebo zásaditý můžeme určit pomocí (zaškrtněte všechny správné možnosti):
1. 2. 3. 4. 5. 6. 7. 8.
univerzálního indikátorového papírku, pHmetru, digitálních vah, šťávy z červeného zelí, počítače, indikátoru lakmusu, teploměru, laboratorních vah.
4) Co jsou to acidobazické indikátory? a) b) c) d)
Jsou to látky, které se zbarvují různě v kyselých a zásaditých roztocích. Jsou to látky, které urychlují chemické reakce. Jsou to látky, které způsobují kyselost nebo zásaditost vodných roztoků. Jsou to látky, které způsobují zbarvení kyselé nebo zásadité látky.
5) V následující nabídce zakroužkuj všechny látky, které ve vodných roztocích odštěpují H+: a) b) c) d) e) f) g)
chlorid sodný, hydroxid sodný, kyselina sírová, hydroxid vápenatý, zinek, oxid křemičitý, kyselina chlorovodíková,
18
h) kyselina octová. 6) V následující nabídce zakroužkuj všechny látky, které ve vodných roztocích odštěpují OH-: a) b) c) d) e) f) g) h)
chlorid sodný, hydroxid sodný, kyselina sírová, hydroxid vápenatý, zinek, oxid křemičitý, kyselina chlorovodíková, kyselina octová.
7) V následující nabídce je mnoho věcí, které znáš z běžného denního života. Kolečkem před názvem označ ty, které obsahují látky, které podle Tebe mají pH menší než 7. Křížkem před názvem označ ty, které obsahují látky, které podle Tebe mají pH větší než 7. zralé jablko
čaj
zelí
kopřivy
malta
hnojivo na květiny
citrón
voda
vápno
acylpyrin
pomeranč
mléko
sádra
mouka
roztok mýdla
ocet
sodovka
náplň akumulátoru v autě
vápenec
tabletka vitamínu C
kostka cukru
sliny
popel ze spáleného dřeva
prášek do pečiva
8) Dokonči uvedenou větu – jakkoli, na základě zkušeností z běžného života, znalostí ze školy.... Pod slovem (symbolem) pH si představím....
19
Příloha III Vědomostní test „Co už vím o pH a jeho měření“ (posttest) Co už vím o pH a jeho měření Milé žákyně a žáci, před několika dny jste měli možnost v laboratorním cvičení z chemie měřit kyselost a zásaditost vodných roztoků různých látek. Měřili jste veličinu, která se nazývá pH a podle její hodnoty jste určovali, zda šlo o látku kyselou nebo zásaditou a usuzovali jste také na její koncentraci a další souvislosti. K měření jste používali měřicí přístroj, který se nazýval pH metr. Měli jste možnost měřit buď s ručním pHmetrem nebo s pHmetrem na monitoru počítače (počítačovou simulací pHmetru). Připravili jsme pro Vás několik otázek, na které chceme získat Vaše odpovědi. Zajímá nás, co už víte o pH a jeho měření. Nejprve vyplňte své jméno a příjmení, potom svoji třídu a pak odpovídejte na jednotlivé otázky buď zaškrtnutím správné odpovědi, nebo jejím doplněním do připraveného volného místa. Jméno a příjmení: ............................................... Třída: ........................
9) Kyselé vodné roztoky mají pH: d) větší než 7 a menší než 14, e) menší než 7, f) větší než 14. 10) Zásadité vodné roztoky mají pH: d) menší než 7, e) větší než 7 a menší než 14 , f) 7. 11) Zda je vodný roztok kyselý nebo zásaditý můžeme určit pomocí (zaškrtněte všechny správné možnosti):
9. univerzálního indikátorového papírku, 10.pHmetru, 11.digitálních vah, 12.šťávy z červeného zelí, 13.počítače, 14.indikátoru lakmusu, 15.teploměru, 16.laboratorních vah.
20
12) Co jsou to acidobazické indikátory? a) b) c) d)
Jsou to látky, které se zbarvují různě v kyselých a zásaditých roztocích. Jsou to látky, které urychlují chemické reakce. Jsou to látky, které způsobují kyselost nebo zásaditost vodných roztoků. Jsou to látky, které způsobují zbarvení kyselé nebo zásadité látky.
