Invloed van stress op de leerinzet
Voorspelling van de trait en state kenmerken van leerinzet van leerlingen uit het voortgezet onderwijs door de trait en state kenmerken van angst.
Masterscriptie Onderwijswetenschappen Universiteit van Amsterdam L. Mulder 12459755 Begeleiding: dr. J.A. Schuitema Tweede beoordelaar: dr. J. Jansen in de Wal
Invloed van stress op de leerinzet
Voorspelling van de trait en state kenmerken van leerinzet van leerlingen uit het voortgezet onderwijs door de trait en state kenmerken van angst.
Masterscriptie Onderwijswetenschappen Universiteit van Amsterdam L. Mulder 12459755 Begeleiding: dr. J.A. Schuitema Tweede beoordelaar: dr. J. Jansen in de Wal Amsterdam, (juli, 2020)
Inhoudsopgave
Inhoudsopgave --- 1
Influence of stress on learning investment --- 2
Inleiding --- 3
Theoretisch kader --- 6
Stress. --- 6
Leerinzet. --- 7
Trait en state kenmerken. --- 9
Huidig onderzoek. ---11 Methode ---13 Design ---13 Participanten ---13 Procedure ---13 Materialen ---14 Trait vragenlijst. ---14
State vragenlijst app. ---14
Analyse ---15
Missende gegevens ---16
Resultaten ---17
Conclusie en discussie ---23
Influence of stress on learning investment
Several previous studies have shown conflicting results between anxiety and students learning investment. Negative and positive effects have been found. It is important to investigate the effect of anxiety on learning investment, because anxiety may have a negative effect on learning investment and this can affect the performance of the students. The most previous studies have examined anxiety and learning investment as a person's character (trait characteristics). However, anxiety and learning investment are partly determined by a relatively stable trait (trait characteristics) and partly determined by the situation (state characteristics). This study investigates to what extent the trait and state characteristics of stress (anxiety) predict the trait and state characteristics of learning investment of secondary school students.
Anxiety is expected to have a positive or negative effect on the learning investment of the students. In addition, it is expected that the trait characteristics of anxiety predict the trait characteristics of learning investment better than the state characteristics of anxiety. The state characteristics of anxiety are furthermore expected to be a better predictor of the state characteristics of learning investment. Finally, a positive relationship is expected between the trait and state characteristics of anxiety and learning investment. The study is a quantitative longitudinal survey study. The trait characteristics are measured with a trait questionnaire and the state characteristics with a state questionnaire by daily measurements. Pearson correlation coefficients and multiple regression analyses are used in this study.
The models of the multiple regression are not significant. These results should therefore be interpreted with caution. A negative effect is found between general school anxiety and learning investment math for both characteristics. Furthermore, a positive effect is found between trait math anxiety and state learning time math and between state general school anxiety and trait learning investment math class. The research shows that the trait and state characteristics of anxiety predict the trait and state characteristics of learning investment to a limited extent. A positive correlation is found between the trait and state characteristics of anxiety and a positive non-significant correlation between the trait and state characteristics of learning investment. Limitations of the study are the small random sample, the number of missing data in the state data, the measuring moment of the variable state general school anxiety and the use of means in the state data.
Inleiding
Op het voortgezet onderwijs rapporteert 66% van de leerlingen dat ze wekelijks één of meerdere keren schoolgerelateerde stress hebben (1VJongerenpanel, 2014). Uit onderzoek blijkt dat stress van scholieren verband houdt met financiën, sociale relaties, familie en persoonlijke ontwikkelingen (1VJongerenpanel, 2014; Ihtiyaroglu & Ates, 2018; Lemon & Watson, 2011). Echter, de school is de belangrijkste bron van stress onder scholieren van het voortgezet onderwijs (Ihtiyaroglu & Ates, 2018; Khan, Lanin, & Ahmad, 2015; Sotardi, 2017). Stress op school kan mogelijk een negatieve invloed hebben op de leerinzet van leerlingen en minder leerinzet leidt tot slechtere prestaties (LePine, LePine, & Jackson, 2004). Van leerlingen wordt wel verwacht dat ze presteren en dat ze consistente resultaten behalen (Chandler, 1997; Ihtiyaroglu & Ates, 2018; Khan et al., 2015). Leerlingen moeten namelijk academisch succesvol zijn, zodat ze later een goede baan krijgen. Minder leerinzet kan dus gevolgen hebben voor de kansen in de toekomst (Maehr & Meyer, 1997).
