Ondersteuning van gezamenlijk probleemoplossen door gefaseerd construeren van domeinspecifieke representaties B. Slof 1, G. Erkens1, & P. A. Kirschner2, 1Universiteit Utrecht, P.O. Box 80.140, 3508 TC Utrecht, the Netherlands
[email protected];
[email protected] 2Open Universiteit Nederland, P.O. Box 2960, 6401 DL Heerlen, the Netherlands
[email protected]
Samenvatting In deze studie werd onderzocht of het gefaseerd construeren van domeinspecifieke representaties middels visualisatie tools het gezamenlijk oplossen van een complex bedrijfseconomisch probleem kan ondersteunen. De ondersteuning structureerde de probleemoplossingtaak in drie deeltaken, namelijk (1) vaststellen van belangrijke concepten en het relateren hiervan aan het probleem, (2) formuleren van meerdere oplossingen voor het gestelde probleem en (3) komen tot een definitieve oplossing voor het probleem. Daarnaast stelden de aangeboden visualisatie tools de leerlingen in staat om domeinspecifieke representaties (i.e., conceptueel, causaal of mathematisch) te construeren welke ieder geschikt waren voor het uitvoeren van een specifieke deeltaak. Alle leerling-groepen in de vier experimentele condities voerden de opeenvolgende deeltaken uit, maar verschilden in de visualisatie tools die zij dienden te gebruiken. In de drie mismatch condities ontvingen de leerlingen één van de visualisatie tools voor alle deeltaken en werden dus alleen ondersteund in het uitvoeren van een specifieke deeltaak. In de match conditie ontvingen de leerlingen alle visualisatie tools op een gefaseerde wijze; voor iedere deeltaak konden zij een domeinspecifieke representatie construeren. De resultaten tonen aan dat leerlingen in de match conditie inderdaad meer deeltaakcongruente representaties construeerden en een meer uitgebreide discussie over het domain hadden dan leerlingen uit de mismatch condities. Als gevolg presteerden de leerlingen uit match conditie beter op de probleemoplossingtaak. Ongeveer gelijke resultaten werden echter gevonden voor leerlingen die causale representaties konden construeren gedurende alle deeltaken.
Inleiding Eerder onderzoek liet zien dat het geven van deeltaakspecifieke representaties leerlingen ondersteunt bij het gezamenlijk oplossen van complexe problemen (Slof, Erkens, Kirschner,
Jaspers, & Janssen, 2010). Hoewel het gefaseerd aanbieden van kwalitatieve en kwantitatieve representaties het discussiëren over specifieke concepten, principes, en procedures kan beïnvloeden, kan het gezamenlijk construeren van representaties zelfs beter zijn (De Simone, Schmidt, & McEwen, 2001). De gezamenlijke constructie stimuleert cognitieve processen zoals informatieselectie, organisatie hiervan in een coherent geheel, en het relateren hiervan aan de aanwezige kennis. Dit leidt vaak, zowel individueel (i.e., expliciteren van gedachten) als in een groep (i.e., discussiëren over opvattingen en het komen tot overeenstemming) tot beter begrip van het kennisdomein (Ainsworth, 2006). Voor het probleemoplossingproces van leerlingen is het belangrijk dat dit gefaseerd gebeurt, toenemend in complexiteit van kwalitatief naar kwantitatief (Ploetzner, Fehse, Kneser, & Spada, 1999). In deze studie is het probleemoplossingproces gefaseerd in deeltaken en dienden de leerlingen gezamenlijk deeltaakspecifieke representaties te construeren. Belangrijk hierbij is dat de ontologie (i.e., concepten, relaties en combinatieregels) van de visualisatie tool congruent is met de deeltaakvereisten (zie Tabel 1). Tabel 1 Congruentie tussen ontologie van de visualisatie tool en de deeltaken Fase
Deeltaak
Ontologie
Ondersteuning
Oriëntatie
Vaststellen belangrijkste concepten
Conceptueel
Weergeven concepten en hun
en deze relateren aan het probleem.