13) V následující nabídce zakroužkuj všechny látky, které ve vodných roztocích odštěpují H+: a) b) c) d) e) f) g) h)
chlorid sodný, hydroxid sodný, kyselina sírová, hydroxid vápenatý, zinek, oxid křemičitý, kyselina chlorovodíková, kyselina octová.
14) V následující nabídce zakroužkuj všechny látky, které ve vodných roztocích odštěpují OH-: a) b) c) d) e) f) g) h)
chlorid sodný, hydroxid sodný, kyselina sírová, hydroxid vápenatý, zinek, oxid křemičitý, kyselina chlorovodíková, kyselina octová.
21
Příloha IV Dotazník „Jak hodnotím laboratorní práce s měřením pH?“ Jak hodnotím laboratorní práce s měřením pH? Milé žákyně a žáci, před několika dny jste měli možnost v laboratorním cvičení z chemie měřit kyselost a zásaditost vodných roztoků různých látek. Měřili jste veličinu, která se nazývá pH a podle její hodnoty jste určovali, zda šlo o látku kyselou nebo zásaditou a usuzovali jste také na její koncentraci a další souvislosti. K měření jste používali měřicí přístroj, který se nazýval pH metr. Měli jste možnost měřit s ručním pHmetrem a také s pHmetrem na monitoru počítače (počítačovou simulací pHmetru). Připravili jsme pro Vás několik otázek, na které chceme získat Vaše odpovědi. Zajímají nás Vaše názory na provedená měření, která jste nedávno v laboratorních cvičeních absolvovali. Nejprve vyplňte své jméno a příjmení, potom svoji třídu a pak odpovídejte na jednotlivé otázky buď zaškrtnutím správné odpovědi, nebo jejím doplněním do připraveného volného místa. Jméno a příjmení: ............................................... Třída: ........................ 1) Označ, která verze laboratorní práce se ti více líbila? a) Měření pH s pomocí počítačové simulace. b) Měření pH s pomocí ručního pHmetru. c) Obě laboratorní práce se mi líbily stejně. 2) Domníváš se, že poznatky z laboratorní práce s využitím počítačové simulace budeš moci někdy využít? a) Ano, v dalším studiu chemie. b) Ano, v praktickém životě. c) Ne. d) Nevím. 3) Domníváš se, že poznatky z laboratorní práce s využitím ručního pHmetru budeš moci někdy využít? a) Ano, v dalším studiu chemie. b) Ano, v praktickém životě. c) Ne. d) Nevím.
4) U které verze laboratorní práce se ti lépe měřily hodnoty pH? a) V laboratorní práci s ručním pHmetrem. b) V laboratorní práci s počítačem simulovaným pHmetrem. c) Obě měření byla jednoduchá, měřilo se mi v obou případech stejně dobře. d) Obě měření byla obtížná, měl jsem potíže v obou případech. 5) Kde bys využil v životě měření pH? ………………….................................................................................................... …………………...................................................................................................
22
6) Jaký přínos pro tebe měla laboratorní práce s využitím počítačem simulovaného pHmetru? (Můžeš označit více možností) a) Získal jsem nové vědomosti. b) Ověřil jsem si vědomosti o kyselosti a zásaditosti chemických látek. c) Upevnil jsem si vědomosti z hodin chemie. d) Už vím, co je to pH. e) Už umím pH měřit. f) Nic nového jsem se nedozvěděl. g) Nic nového jsem se nenaučil. 7) Jaký přínos pro tebe měla laboratorní práce s využitím ručního pHmetru? (Můžeš označit více možností) a) Získal jsem nové vědomosti. b) Ověřil jsem si vědomosti získané z výuky o kyselosti a zásaditosti chemických látek. c) Upevnil jsem si vědomosti z hodin chemie. d) Už vím, co je to pH. e) Už umím pH měřit. f) Nic nového jsem se nedozvěděl. g) Nic nového jsem se nenaučil. 8) Která verze laboratorní práce byla podle tvého názoru více spojená s látkami využívanými v běžném životě? a) Laboratorní práce s ručním pHmetrem. b) Laboratorní práce s počítačem simulovaným pHmetrem. c) Obě laboratorní práce měly pro mě stejné spojení s látkami využívanými v běžném životě. d) Obě laboratorní práce se podle mého názoru spojení s látkami využívanými v běžném životě netýkaly. 9) Chtěl bys mít doma ruční PHmetr? a) Ruční pHmetr doma máme, měříme s ním (doplň): ............................................................................................................. b) Ruční pHmetr bych chtěl mít doma, mohl bych např. měřit (doplň): ............................................................................................................ c) Nechtěl, neměl bych ho na co použít. 10) Vrátil ses už při své práci s počítačem a Internetem k počítačové simulaci pHmetru? a) Ano už několikrát. b) Zkoušel jsem to, ale nepodařilo se mi to. c) Rád bych to někdy zkusil. d) Ne, nezajímá mě to. Volná odpověď – pokud máš nějaké doplňující poznámky k oběma možnostem provedení laboratorní práce s tématem „Měření pH“, napiš nám je sem: ....................................................................................................................................................... .......................................................................................................................................................