Stress komt op verschillende manieren tot uiting (Anderson, Levinson, Barker, & Kiewra, 1999; Van der Ploeg, 2013). Stress zorgt voor een lichamelijke reactie. Zo neemt het cortisol, de hartslag en de ademhaling van een persoon toe tijdens een stressvolle situatie (Elwess & Vogt, 2005; Ramsay & Lewis, 2003; Van der Ploeg, 2013). Daarnaast veroorzaakt stress ook een emotionele reactie, zoals depressie en angst (Anderson et al., 1999; Shahmohammadi, 2011; Van der Ploeg, 2013). Deze lichamelijke en emotionele reacties kunnen leiden tot lichamelijke, emotionele en sociale klachten, zoals buikpijn en slapeloosheid (1VJongerenpanel, 2014; Ihtiyaroglu & Ates, 2018; Van der Ploeg, 2013). Deze klachten zijn slecht voor het welzijn en de gezondheid van de leerlingen (Chao, 2011). Situaties die het welzijn belasten, kunnen problematisch zijn voor het leren en de inzet van de leerlingen (Boekaerts, 1993; Sotardi, 2017). Daarentegen kunnen de lichamelijke en emotionele reacties ook zorgen voor opwinding, uitdaging en de leerlingen aanzetten tot actie, wat resulteert in verhoogde leerprestaties en inzet (Boekaerts, 1993; LePine et al., 2004; Sotardi, 2017).
Angst is de meest gerapporteerde stressreactie op school en wordt in de meeste onderzoeken gebruikt om stress te onderzoeken (Anderson et al., 1999; Caviola, Carey, Mammarella, & Szucs, 2017; Pekrun, Goetz, Titz, & Perry, 2002; Pizzie & Kraemer, 2019). De relatie tussen angst en leerinzet is nog onduidelijk, aangezien verschillende eerdere onderzoeken tegenstrijdige resultaten hebben. De onderzoeken van LePine et al. (2004), Pekrun et al. (2002) en Sotardi (2017) laten een negatief verband zien tussen stress of angst op de leerinzet of de motivatie van leerlingen en studenten. De onderzoeken van Boekaerts (1993) en Vandercammen, Hofmans, Theuns en Kuppens (2014) laten een positief verband zien en het
onderzoek van Nicholson en Putwain (2019) geen verband. Het is belangrijk om de relatie tussen angst en leerinzet te onderzoeken, omdat minder leerinzet leidt tot slechtere prestaties (LePine et al., 2004). Als angst een negatieve invloed heeft op de leerinzet van leerlingen dan kunnen er interventies ontworpen worden om de eventuele negatieve effecten tegen te gaan. Als angst positief is voor de leerinzet dan kunnen scholen leerlingen leren om op een gezonde manier om te gaan met stressvolle situaties (Ihtiyaroglu & Ates, 2018; Sotardi, 2016). Hierdoor kan het academisch succes en het welzijn van de leerlingen worden ondersteund en verbeterd (Sotardi, 2016).
De onderzoeken met tegenstrijdige resultaten hebben angst en leerinzet op verschillende manieren gemeten. In de meeste onderzoeken worden angst en leerinzet onderzocht als relatief stabiele karaktertrekken (LePine et al., 2004; Nicholson & Putwain, 2019; Pekrun et al., 2002; Sotardi, 2017). Echter, de angst die de leerling ervaart en zijn leerinzet kunnen ook sterk variëren tussen situaties (Hudlicka, 2002). Angst en leerinzet kunnen deels worden gezien als trait kenmerk en deels als state kenmerk (Hamaker, Nesselroade, & Molenaar, 2007; Tian et al., 2016). De trait kenmerken zijn algemene kenmerken die relatief stabiel zijn binnen personen en worden onderzocht door te vragen naar de gemoedstoestand over het algemeen (Anderson et al., 1999; Merz & Roesch, 2011; Tian et al., 2016). De karaktertrekken van personen variëren (Tian, Jiang, & Huebner, 2019). Zo ontstaan verschillen tussen personen (Hamaker, 2012). De state kenmerken daarentegen zijn situatie specifieke kenmerken en zijn voorbijgaande emoties en stemmingen (Hudlicka, 2002; Liu & Li, 2019; Tian et al., 2016). Deze state kenmerken worden gemeten door te vragen naar de gemoedstoestand op een specifiek moment (Anderson et al., 1999; Merz & Roesch, 2011). Stressvolle situaties op specifieke momenten kunnen verschillende reacties van een leerling teweegbrengen (Simons, Cillessen, & De Weerth, 2017). De state kenmerken zijn dus kenmerken die verschillen binnen personen (Hamaker, 2012).
