Verwerking van de resultaten en analyses

De data zullen op vier manieren geanalyseerd worden. Voor de eerste drie onderdelen, de kwantitatieve data, is statistiek nodig. Voor het analyseren van kwalitatieve data is geen statistiek nodig.

Aan het einde van elk onderdeel van de analyse wordt kort benoemd wat de analyses impliceren. In de conclusie wordt hier verder op in gegaan.

4.10.1 Analyse toetsresultaten

Klas 1a en 1b zijn onafhankelijke groepen. Zij hebben elk op een andere manier les gehad en natuurlijk ook onafhankelijk van elkaar de pretest en de eindtoets gemaakt. Klas 1a kreeg les via een digitale module, klas 1b kreeg les uit boeken. De pretest en de eindtoets die beide klassen maakten, zijn identiek. De resultaten op de pretest en de eindtoets (de posttest) binnen één klas zijn afhankelijke metingen. De kennis die de leerlingen hadden over natuurrampen tijdens het invullen van de toets is namelijk gerelateerd aan de kennis die zij hadden tijdens de pretest. Om per leerling te kunnen bekijken wat de vooruitgang is, is het van belang een verschilwaarde te berekenen door de uitkomsten van de pretest af te trekken van de uitkomsten van de toets (posttest - pretest = verschilwaarde). Het is dan mogelijk per leerling te zien hoe groot de vooruitgang is.

Er zijn dus drie verschillende waarden waar statistische berekeningen op uitgevoerd kunnen worden: de uitkomsten van de pretest, de uitkomsten van de toets en de verschilwaarde tussen deze twee. Hiermee wordt op verschillend niveau gerekend. Wanneer de uitkomsten van de pretest en/of eindtoets vergeleken worden, wordt er gekeken naar de gemiddelden die beide groepen als geheel halen. Wanneer er gekeken wordt naar de verschilwaarde tussen pre- en eindtoets, wordt er gerekend op het niveau van de individuele leerling, de verschilwaarde is immers per leerling berekend. Vervolgens kunnen de verschilwaardes van klas 1a en 1b natuurlijk weer op basis van gemiddelden vergeleken worden.

Er worden voor vijf variabelen, drie t-testen voor onafhankelijke groepen gedaan. De 5 variabelen zijn: totaalscore, score op ‘aarde’, score op ‘aardbevingen’, score op ‘vulkanen’ en score op ‘orkanen’. Er wordt dus gekeken naar de totaalscore en naar de scores op de diverse onderwerpen die zijn behandeld. Het is nuttig de diverse kleinere onderwerpen te bekijken om meer nuance aan te kunnen brengen in de uitkomsten van de totaalscore. Per (sub)variabele is er een t-test uitgevoerd over de score op de pretest, de score op de eindtoets en over de verschilwaarden in de twee groepen.

Een t-test wordt gebruikt om vast te stellen of de gemiddelden van twee groepen aan elkaar gelijk zijn of juist verschillen. Er wordt gekeken of er significante verschillen optreden. Als er een significant verschil optreedt, wordt de zogenaamde nulhypothese (beide groepen zijn aan elkaar gelijk) verworpen. De alternatieve hypothese (er zit verschil tussen de groepen) wordt aangenomen (Huizingh 2004, p. 274). Een t-test kan eenzijdig of tweezijdig uitgevoerd worden. Wanneer er uit de literatuur of uit andere zaken duidelijke aanwijzingen naar voren komen dat het antwoord een onderzoeksvraag één bepaalde richting op gaat, kan er een duidelijke hypothese gesteld worden. In zo’n geval wordt er eenzijdig getoetst. Voor dit onderzoek zou de hypothese bijvoorbeeld kunnen zijn: ‘leerlingen boeken betere resultaten wanneer zij les krijgen via de computer dan wanneer zij les krijgen met behulp van boeken’. De literatuur over dit onderzoek is echter niet eenduidig, het is niet duidelijk welke richting het antwoord op de onderzoeksvraag op zal gaan. Dit impliceert dat allebei de ‘kanten’ van een vraag getoetst moeten worden. Dit heet tweezijdig toetsen. De onderzoeksvraag die in dit onderzoek centraal staat wordt dus tweezijdig getoetst.

Het significantieniveau waarmee in de meeste gevallen gerekend wordt, is 5% (alpha = 0,05). Dit houdt in dat als iets een significantieniveau van 5% heeft, de kans dat bij er een volgende meting een andere resultaat uitkomt slechts 5% is, dit is de overschrijdingskans. Er is dus 95% kans dat een volgende meting hetzelfde resultaat heeft (Huizingh 2004, p. 277). Omdat er in dit onderzoek sprake is van een kleine steekproef (per groep is de N slechts 26 of 27), is het verstandig – om geen uitkomsten onnodig weg te gooien – ook een iets ruimer significantieniveau te bekijken. Een overschrijdingskans tussen de 5% en 10% (alpha = 0,05 - 0,1) biedt ook een redelijk zeker resultaat. Minimaal 90% van de volgende metingen zou dan hetzelfde resultaat geven. Dergelijke resultaten worden als tendentieel aangemerkt; ze zijn niet significant maar het komt er wel dicht in de buurt dus het is nuttig deze uitkomsten te benoemen.