23
Příloha V Výsledky statistického zpracování dat V.1 Kontrola normality rozložení dat u výsledků pretestu a postetstu Tests for Normality for Pretest real.Součet Test Statistic P-Value Chi-Squared 81,6061 4,34442E-9 Shapiro-Wilk W 0,934656 0,000074069 1 Skewness Z1,77746 0,0754928 score Kurtosis Z-score 0,161181 0,871946 Since the smallest P-value amongst the tests performed is less than 0,05, we can reject the idea that Pretest real.Součet comes from a normal distribution with 95% confidence. Tests for Normality for Pretest virtual.Součet Test Statistic P-Value Chi-Squared 99,5319 3,49176E-12 Shapiro-Wilk W 0,92039 0,0000044533 7 Skewness Z1,05879 0,289693 score Kurtosis Z-score -3,37417 0,000740503 Since the smallest P-value amongst the tests performed is less than 0,05, we can reject the idea that Pretest virtual.Součet comes from a normal distribution with 95% confidence. Tests for Normality for Posttest real.Součet Test Statistic P-Value Chi-Squared 101,5 1,5653E-12 Shapiro-Wilk W 0,925243 0,000010710 9 Skewness Z2,18246 0,0290755 score Kurtosis Z-score 0,671144 0,502126 Since the smallest P-value amongst the tests performed is less than 0,05, we can reject the idea that Posttest real.Součet comes from a normal distribution with 95% confidence. Tests for Normality for Posttest virtual.Součet Test Statistic P-Value Chi-Squared 85,6322 4,25807E-10 Shapiro-Wilk W 0,897117 7,84729E-8 Skewness Z2,17872 0,0293525 score Kurtosis Z-score 0,0808909 0,935523 Since the smallest P-value amongst the tests performed is less than 0,05, we can reject the idea that Posttest virtual.Součet comes from a normal distribution with 95% confidence.
V.2 Porovnání výsledků pretestů skupin „Reál“ a „Virtuál“ Comparison of Medians Median of sample 1: 12,25 Median of sample 2: 11,75 Mann-Whitney (Wilcoxon) W test to compare medians
24
Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 102,732 Average rank of sample 2: 90,9628 W = -567,5 P-value = 0,142991 Do not reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidence level. Kolmogorov-Smirnov Test Estimated overall statistic DN = 0,195573 Two-sided large sample K-S statistic = 1,35804 Approximate P value = 0,0500183 The StatAdvisor This option runs a Kolmogorov-Smirnov test to compare the distributions of the two samples. This test is performed by computing the maximum distance between the cumulative distributions of the two samples. In this case, the maximum distance is 0,195573, which you can see visually by selecting Quantile Plot from the list of Graphical Options. Of particular interest is the approximate P-value for the test. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the two distributions at the 95,0% confidence level.
D.f. 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0
pretest reál pretest virtuál
4
5
6
7
8
9
10
11
12
13
14
15
16
hrubý skór
V.3 Porovnání výsledků posttestů skupin „Reál“ a „Virtuál“ Comparison of Medians Median of sample 1: 12,375 Median of sample 2: 12,375 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 95,8229 Average rank of sample 2: 87,7816
25
W = -367,0 P-value = 0,304328 Do not reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidence level. Kolmogorov-Smirnov Test Estimated overall statistic DN = 0,184986 Two-sided large sample K-S statistic = 1,24971 Approximate P value = 0,0880071 The StatAdvisor This option runs a Kolmogorov-Smirnov test to compare the distributions of the two samples. This test is performed by computing the maximum distance between the cumulative distributions of the two samples. In this case, the maximum distance is 0,184986, which you can see visually by selecting Quantile Plot from the list of Graphical Options. Of particular interest is the approximate P-value for the test. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the two distributions at the 95,0% confidence level.