Het effect van trait angst op leerinzet is mogelijk anders dan het effect van state angst op leerinzet. Als alleen de trait kenmerken worden gemeten dan worden verschillen binnen personen niet meegenomen, terwijl er grote verschillen zijn binnen personen (Hamaker, 2012). De verschillen tussen personen variëren niet in de loop van de tijd, waardoor het gedrag van een leerling in een specifieke situatie niet kan worden verklaard (Hamaker et al., 2007; Merz & Roesch, 2011). De verschillen binnen personen verklaren juist het gedrag dat varieert in de loop van de tijd. Door verschillen binnen en tussen personen te onderzoeken kan de invloed van angst op de leerinzet in verschillende situaties beter worden voorspeld en verklaard (Hamaker, 2012). Daarnaast kunnen verschillen ontstaan tussen de trait en state kenmerken door het meetmoment (Hamaker et al., 2007; Merz & Roesch, 2011). De state kenmerken worden elke
dag gemeten voor een langere periode, waardoor het meetmoment en het moment waarop de leerling de emoties ervaart dicht bij elkaar liggen. Hierdoor spelen eventuele vertekeningen in het geheugen minder een rol. Bij de trait kenmerken daarentegen moeten de leerlingen een inschatting maken van de ervaren emoties over een langere periode (Merz & Roesch, 2011; Nett, Bieg, & Keller, 2017). Bij deze inschatting wordt het geheugen en de eigen kijk op de emotie gebruikt, waardoor er een overschatting of onderschatting gemaakt kan worden (Bieg, Goetz, & Lipnevich, 2014). Door het geheugen kunnen dus verschillen ontstaan tussen de trait en state kenmerken. Doordat de trait en state kenmerken beide worden gemeten in dit onderzoek en met de gemiddelde waarden van de kenmerken wordt gewerkt, kunnen verschillen in gedrag beter worden verklaard (Hamaker et al., 2007; Hudlicka, 2002).
Leerlingen kunnen dus negatieve effecten ervaren van stress, daarom wordt onderzocht in welke mate de trait en state kenmerken van angst de trait en state kenmerken van leerinzet van leerlingen uit het voortgezet onderwijs voorspellen.
Theoretisch kader
Stress. Uit verscheidene onderzoeken blijkt dat stress een reactie is van een persoon op een belastende situatie (De Anda et al., 2000; Khan et al., 2015; Lemon & Watson, 2011; Shahmohammadi, 2011). Een situatie waarin er iets op het spel staat voor het individu is de bron van de stress en wordt een stressor genoemd (Van der Ploeg, 2013). LePine et al. (2004) definiëren stress als een psychologische reactie van een individu op een situatie waarin er iets op het spel staat voor het individu en waarbij de situatie de capaciteit of middelen van het individu belast of overschrijdt. De psychologische reactie is gericht op het beoordelen van de situatie en het omgaan met de situatie (LePine et al., 2004; Sotardi, 2017). Een leerling kan de situatie bijvoorbeeld beoordelen als bedreigend of uitdagend. Hoe de situatie wordt beoordeeld hangt af van de karaktertrek van een persoon, de kracht en de volharding van de stressor en de middelen die de persoon heeft (Khan et al., 2015). De psychologische reactie uit zich in lichamelijke en emotionele reacties, zoals verhoogde hartslag en angst (Anderson et al., 1999; Van der Ploeg, 2013). Angst is dus een kenmerk van stress en is de belangrijkste stressreactie (Anderson et al., 1999; Nicholson & Putwain, 2019). Angst is daarnaast ook de meeste onderzochte stressreactie (Anderson et al., 1999; Caviola et al., 2017; Pekrun et al., 2002; Pizzie & Kraemer, 2019).
Leerlingen kunnen op school in verschillende stressvolle situaties komen (De Anda et al., 2000; Pekrun et al., 2002). Ze kunnen bijvoorbeeld angst ervaren in de klas, tijdens het leren en voor toetsen. Uit onderzoek blijkt dat de meeste leerlingen angst ervaren als ze taken uitvoeren waar ze niet genoeg tijd voor hebben of als ze de leerdoelen nog niet volledig beheersen (Sotardi, 2017). Leerlingen kunnen dus angst ervaren voor school in het algemeen. Echter, leerlingen kunnen ook vakspecifieke angst ervaren, zoals wiskundeangst (Pizzie & Kraemer, 2019). In Nederland is wiskunde een hoofdvak op de middelbare school. Uit onderzoek blijkt dat 20% van de leerlingen hoge wiskundeangst heeft (Ahmed, Minnaert, Kuyper, & Van der Werf, 2012). Wiskundeangst is veel onderzocht, omdat veel leerlingen angst ervaren bij het vak wiskunde (Ahmed et al., 2012; Caviola et al., 2017; Pizzie & Kraemer, 2019). Daarnaast is wiskundeangst een van de belangrijkste factoren bij het bepalen van onderwijsresultaten op de korte termijn en van loopbaankeuze en carrièremogelijkheden op de lange termijn (Ahmed et al., 2012; Pizzie & Kraemer, 2019).