4.10.2 Analyse attitude-onderzoek

Hoe de leerlingen het werken met de digitale lesmodule evalueren, komt in dit onderdeel van de analyse aan bod. Vanzelfsprekend hebben alleen de leerlingen die met de digitale module gewerkt hebben hun mening hierover gegeven. Er zal dan ook geen vergelijkende statistiek maar enkel beschrijvende statistiek aan bod komen. De analyse wordt gedaan aan de hand van een aantal vragen, die beantwoord worden door de antwoorden op één of meerdere stellingen te bekijken. Voorbeelden van vragen zijn: zijn de leerlingen enthousiast? Hebben de leerlingen voorkeur voor een boek of de computer voor het leren van de stof? Vinden de

leerlingen de lesstof overzichtelijk? De stellingen die bij elk van deze vragen horen, worden geanalyseerd door middel van cirkeldiagrammen. In een cirkeldiagram is goed te zien welke antwoorden de leerlingen hebben gegeven en hoe deze zich tot elkaar verhouden. Elke antwoordcategorie op schaal 1 (helemaal mee oneens) tot 5 (helemaal mee eens), krijgt een eigen gedeelte van de cirkel. Zo is in één oogopslag te zien of een meerderheid tevreden of ontevreden is, of dat dit niet te zeggen is (Huizingh 2004, p. 226). Ter ondersteuning hiervan wordt ook het gemiddeld aantal punten dat gegeven is voor de stelling bekeken.

4.10.3 Correlatieanalyse

Een vraag die opkomt na het bekijken van hiervoor behandelde attitude-analyse is hoe de uitkomsten hiervan samenhangen met andere gegevens. Het is bijvoorbeeld interessant te bekijken of het enthousiasme voor deze lesmethode samenhangt met de score die er gehaald wordt op de toets of met de vooruitgang die geboekt wordt. In dit gedeelte van de analyse wordt in gegaan op deze en andere zaken die interessant zijn wat betreft samenhang. Onderwerpen waar naar wordt gekeken zijn: enthousiasme, concentratie, maken van opdrachten, leren van de stof, nut filmpjes en animaties en snelheid. Er wordt hiernaast ook gekeken of er samenhang is tussen de toetsresultaten en de rapportcijfers die eerder voor de vakken aardrijkskunde en Nederlands gehaald zijn.

Correlatie wordt berekend met behulp van de Pearson correlatiecoëfficiënt. Deze meet de lineaire samenhang tussen twee variabelen (Huizingh 2004, p. 295). In dit geval wordt er dus bijvoorbeeld gemeten of het goed (of slecht) scoren op de toets samenhangt met veel (of weinig) enthousiasme. Om er achter te komen of er een verband is, moet gekeken worden naar de correlatiecoëfficiënt en het significantieniveau. De correlatiecoëfficiënt geeft de striktheid van het lineaire verband tussen twee variabelen weer. Een hoge correlatiecoëfficiënt betekent dat de individuele metingen dicht bij een rechte lijn liggen in een spreidingsgrafiek. Hoe hoger de correlatiecoëfficiënt, hoe sterker het verband. Verder geeft deze correlatiecoëfficiënt informatie over de richting van het verband. Positieve correlatie houdt in dat als de ene variabele stijgt, de andere dit ook doet. Dit is bij negatieve correlatie juist omgekeerd (Huizingh 2004, p. 297). Naast de correlatiecoëfficiënt moet ook in gegaan worden op het significantieniveau van de correlaties. Hiervoor wordt de overschrijdingskans bekeken. Als de overschrijdingskans 5% of lager is dan is het verband significant te noemen. 95% van toekomstige metingen zullen immers dezelfde uitkomsten geven. Omdat er in dit onderzoek betrekkelijk weinig proefpersonen gebruikt worden, is ook een overschrijdingskans

tussen de 5% en 10% nuttig om te bekijken. Immers zou dan ruim 90% van toekomstige metingen dezelfde uitkomsten geven. Een dergelijke uitkomst wordt niet aangemerkt als significant maar als tendentieel.

4.10.4 Analyse kwalitatieve data

In de analyse van kwalitatieve data zullen observaties en interviews aan bod komen. Samen geven zij een beeld van hoe er om wordt gegaan met digitaal lesmateriaal en wat de personen die er mee gewerkt hebben er van vonden. Anders dan met de hiervoor behandelde analyses van kwantitatieve data, zorgt deze analyse voor een genuanceerd beeld en worden opvallende zaken uitgelicht. Alle data die verzameld is, is in ruwe vorm weergegeven in de bijlage. In de analyse wordt er gestreefd om de patronen die oplichten in de data te karakteriseren.

Voor observaties is er voor gekozen de observaties per klas en vervolgens per onderwerp in te delen. Zo ontstaat er een duidelijk overzicht van de data. Er zijn drie onderwerpen: indeling klas en les, leerlingen en overige zaken in de klas. Deze onderwerpen zijn eerder in dit hoofdstuk bij de onderzoeksopzet ook aan bod gekomen.

Wat betreft de interviews wordt er bij de leerlingen een korte samenvatting gegeven en worden nuttige zaken extra uitgelicht. Het interview met de docent is weergegeven aan de hand van de volgende onderwerpen: werken met de digitale module algemeen, lesmateriaal, opdrachten, leerdoelen, computerlokaal vs. laptop in de klas en ICT in de klas in 2015. Per onderwerp wordt de relevante informatie uit het interview benoemd.