D.f. 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0
posttest reál posttest virtuál
4
5
6
7
8
9
10
11
12
13
14
15
16
hrubý skór
V.4 Porovnání progresu (rozdíl ve výsledcích pretestu a postestu) u skupiny „Reál“ Comparison of Medians Median of sample 1: 12,25 Median of sample 2: 12,375 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 95,3636 Average rank of sample 2: 100,719 W = 261,0 P-value = 0,507636 Do not reject the null hypothesis for alpha = 0,05.
26
The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidence level. Kolmogorov-Smirnov Test Estimated overall statistic DN = 0,151515 Two-sided large sample K-S statistic = 1,05777 Approximate P value = 0,213524 The StatAdvisor This option runs a Kolmogorov-Smirnov test to compare the distributions of the two samples. This test is performed by computing the maximum distance between the cumulative distributions of the two samples. In this case, the maximum distance is 0,151515, which you can see visually by selecting Quantile Plot from the list of Graphical Options. Of particular interest is the approximate P-value for the test. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the two distributions at the 95,0% confidence level.
D.f.
1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0
pretest reál posttest reál
4
5
6
7
8
9
10
11
12
13
14
15
16
hrubý skór
V.5 Porovnání progresu (rozdíl ve výsledcích pretestu a postestu) u skupiny „Virtuál“ Comparison of Medians Median of sample 1: 11,75 Median of sample 2: 12,375 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 87,3032 Average rank of sample 2: 94,9943 W = 347,5 P-value = 0,323066 Do not reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing
27
the average ranks of the two samples in the combined data. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidence level. Kolmogorov-Smirnov Test Estimated overall statistic DN = 0,19418 Two-sided large sample K-S statistic = 1,30523 Approximate P value = 0,0662649 The StatAdvisor This option runs a Kolmogorov-Smirnov test to compare the distributions of the two samples. This test is performed by computing the maximum distance between the cumulative distributions of the two samples. In this case, the maximum distance is 0,19418, which you can see visually by selecting Quantile Plot from the list of Graphical Options. Of particular interest is the approximate P-value for the test. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the two distributions at the 95,0% confidence level.
D.f.
1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0
pretest virtuál posttest virtuál
4
5
6
7
8
9
10
11
12
13
14
15
16
hrubý skór
V.6 Vyhodnocení prekonceptových položek Počet správných odpovědí reál jablko Čaj Zelí kopřivy malta hnojivo na květiny citron voda vápno acylpyrin pomeranč mléko sádra mouka mýdlo Ocet sodovka akumulátor vápenec
59 10 56 28 55 45 67 28 56 37 64 53 15 13 34 67 47 39 16
28
Počet správných odpovědí virtuál 52 11 51 34 49 38 62 13 52 35 54 49 8 16 39 61 46 33 10
vitamin C Cukr Sliny popel ze dřeva prášek do pečiva Tests of Independence Test Statistic Df Chi10,965 23 Squared
59 40 40 55 47
54 43 37 50 40
P-Value 0,9835
This table shows the results of a hypothesis test run to determine whether or not to reject the idea that the row and column classifications are independent. Since the P-value is greater than or equal to 0,05, we cannot reject the hypothesis that rows and columns are independent at the 95,0% confidence level. Therefore, the observed row for a particular case may bear no relation to its column. Počet chybných odpovědí reál jablko Čaj Zelí kopřivy malta hnojivo na květiny citron voda vápno acylpyrin pomeranč mléko sádra mouka mýdlo Ocet sodovka akumulátor vápenec vitamin C Cukr Sliny popel ze dřeva prášek do pečiva Tests of Independence Test Statistic Df Chi5,586 23 Squared
29 89 36 55 29 44 30 71 28 46 32 31 84 86 52 30 36 44 83 33 44 44 24 39
Počet chybných odpovědí virtuál 37 83 34 46 33 47 31 81 31 45 34 33 86 78 45 32 36 49 84 30 38 49 22 41
P-Value 0,9999
The StatAdvisor This table shows the results of a hypothesis test run to determine whether or not to reject the idea that the row and column classifications are independent. Since the P-value is greater than or equal to 0,05, we cannot reject the hypothesis that rows and columns are independent at the 95,0% confidence level. Therefore, the observed row for a particular case may bear no relation to its column.