Wiskunde kan angst bij leerlingen veroorzaken doordat wiskunde verschillende stressoren kan bevatten (Caviola et al., 2017; MacKinnon McQuarrie, Siegel, Perry, & Weinberg, 2014; Pizzie & Kraemer, 2019). Stressoren bij wiskunde zijn bijvoorbeeld presteren onder tijdsdruk en het oplossen van complexere wiskundige problemen (Caviola et al., 2017;
Pizzie & Kraemer, 2019). Wiskundeangst ontstaat als een individu denkt dat de stressor niet te beïnvloeden is, doordat het individu de eigen kennis en/of vaardigheden als onbekwaam beoordeelt (Ahmed et al., 2012; Caviola et al., 2017). Angst verstoort het werkgeheugen, omdat de angst de aandacht van de opdracht naar de stressor verschuift door het werkgeheugen te verminderen (Caviola et al., 2017; Pizzie & Kraemer, 2019). Het werkgeheugen vermindert en informatie vertraagt, waardoor wiskundige berekeningen lastiger te maken zijn en prestaties verslechteren (Caviola et al., 2017; MacKinnon McQuarrie et al., 2014).
Ter illustratie wordt een stressvolle situatie en de psychologische reactie beschreven. De voorbereidingen voor een wiskundetoets kunnen stressvol zijn (Caviola et al., 2017; Shahmohammadi, 2011). De leerlingen moeten veel leren en moeten tijdens de toets presteren. Dit kan leiden tot prestatiedruk door te hoge verwachtingen van anderen of van zichzelf (Ihtiyaroglu & Ates, 2018). Hierdoor kan de leerling de situatie als bedreigend beoordelen en angst kan dan als emotionele reactie optreden (Caviola et al., 2017). Prestatiedruk en verwachtingen binnen de schoolomgeving zijn de meest voorkomende stressoren onder leerlingen van het voortgezet onderwijs (De Anda et al., 2000; Feld & Shusterman, 2015).
Elk individu gaat anders om met angst, hierdoor ontstaan verschillen tussen en binnen personen (Khan et al., 2015; MacKinnon McQuarrie et al., 2014). In het leven ontwikkelen leerlingen bijvoorbeeld copingstrategieën die ze kunnen gebruiken bij stressvolle situaties (LePine et al., 2004; Sotardi, 2017). Individuen kunnen bijvoorbeeld de probleemgerichte coping gebruiken, waarbij het individu het probleem probeert op te lossen door de stressor te veranderen (D’iuso, Dobson, Beaulieu, & Drapeau, 2018; Ihtiyaroglu & Ates, 2018; LePine et al., 2004). Daarnaast kunnen ze ook de emotiegerichte coping gebruiken, waarbij ze de angst proberen te verminderen en te beheersen door te vluchten van de stressvolle situatie. De coping strategieën zorgen dus voor verschillen tussen personen (D’iuso et al., 2018; Shahmohammadi, 2011). Verder kan de angstreactie variëren binnen personen, doordat de angstreactie van het individu afhankelijk is van de eigen beoordeling van de mate van de bedreiging en van de middelen die het individu heeft (Khan et al., 2015; MacKinnon McQuarrie et al., 2014).
Leerinzet. Net als bij angst kan de leerinzet tussen en binnen leerlingen verschillen (Hamaker, 2012). Dit is ook afhankelijk van de beoordeling van de situatie door de leerling. Op school wordt gemotiveerd gedrag de leerinzet van de leerlingen genoemd (Roede, 1989). Maehr en Meyer (1997) en Roede (1989) definiëren gemotiveerd gedrag als een bepaalde actie die door een individu wordt uitgevoerd als gevolg van de psychologische betekenis die een individu geeft aan een situatie. De leerinzet komt tot uiting in de intensiteit van het leergedrag en de continuïteit van het leergedrag (LePine et al., 2004; Maehr & Meyer, 1997; Roede, 1989).
Welke actie een persoon onderneemt, hangt af van de karaktertrekken van een persoon en de situatie waarin de persoon zich bevindt (Maehr & Meyer, 1997).
Angst en leerinzet. Angst kan zowel een negatieve als positieve invloed hebben op de leerinzet van leerlingen. Angst zou negatieve effecten kunnen hebben, omdat de eigenschap angst geassocieerd wordt met het vermijden van handelingen en acties om te ontsnappen uit de negatieve situatie (Boekaerts, 1993; LePine et al., 2004; Pekrun et al., 2002; Vandercammen et al., 2014). Een leerling maakt bijvoorbeeld geen wiskundehuiswerk meer, omdat hij de angst probeert te vermijden (Boekaerts, 1993). Echter, angst zou ook positieve effecten kunnen hebben doordat personen in bepaalde situaties juist bereid zijn om tot actie over te gaan (Boekaerts, 1993; Pekrun et al., 2002; Vandercammen et al., 2014). Een leerling is bijvoorbeeld angstig voor toetsen. In deze situatie kan de leerling juist hard gaan studeren om falen te voorkomen. De angstreactie van een leerling op een stressvolle situatie kan de leerling dus aansporen tot handelen of tot vermijden van de situatie (Boekaerts, 1993; LePine et al., 2004; Pekrun et al., 2002; Vandercammen et al., 2014).