(kwalitatief)
relaties.
Bedenken van verschillende
Causaal
Weergeven causale relaties tussen
oplossingen voor het probleem.
(kwalitatief)
concepten en oplossingen.
Bepalen van de geschiktheid van
Mathematische
Weergeven mathematische relaties
de voorgestelde oplossingen en tot
(kwantitatief)
tussen concepten en de mogelijkheid
Oplossing Evaluatie
een uiteindelijke oplossing voor
om de waarden hiervan te
het probleem komen.
manipuleren.
Gefaseerd construeren van domeinspecifieke representaties De leerlingen werkten aan een complex bedrijfseconomisch probleem waarin zij een ondernemer dienden te adviseren over het veranderen van de bedrijfsvoering gericht op het verbeteren van het bedrijfsresultaat. De domeinspecifieke ondersteuning was gericht op het structureren van het probleemoplossingproces in opeenvolgende deeltaken, welke ieder voorzien werden van een deeltaakcongruente visualisatie tool. In de oriëntatiefase dienden de leerlingen uit te leggen wat zij dachten wat het probleem was en te beschrijven wat de belangrijkste factoren zijn waardoor het probleem werd veroorzaakt. De ondersteuning zou daarom de leerling-interactie dienen te richten op het
selecteren van de concepten die nodig zijn voor het uitvoeren van deze deeltaak en het op kwalitatieve wijze aan elkaar relateren van deze concepten. Het ontwerp van de visualisatie tool was daarom gericht op het construeren en bediscussiëren van een globale kwalitatieve representatie van het domein. Figuur 1 laat een conceptuele expert representatie zien met daarin de verschillende concepten en relaties welke de visualisatie tool de leerlingen in staat stelde om te gebruiken. Leerlingen konden bijvoorbeeld expliciteren dat het ‘bedrijfsresultaat’ beïnvloed wordt door het ‘verkoopresultaat’ en het ‘budgetresultaat’. Het selecteren en relateren van de concepten die leerlingen als relevant beschouwen voor het oplossen van het probleem maakt hen beter bekend met deze concepten, hetgeen het makkelijker maakt om voorstellen voor oplossingen te formuleren in de volgende deeltaak.
Figuur 1. Conceptuele expert representatie In de oplossingsfase dienden de leerlingen verschillende oplossingen voor het probleem te formuleren en duidelijk te maken op wat voor wijze hun verandering in de bedrijfsvoering het bedrijfsresultaat beïnvloedt. De ondersteuning zou daarom de leerlinginteractie dienen te richten op het formuleren van meerdere oplossingen en te bespreken op
wat voor wijze deze de geselecteerde concepten beïnvloeden door het verder specificeren van de relaties tussen de concepten en de voorgestelde interventies. Het ontwerp van de visualisatie tool was daarom gericht op het construeren en bediscussiëren van een causale representatie van het domein. Figuur 2 laat een causale expert representatie zien met daarin de verschillende concepten en de mogelijke interventies welke de visualisatie tool de leerlingen in staat stelde om te gebruiken. Leerlingen konden bijvoorbeeld expliciteren dat een ‘promotiecampagne’ de ‘begrote afzet’ en zodoende het ‘verkoopresultaat’ beïnvloedt. Alleen het op conceptuele wijze weergeven van de relaties tussen de concepten is niet expressief genoeg voor het uitvoeren van deze deeltaak aangezien de relaties verder gespecificeerd dienen te worden en leerlingen additionele informatie nodig hebben over mogelijke interventies. Wanneer dit niet het geval is, zijn leerlingen genoodzaakt om zelf met mogelijke oplossingen te komen zonder dat ze een goed ontwikkeld begrip hebben van de onderliggende kwalitatieve principes, hetgeen vaak tot een inefficiënt en ineffectief probleemoplossingproces leidt.