V.7 Položková analýza pretestu a posttestu Položka č. 1 Pretest reál x pretest virtuál Comparison of Medians
29
Median of sample 1: 1,0 Median of sample 2: 1,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 97,9293 Average rank of sample 2: 96,0213 W = -92,0 P-value = 0,723729 Do not reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidence level. Postest reál x posttest virtuál Comparison of Medians Median of sample 1: 1,0 Median of sample 2: 1,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 > median2 Average rank of sample 1: 98,375 Average rank of sample 2: 84,9655 W = -612,0 P-value = 0,00306779 Reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is less than 0,05, the median of the first sample is significantly greater than the median of the second at the 95,0% confidence level. Pretest reál x posttest reál Comparison of Medians Median of sample 1: 1,0 Median of sample 2: 1,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 < median2 Average rank of sample 1: 93,7576 Average rank of sample 2: 102,375 W = 420,0 P-value = 0,0329782 Reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is less than 0,05, the median of the first sample is significantly less than the median of the second at the 95,0% confidence level. Pretest virtuál x posttest virtuál Comparison of Medians Median of sample 1: 1,0 Median of sample 2: 1,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 92,6702 Average rank of sample 2: 89,1954 W = -157,0 P-value = 0,528733 Do not reject the null hypothesis for alpha = 0,05.
30
The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidence level. Položka č. 2 Pretest reál x pretest virtuál Comparison of Medians Median of sample 1: 1,0 Median of sample 2: 1,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 98,5556 Average rank of sample 2: 95,3617 W = -154,0 P-value = 0,591781 Do not reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidence level. Postest reál x posttest virtuál Comparison of Medians Median of sample 1: 1,0 Median of sample 2: 1,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 > median2 Average rank of sample 1: 95,9219 Average rank of sample 2: 87,6724 W = -376,5 P-value = 0,0386742 Reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is less than 0,05, the median of the first sample is significantly greater than the median of the second at the 95,0% confidence level. Pretest reál x posttest reál Comparison of Medians Median of sample 1: 1,0 Median of sample 2: 1,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 < median2 Average rank of sample 1: 91,8333 Average rank of sample 2: 104,359 W = 610,5 P-value = 0,00725098 Reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is less than 0,05, the median of the first sample is significantly less than the median of the second at the 95,0% confidence level. Pretest virtuál x posttest virtuál
31
Comparison of Medians Median of sample 1: 1,0 Median of sample 2: 1,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 87,8936 Average rank of sample 2: 94,3563 W = 292,0 P-value = 0,249441 Do not reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidence level. Položka č. 3 Pretest reál x pretest virtuál Comparison of Medians Median of sample 1: 3,75 Median of sample 2: 3,75 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 > median2 Average rank of sample 1: 110,854 Average rank of sample 2: 82,4096 W = -1371,5 P-value = 0,000110706 Reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is less than 0,05, the median of the first sample is significantly greater than the median of the second at the 95,0% confidence level. Postest reál x posttest virtuál Comparison of Medians Median of sample 1: 3,75 Median of sample 2: 3,75 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 > median2 Average rank of sample 1: 102,443 Average rank of sample 2: 80,477 W = -1002,5 P-value = 0,00149348 Reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is less than 0,05, the median of the first sample is significantly greater than the median of the second at the 95,0% confidence level. Pretest reál x posttest reál Comparison of Medians Median of sample 1: 3,75 Median of sample 2: 3,75 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 99,5556
32
Average rank of sample 2: 96,3958 W = -154,0 P-value = 0,681077 Do not reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidence level. Pretest virtuál x posttest virtuál Comparison of Medians Median of sample 1: 3,75 Median of sample 2: 3,75 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 88,5 Average rank of sample 2: 93,7011 W = 235,0 P-value = 0,483599 Do not reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidence level. Položka č. 4 Pretest reál x pretest virtuál Comparison of Medians Median of sample 1: 2,0 Median of sample 2: 2,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 95,7121 Average rank of sample 2: 98,3564 W = 127,5 P-value = 0,704916 Do not reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidence level. Postest reál x posttest virtuál Comparison of Medians Median of sample 1: 2,0 Median of sample 2: 2,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 94,1406 Average rank of sample 2: 89,6379 W = -205,5 P-value = 0,497317 Do not reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is greater than or
33
equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidence level. Pretest reál x posttest reál Comparison of Medians Median of sample 1: 2,0 Median of sample 2: 2,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 < median2 Average rank of sample 1: 92,2273 Average rank of sample 2: 103,953 W = 571,5 P-value = 0,0452985 Reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is less than 0,05, the median of the first sample is significantly less than the median of the second at the 95,0% confidence level. Pretest virtuál x posttest virtuál Comparison of Medians Median of sample 1: 2,0 Median of sample 2: 2,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 89,1011 Average rank of sample 2: 93,0517 W = 178,5 P-value = 0,556282 Do not reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidence level. Položka č. 5 Pretest reál x pretest virtuál Comparison of Medians Median of sample 1: 3,0 Median of sample 2: 3,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 > median2 Average rank of sample 1: 105,495 Average rank of sample 2: 88,0532 W = -841,0 P-value = 0,00656729 Reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is less than 0,05, the median of the first sample is significantly greater than the median of the second at the 95,0% confidence level. Postest reál x posttest virtuál Comparison of Medians Median of sample 1: 3,0 Median of sample 2: 3,0 Mann-Whitney (Wilcoxon) W test to compare medians
34
Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 88,8385 Average rank of sample 2: 95,4885 W = 303,5 P-value = 0,31713 Do not reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidence level. Pretest reál x posttest reál Comparison of Medians Median of sample 1: 3,0 Median of sample 2: 3,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 101,52 Average rank of sample 2: 94,3698 W = -348,5 P-value = 0,298458 Do not reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidence level. Pretest virtuál x posttest virtuál Comparison of Medians Median of sample 1: 3,0 Median of sample 2: 3,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 < median2 Average rank of sample 1: 83,7128 Average rank of sample 2: 98,8736 W = 685,0 P-value = 0,0128612 Reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is less than 0,05, the median of the first sample is significantly less than the median of the second at the 95,0% confidence level. Položka č. 6 Pretest reál x pretest virtuál Comparison of Medians Median of sample 1: 3,0 Median of sample 2: 3,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 95,899 Average rank of sample 2: 98,1596 W = 109,0 P-value = 0,736906 Do not reject the null hypothesis for alpha = 0,05. The StatAdvisor
35
This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidenc Postest reál x posttest virtuál Comparison of Medians Median of sample 1: 3,0 Median of sample 2: 3,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 91,2604 Average rank of sample 2: 92,8161 W = 71,0 P-value = 0,822195 Do not reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidence level. Pretest reál x posttest reál Comparison of Medians Median of sample 1: 3,0 Median of sample 2: 3,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 99,9495 Average rank of sample 2: 95,9896 W = -193,0 P-value = 0,571811 Do not reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidence level. Pretest virtuál x posttest virtuál Comparison of Medians Median of sample 1: 3,0 Median of sample 2: 3,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 93,0904 Average rank of sample 2: 88,7414 W = -196,5 P-value = 0,51025 Do not reject the null hypothesis for alpha = 0,05. The StatAdvisor This option runs a Mann-Whitney W test to compare the medians of the two samples. This test is constructed by combining the two samples, sorting the data from smallest to largest, and comparing the average ranks of the two samples in the combined data. Since the P-value is greater than or equal to 0,05, there is not a statistically significant difference between the medians at the 95,0% confidence level.
V. 8 Korelační analýza a porovnávání výsledků testů s dotazníkem V.8.1 Analýza normality rozložení dat
36
Tests for Normality for Real pro R Test Statistic P-Value Chi-Squared 80,6667 1,25817E-8 Shapiro-Wilk W 0,968924 0,0926108 Skewness Z0,125048 0,900481 score Kurtosis Z-score -0,686457 0,492423 Tests for Normality for Real pro V Test Statistic P-Value Chi-Squared 96,4324 2,69333E-11 Shapiro-Wilk W 0,953502 0,00304737 Skewness Z0,509873 0,610137 score Kurtosis Z-score -2,64011 0,00828804 Tests for Normality for Real N Test Statistic P-Value Chi-Squared 357,694 0,0 Shapiro-Wilk W 0,893774 5,80167E11 Skewness Z1,94864 0,051338 score Kurtosis Z-score -0,0924492 0,926336 Tests for Normality for Virtual pro R Test Statistic P-Value Chi-Squared 96,7143 4,85523E-12 Shapiro-Wilk W 0,962519 0,0624452 Skewness Z0,857676 0,39107 score Kurtosis Z-score 0,408029 0,683249 Tests for Normality for Virtual pro V Test Statistic P-Value Chi-Squared 80,8333 2,83327E-9 Shapiro-Wilk W 0,975415 0,368441 Skewness Z0,79772 0,425031 score Kurtosis Z-score 1,27248 0,203201 Tests for Normality for Virtual N Test Statistic P-Value Chi-Squared 198,571 0,0 Shapiro-Wilk W 0,896852 1,49301E-7 Skewness Z1,74237 0,0814436 score Kurtosis Z-score -0,360745 0,718287 V.8.2 Porovnání: Skupina začínající reálným pokusem v preferenci reálných pokusů vs. skupina začínající virtuálním pokusem v preferenci reálných pokusů Comparison of Medians Median of sample 1: 32,1429 Median of sample 2: 25,0 Mann-Whitney (Wilcoxon) W test to compare medians
37
Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 107,185 Average rank of sample 2: 85,8631 W = -1019,5 P-value = 0,00883154 Reject the null hypothesis for alpha = 0,05.