Ook uit verschillende eerdere onderzoeken blijkt dat de relatie tussen angst en leerinzet nog onduidelijk is (Boekaerts, 1993; LePine et al., 2004; Nicholson & Putwain, 2019; Pekrun et al., 2002; Sotardi, 2017; Vandercammen et al., 2014). Deze eerdere onderzoeken hebben dan ook tegenstrijdige resultaten. Eerst worden de drie onderzoeken toegelicht die een negatief verband vonden tussen angst en leerinzet. Daarna worden de twee onderzoeken die een positief verband vonden toegelicht en ten laatste het onderzoek dat geen verband vond.
Als eerste blijkt uit het onderzoek van LePine et al. (2004) dat angst zorgt voor minder leerinzet. In dit onderzoek werd de relatie tussen hinderstress, uitdagende stress en motivatie om te leren onderzocht op trait niveau. Bij hinderstress krijgen leerlingen negatieve emoties in stressvolle situaties, zoals angst, en bij uitdagende stress juist positieve emoties. Motivatie om te leren kan gezien worden als leerinzet. De constructen waren door middel van een vragenlijst gemeten. Het onderzoek was uitgevoerd bij 871 studenten. Ten tweede blijkt uit het onderzoek van Pekrun et al. (2002) dat er een negatieve correlatie is tussen angst en leerinzet. Dit onderzoek deed ook onderzoek naar de trait kenmerken. Angst was door middel van de Academic Emotions Questionnaire, AEQ, gemeten. De leerinzet werd onderzocht door een Duitse aanpassing van the Motivated Strategies for Learning Questionnaire, MSLQ. Het onderzoek was uitgevoerd bij 230 universiteitsstudenten. Ten derde blijkt uit het onderzoek van Sotardi (2017) dat angst een negatieve invloed heeft op de leerinzet van leerlingen. In dit onderzoek zijn tevens de trait kenmerken onderzocht. In de semigestructureerde interviews gaven leerlingen aan dat ze op dagen met meer stress minder leergierig zijn en minder plezier
hebben in leren en uitdagingen. Ook zorgt stress voor minder aandacht in de klas. Het onderzoek was uitgevoerd bij 16 leerlingen van de basisschool.
Als eerste blijkt uit het onderzoek van Boekaerts (1993) dat angst aanzet tot actie en meer leerinzet. Angst was gemeten door een vragenlijst waarin de leerlingen de intensiteit van de angst op een stressvolle situatie moesten aangeven. Hoe leerlingen omgaan met de angst werd ook door een vragenlijst gemeten, waarbij gelet werd op copingstrategieën. Bij de approach coping, ook wel de probleemgerichte coping, toonden leerlingen meer leerinzet en bij de avoidance coping, ook wel de emotiegerichte coping, toonden leerlingen minder leerinzet. Dit onderzoek was ook gericht op de trait kenmerken. De analyses van dit onderzoek waren uitgevoerd op verschillende steekproeven met leerlingen uit de leeftijdscategorie van 10 tot 14 jaar. Ten tweede blijkt uit het onderzoek van Vandercammen et al. (2014) dat angst een positieve correlatie heeft met leerinzet. Angst werd onderzocht door middel van een enkele item schaal. De leerinzet werd gemeten door middel van gecontroleerd gemotiveerd gedrag. Gecontroleerd gemotiveerd gedrag is gedrag dat wordt uitgevoerd door interne of externe druk, zoals angst. Het onderzoek is uitgevoerd bij 50 universiteitsstudenten. De constructen zijn gemeten door herhaalde metingen van een vragenlijst. Voor 7 dagen lang werd de vragenlijst 10 keer per dag ingevuld. Dit is het enige onderzoek dat de relatie tussen angst en leerinzet heeft onderzocht op state niveau.
In het onderzoek van Nicholson en Putwain (2019) werd geen verband gevonden tussen angst en leerinzet. Ze onderzochten de bedreigingsbeoordeling van leerlingen bij uitspraken die angstig maken door middel van drie items die gingen over het beoordelen van een bedreigende situatie. De leerinzet van de leerlingen werd onderzocht door gedragsbetrokkenheid. Het onderzoek werd uitgevoerd bij 2025 middelbare scholieren. De constructen zijn bij dit onderzoek ook door middel van een trait vragenlijst onderzocht.