Figuur 2. Causale expert representatie
In de evaluatiefase dienden de leerlingen de financiële consequenties van de door hen voorgestelde oplossingen te bepalen en een definitief advies te formuleren voor de ondernemer door de geschiktheid van de verschillende oplossingen met elkaar te bespreken. De ondersteuning zou daarom de leerling-interactie dienen te richten op het vaststellen en vergelijken van de financiële consequenties door het op mathematische wijze specificeren van de relaties tussen de geselecteerde concepten. Het ontwerp van de visualisatie tool was daarom gericht op het construeren en bediscussiëren van een kwantitatieve representatie van het domein. Figuur 3 laat een mathematische expert representatie zien met daarin de verschillende concepten en hun mathematische relaties welke de visualisatie tool de leerlingen in staat stelde om te gebruiken. Leerlingen konden bijvoorbeeld simuleren hoe een ‘promotiecampagne’ door middel van de ‘begrote afzet’ het ‘verkoopresultaat’ beïnvloedt. Door het invoeren en aanpassen van de waarden werden waarden van de gerelateerde concepten automatisch aangepast. Aangezien kwantitatieve representaties alleen goed begrepen kunnen worden wanneer leerlingen een goed ontwikkeld kwalitatief begrip van het domein hebben verworven, is dit type ondersteuning alleen geschikt voor het uitvoeren van deze deeltaak.
Figuur 3. Mathematische expert representatie
Onderzoeksopzet en verwachtingen VWO4-leerlingen, werkend in een digitale leeromgeving gedurende 270 minuten, moesten in twee- of drietallen het bedrijfseconomische probleem oplossen. Voor alle groepen (N=31) werd het probleemoplossingproces gefaseerd in drie opeenvolgende fases/deeltaken. Alleen de groepen in de match conditie kregen een visualisatie tool waarin een deeltaakcongruente ontologie voor iedere deeltaak werd aangeboden (zie Tabel 2). Voor groepen in de match conditie werd per deeltaak een kwalitatief betere representatie en meer deeltaakspecifieke interactie verwacht en als gevolg een kwalitatief beter groepsproduct. Tabel 2 Overzicht van de experimentele condities Fase/deeltaak
Conditie en ontologie van de visualisatie tool Conceptuele
Causale
Simulatie
Match
Match/mismatch
conditie
Conditie
conditie
conditie
Oriëntatie
Conceptueel
Causaal
Mathematisch
Conceptueel
Match voor de oriëntatiefase
Oplossing
Conceptueel
Causaal
Mathematisch
Causaal
Match voor de oplossingsfase
Evaluatie
Conceptueel
Causaal
Mathematisch
Mathematisch
Match voor de evaluatiefase
Data-analyse Alle leerling-activiteiten zijn gelogd. De leerling-interactie (i.e., chat-protocollen) en de geconstrueerde representaties zijn automatisch gecodeerd met behulp van verschillende MEPA-filters (Erkens & Janssen, 2008) op basis van ‘als-dan’ beslissingsregels welke expliciete referenties (e.g., naam, synoniem) naar bepaalde concepten, oplossingen en relaties bevatten en deze als zodanig coderen. Bij het beoordelen van de kwaliteit van het groepsproduct werd gekeken of de uitvoering van de deeltaken: 1) beter paste bij de taakvereisten van een specifieke deeltaak, (2) meer concepten, oplossingen en relaties bevatte, (3) vaker inhoudelijk correct was, en (4) meer argumentatie voor de gemaakte keuzes bevatte. Naarmate dit het geval was, werd de kwaliteit als ‘beter’ beoordeeld. Voor het analyseren is respectievelijk gebruik gemaakt van inhoudsanalyses, Multi-level analyses en een One-way Manova.
Resultaten Kwaliteit van de geconstrueerde representaties Overeenstemmend met onze verwachting construeerden leerlingen in de match conditie meer deeltaakspecifieke representaties (zie Figuur 4). Deze leerlingen gebruikten minder concepten
en relaties in hun tweede en derde deeltaakspecifieke representatie dan in hun eerste representatie in vergelijking tot leerlingen in zowel de conceptuele als causale conditie. Blijkbaar werden de leerlingen in de match conditie na het construeren van een globale representatie selectiever in het gebruik van de concepten en het specificeren van de relaties op een causale of mathematische wijze. Al dient wel opgemerkt te worden dat leerlingen in de match conditie ook meer varieerden in hoeverre de relaties correct werden weergegeven.