hustota rozložení dat (X 0,001) 25 20 15 10 skup. s reálným exp. skup. s virtuálním exp.
5 0 0
10
20
30
40
50
60
70
80
preference reálného exp.
V.8.3 Porovnání: Skupina začínající reálným pokusem v preferenci virtuálních pokusů vs. skupina začínající virtuálním pokusem v preferenci virtuálních pokusů Comparison of Medians Median of sample 1: 28,5714 Median of sample 2: 28,5714 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 96,0315 Average rank of sample 2: 100,601 W = 218,5 P-value = 0,575253 Do not reject the null hypothesis for alpha = 0,05.
38
hustota rozložení dat (X 0,001) 25 20 15 10 skup. s reálným exp. skup. s virtuálním exp.
5 0 0
10
20
30
40
50
60
70
80
preference virtuálního exp.
V.8.4 Porovnání: Rozdí v preferenci reálných a virtuálních pokusů u skupiny začínající reálným pokusem Comparison of Medians Median of sample 1: 32,1429 Median of sample 2: 28,5714 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 118,198 Average rank of sample 2: 104,802 W = -743,5 P-value = 0,119586 Do not reject the null hypothesis for alpha = 0,05.
hustota rozložení dat (X 0,001) 24 20 16 12 8 preference reálných exp. preference virtuálních exp.
4 0 0
10
20
30
40
50
60
70
80
postoj skupiny začínající reálným experimentem
V.8.5 Porovnání: Rozdí v preferenci reálných a virtuálních pokusů u skupiny začínající virtuálním pokusem Comparison of Medians Median of sample 1: 25,0
39
Median of sample 2: 28,5714 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 < median2 Average rank of sample 1: 77,9405 Average rank of sample 2: 91,0595 W = 551,0 P-value = 0,0398135 Reject the null hypothesis for alpha = 0,05.
hustota rozložení dat (X 0,001) 25 20 15 10 preference reálných exp. preference virtuálních exp.
5 0 0
20
40
60
80
postoj skupiny začínající virtuálním experimentem
V.8.6 Porovnáníi výsledků posttestu u skupiny preferující reálné pokusy a u skupiny preferujíc virtuální pokusy Comparison of Medians Median of sample 1: 12,875 Median of sample 2: 12,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 75,1786 Average rank of sample 2: 64,7464 W = -362,5 P-value = 0,126235 Do not reject the null hypothesis for alpha = 0,05.
40
0,16 D.f. skup. pref. real. exp. skup. pref. virtual. exp
0,12
0,08
0,04
0 0
1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 hrubý skór
V.8.7 Porovnáníi výsledků pretestu u skupiny preferující reálné pokusy a u skupiny preferujíc virtuální pokusy Comparison of Medians Median of sample 1: 11,6875 Median of sample 2: 12,0 Mann-Whitney (Wilcoxon) W test to compare medians Null hypothesis: median1 = median2 Alt. hypothesis: median1 NE median2 Average rank of sample 1: 68,05 Average rank of sample 2: 69,9925 W = 66,5 P-value = 0,775875 Do not reject the null hypothesis for alpha = 0,05.
0,16 D.f. skup. pref. real. exp. skup. pref. virtual. exp
0,12
0,08
0,04
0 0
1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 hrubý skór
41