Trait en state kenmerken. De meeste onderzoeken hebben angst en leerinzet onderzocht door middel van zelfrapportage vragenlijsten. Hierbij moeten leerlingen zelf een inschatting maken over hoe ze zich over het algemeen voelen en gedragen (Boekaerts, 1993; LePine et al., 2004; Nicholson & Putwain, 2019; Pekrun et al., 2002). Ze onderzochten de karaktertrekken van personen, ook wel de trait kenmerken. De trait kenmerken zijn krachtige voorspellers van gedrag (Merz & Roesch, 2011). Echter, ze kunnen het gedrag niet volledig voorspellen door de complexiteit van gedrag (Hamaker, 2012; Merz & Roesch, 2011). De trait kenmerken kunnen gedefinieerd worden als relatief stabiele karaktertrekken (Meijer, 2001; Wadsworth, Barker, & Barker, 1976). Mensen hebben een algemene en blijvende aanleg om op veel situaties op een consistente manier te reageren (Endler & Kocovski, 2001). De trait
kenmerken veranderen nauwelijks tijdens een langere periode, maar kunnen wel veranderen gedurende het leven (Cole, Nolen-Hoeksema, Girgus, & Paul, 2006). De state kenmerken kunnen gedefinieerd worden als een tijdelijke staat die kan variëren in intensiteit en in de tijd kan fluctueren in reactie op omstandigheden (Meijer, 2001; Wadsworth et al., 1976). De emoties die optreden zijn acuut (Liu & Li, 2019). Het gedrag dat een individu laat zien op een specifiek moment kan hierdoor anders zijn dan wat op basis van de trait kenmerken wordt verwacht (Hamaker, 2012; Hudlicka, 2002; Nett et al., 2017).
Angst en leerinzet kunnen deels worden gezien als karaktertrek (trait kenmerk) en deels als state kenmerk (Endler & Kocovski, 2001). Bij trait angst is een leerling in het algemeen angstig en/of de wiskundeangst is blijvend (Caviola et al., 2017; MacKinnon McQuarrie et al., 2014). Bij state angst heeft een leerling bijvoorbeeld alleen wiskundeangst bij bepaalde wiskundige problemen of als hij moet rekenen onder tijdsdruk (Caviola et al., 2017). Uit onderzoek blijkt dat individuen met hoge trait angst ook een hogere state angst ervaren in stressvolle situaties dan individuen met een lagere trait angst, maar dit is niet altijd het geval (Meijer, 2001; Tovilović, Novović, Mihić, & Jovanović, 2009). Bij trait leerinzet beschrijft een leerling zich als algemeen gemotiveerd, bijvoorbeeld voor wiskunde (Choi, Saperstein, & Medalia, 2012; Elliott & Tudge, 2012; Nicholson & Putwain, 2019). Echter, de state leerinzet kan op dit moment laag zijn, omdat de leerling op dit moment geen huiswerk wil maken voor wiskunde. Dit kan komen doordat er bijvoorbeeld een nieuwe serie is op Netflix. De trait kenmerken van leerinzet zijn dan hoog, maar de state kenmerken van leerinzet laag (Choi et al., 2012; Elliott & Tudge, 2012).
Het is belangrijk om beide kenmerken te meten, omdat verschillen tussen de trait en state kenmerken kunnen zorgen voor verschillende resultaten (Hamaker, 2012). De trait kenmerken van een persoon kunnen worden gemeten door te vragen naar de gemoedstoestand in het algemeen op een meetpunt en dit wordt vaak gemeten door zelfrapportage (Anderson et al., 1999; Merz & Roesch, 2011). De verschillen tussen personen worden onderzocht (Hamaker et al., 2007). Doordat de leerlingen een inschatting moeten maken van de hoeveelheid angst en leerinzet in het algemeen, kan dit minder nauwkeurig zijn dan de daadwerkelijk ervaren emoties (Bieg et al., 2014; Nett et al., 2017). De leerling kan bijvoorbeeld bevooroordeeld zijn door de eigen kijk op de karaktertrek en het geheugen kan een overschatting of onderschatting maken van de hoeveelheid angst en leerinzet (Bieg et al., 2014; Endler & Kocovski, 2001). De state kenmerken worden gemeten door te vragen naar de gemoedstoestand op een specifiek moment aan het einde van elke dag door herhaalde metingen (Anderson et al., 1999; Merz & Roesch, 2011). Hierbij worden de verschillen binnen personen onderzocht (Hamaker et al., 2007). De
state kenmerken geven een directer en realistischer inzicht in de werkelijke emotionele ervaringen van de leerlingen in verschillende situaties (Bieg et al., 2014; Merz & Roesch, 2011; Nett et al., 2017). De leerlingen hebben het gevoel en de emoties vlak voor de metingen. De trait kenmerken kunnen dus minder nauwkeurig zijn dan de state kenmerken (Bieg et al., 2014; Endler & Kocovski, 2001; Nett et al., 2017). Daarnaast kunnen er geen uitspraken gedaan worden over verschillen binnen personen als alleen de trait kenmerken worden gemeten en er kunnen geen uitspraken gedaan worden over verschillen tussen personen als alleen de state kenmerken worden gemeten (Hamaker et al., 2007). De verschillen tussen de trait en state kenmerken kunnen mogelijk de tegenstrijdigheden in de onderzoeken die angst en leerinzet onderzochten door middel van alleen de trait of state kenmerken verklaren. Om de relatie tussen angst en leerinzet beter te kunnen voorspellen, moeten de trait en state kenmerken beide onderzocht worden (Endler & Kocovski, 2001).