Figuur 4. Inhoudsanalyses betreffende de kwaliteit van de deeltaakspecifieke representaties
Leerling-interactie Overeenstemmend met onze verwachting hadden leerlingen in de match conditie marginaal significant meer discussie over de verschillende concepten (β = 4.49, p = .07), en significant meer discussie over de verschillende relaties (β = 5.74, p = .05) dan leerlingen in de simulatie conditie. Er werden geen verschillen gevonden tussen leerlingen in de match conditie en de leerlingen in zowel de conceptuele als de causale condities.
Kwaliteit van het groepsproduct Overeenstemmend met onze verwachting kwamen leerlingen in de match conditie tot kwalitatief betere groepsproducten (F(3, 27) = 4.38, p = .01). Zij scoorden significant hoger dan groepen in zowel de conceptuele (p = .01, d = 1.46) als de simulatie condities (p = .01, d = 1.48). Dit werd vooral veroorzaakt door de hogere scores op de variabelen “correctheid” en “argumentatie”. Er werden geen verschillen gevonden tussen leerlingen in de match en de causale condities.
Discussie Net als andere studies (Ploetzner, et al.,1999) laat deze studie zien dat het op een gefaseerde wijze construeren en aan elkaar relateren van kwalitatieve en kwantitatieve representaties tot effectiever en efficiënter probleemoplosssen leidt. Toch werden er geen significante
verschillen gevonden tussen de leerlingen in de match en de causale condities. Hiervoor zijn drie mogelijke verklaringen denkbaar. Ten eerste, kunnen leerlingen in de match conditie moeite hebben met het construeren en combineren van de verschillende domeinspecifieke representaties en alleen de meest bekende gebruiken (Ainsworth, 2006). Ten tweede, kunnen deze resultaten veroorzaakt zijn door het belang van causaal redeneren (Jonassen & Ionas, 2008). Tot slot, kan er tussen de condities een verschil zijn in de wijze waarop de samenwerking binnen de groep verlopen is. Als leerlingen niet in staat zijn om hun eigen kennis te expliciteren, een gezamenlijk beeld van de kennis te vormen en hierover te discussiëren, dan kan dit hen belemmeren in het vinden van een geschikte oplossing van het probleem (Barron, 2003). Toekomstig onderzoek zou daarom meer inzicht dienen te verkrijgen in de wijze waarop leerlingen (1) domeinspecifieke representaties construeren en combineren en (2) samenwerken.
Referenties Ainsworth, S. (2006). DeFT: A conceptual framework for considering learning with multiple representations. Learning and Instruction, 16, 183–198. Barron, B. (2003). When smart groups fail. Journal of the Learning Sciences, 12, 307–359. De Simone, C., Schmid, R. F., & McEwan, L. A. (2001). Supporting the learning process with collaborative concept mapping using computer-based communication tools and processes. Educational Research and Evaluation, 7(2-3), 263–283. Erkens, G., & Janssen, J. (2008). Automatic coding of online collaboration protocols. International Journal of Computer-Supported Collaborative Learning, 3, 447–470. Jonassen, D. H., & Ionas, I. G. (2008). Designing effective support for causal reasoning. Educational Technology Research and Development, 56, 287–308. Ploetzner, R., Fehse, E., Kneser, C., & Spada, H. (1999). Learning to relate qualitative and quantitative problem representations in a model-based setting for collaborative problem solving. Journal of the Learning Sciences, 8, 177–214. Slof, B., Erkens, G., Kirschner, P. A., Jaspers, J. G. M., & Janssen, J. (2010). Guiding students’ online complex learning-task behavior through representational scripting. Computers in Human Behavior, 26, 927–939.