Huidig onderzoek. De hoofdvraag is: In welke mate voorspellen de trait en state kenmerken van stress (angst) de trait en state kenmerken van leerinzet van leerlingen uit het voortgezet onderwijs? De relatie tussen angst en leerinzet is nog onduidelijk, omdat eerdere onderzoeken tegenstrijdige resultaten hadden (Boekaerts, 1993; LePine et al., 2004; Nicholson & Putwain, 2019; Pekrun et al., 2002; Sotardi, 2017; Vandercammen et al., 2014). Hierdoor zijn er twee alternatieve hypotheses opgesteld (Zie Figuur 1: conceptueel model). De eerste alternatieve hypothese is dat de trait en state kenmerken van stress (angst) een negatief effect hebben op de trait en state kenmerken van leerinzet. Angst kan namelijk slecht zijn voor het welzijn van de leerlingen (Caviola et al., 2017; Pizzie & Kraemer, 2019). Daarnaast zullen leerlingen die angst ervaren eerder proberen stressgevoelens op te heffen dan zich te focussen op de leertaken en de daarbij behorende actie (Boekaerts, 1993; Vandercammen et al., 2014). De tweede alternatieve hypothese is dat de trait en state kenmerken van stress (angst) een positief effect hebben op de trait en state kenmerken van leerinzet, omdat uit eerder onderzoek blijkt dat leerlingen op sommige momenten juist harder gaan werken om de stressvolle situatie goed door te komen en falen te voorkomen (Boekaerts, 1993; Pekrun et al., 2002; Vandercammen et al., 2014).
Daarnaast wordt verwacht dat de trait kenmerken van angst de trait kenmerken van leerinzet beter voorspellen dan de state kenmerken van angst. Ook wordt verwacht dat de state kenmerken van angst de state kenmerken van leerinzet beter voorspellen dan de trait kenmerken van angst, aangezien de trait en state kenmerken op verschillende manieren worden gemeten (Anderson et al., 1999; Merz & Roesch, 2011). Bij de trait kenmerken worden de verschillen tussen personen beschreven en bij de state kenmerken de verschillen binnen personen
(Hamaker, 2012). De relatie tussen variabelen kan verschillen als de variabelen op verschillende niveaus (specifiek en generaliseerbaar) zijn gemeten (Hamaker et al., 2007; Hudlicka, 2002). De verschillen tussen en binnen personen kunnen zelfs een tegenovergestelde relatie tonen.
Als laatste wordt verwacht dat er een positieve samenhang is tussen de trait en state kenmerken van angst en van leerinzet, omdat de trait en state kenmerken van angst dezelfde negatieve angst emoties meten. Alleen gaan de trait kenmerken over algemene situaties en de state kenmerken over specifieke situaties. De eigenschappen van een persoon en de situatie waarin een persoon zich bevindt, zijn in interactie met elkaar (Endler & Kocovski, 2001). Uit onderzoek blijkt ook dat personen met een hoge trait angst een hogere state angst ervaren dan mensen met een lage trait angst (Meijer, 2001). De trait en state kenmerken van leerinzet meten ook hetzelfde construct leerinzet.
+ +
Figuur 1. Conceptueel model.
Trait leerinzet. State leerinzet. Trait angst. State angst. + + + + __
Methode Design
Om de hoofdvraag van dit onderzoek te kunnen beantwoorden, werd gebruikgemaakt van een kwantitatief longitudinaal surveyonderzoek (Creswell, 2013). De trait kenmerken werden aan de hand van een vragenlijst op één meetpunt gemeten en de state kenmerken werden door middel van een vragenlijst in een app op 15 meetpunten gemeten.
Participanten
Aan het onderzoek namen 73 leerlingen van één middelbare school vrijwillig deel. De leerlingen en de school werden door middel van een gelegenheidssteekproef geselecteerd. De leerlingen kregen geen beloning voor deelname aan het onderzoek. De middelbare school die heeft deelgenomen aan het onderzoek was een daltonschool uit de provincie Zuid-Holland. De leerlingen zaten op de mavo (n=2), havo (n=11) en het vwo (n=60). Aan het onderzoek deed één mavoklas mee, vier havoklassen en vier vwo-klassen. Het onderzoek richtte zich op de leerlingen van klas drie tot en met vijf. De eerste klassen en de examenklassen werden niet onderzocht, omdat deze leerlingen nog moeten wennen aan de school of zich moeten concentreren op de examens. De man-vrouwverhouding was scheef verdeeld, 25 (34,2%) jongens en 48 (65,8%) meisjes. De gemiddelde leeftijd van de participanten was 17 jaar, echter varieerde de leeftijd van 15 tot 19 jaar.
Procedure
Als eerste werden scholen in Nederland benaderd door middel van een e-mail met de vraag of ze wilden deelnemen aan het onderzoek. Na de werving van de middelbare school werd aan de ouders van leerlingen die jonger waren dan 16 jaar actieve informed consent gevraagd. Van de 118 ouders die een toestemmingsformulier hadden ingevuld, gaven 81 ouders toestemming en 37 ouders gaven hun kind geen toestemming om deel te nemen aan het onderzoek. Wanneer de leerlingen 16 jaar of ouder waren, werd alleen aan de leerling zelf actieve informed consent gevraagd.
De leerlingen kregen aan het begin van het onderzoek een trait vragenlijst om in te vullen. De afname vond plaats op de school tijdens een lesuur in november 2019. De participanten waren ongeveer 20 minuten bezig met het invullen van de trait vragenlijst. De leerlingen wisten van tevoren wat het doel van het onderzoek was, namelijk het onderzoeken van stress en leren. Deze trait vragenlijst werd één keer afgenomen. De leerlingen moesten aangeven hoe ze zich in het algemeen voelden en gedroegen. Ze beantwoordden de trait vragenlijst aan de hand van een vijfpunts Likertschaal.
Na het invullen van de trait vragenlijst kregen de leerlingen gedurende 3 weken op 15 werkdagen een state vragenlijst in een app toegestuurd om in te vullen. De vragen gingen over hoe ze zich die dag tijdens het leren voelden en gedroegen. De items uit de trait vragenlijst en de state vragenlijst in de app gingen over wiskunde leerangst, schoolangst algemeen en leerinzet leren wiskunde. Er is gekeken naar wiskunde leerangst en schoolangst algemeen, omdat wiskunde leerangst vakspecifieke angst is en schoolangst meer algemene angst. Als je schoolangst hebt hoef je niet per se wiskunde leerangst te hebben en dit geldt andersom ook. Verder had de trait vragenlijst items over leerinzet wiskundeles en de state vragenlijst had één item over leertijd wiskunde. De anonimiteit van de leerlingen werd gewaarborgd door na het koppelen van de trait data en state data de namen uit het SPSS-bestand te verwijderen.
Materialen
Trait vragenlijst. De vragen over angst voor wiskunde kwamen uit de Achievement Emotions Questionnaire, AEQ-M (Pekrun et al., 2002). In de trait vragenlijst zaten vier items over trait wiskunde leerangst (α=0,796). Deze items waren vertaald vanuit het Engels naar het Nederlands. Een van de items was: “Ik ben zo bang voor wiskundeopdrachten dat ik er liever niet aan begin.” De antwoordmogelijkheden waren 1: helemaal mee oneens tot 5: helemaal mee eens. Niet alleen zaten er vragen over trait wiskunde leerangst in de vragenlijst, maar ook vragen over trait schoolangst algemeen. In het onderzoek waren 20 items van de Zelf-Beoordelings Vragenlijst, STAI-DY, gebruikt (Van der Ploeg, 1982). De Cronbach’s Alpha van deze items was 0,924. Een voorbeelditem is: “Op school voel ik me nerveus en onrustig.” De antwoordmogelijkheden waren 1: bijna nooit tot 5: bijna altijd.
De vragen in de trait vragenlijst over leerinzet voor wiskunde kwamen uit de vragenlijst over leerinzet van Roede (1989). Er zijn twee schalen gebruikt in dit onderzoek, namelijk de schaal die gaat over leerinzet tijdens de wiskundeles en de schaal die gaat over leerinzet tijdens het leren voor wiskunde. Vijf items gingen over trait leerinzet wiskundeles (α=0,736) en zeven items gingen over trait leerinzet leren wiskunde (α=0,785). Een van de items van trait leerinzet wiskundeles was: “Bij wiskunde werk ik hard tijdens de les.” Een voorbeelditem van trait leerinzet leren wiskunde is: “Bij het leren voor wiskunde werk ik aan een stuk door.” De antwoordmogelijkheden waren 1: past helemaal niet bij mij tot 5: past helemaal bij mij.
State vragenlijst app. De vragen die de leerlingen in de app kregen hingen af van de ‘routing’ in de app. Dit houdt in dat leerlingen naar verschillende vragen werden doorgestuurd afhankelijk van het antwoord dat zij gaven. Het item over state leertijd wiskunde: “Hoelang heb je vandaag, buiten of binnen de lesuren om zelfstandig geleerd voor wiskunde”, werd altijd gevraagd aan de leerlingen. Afhankelijk van het antwoord op deze vraag werden ze
doorgestuurd naar verschillende vragen. Zo kregen de leerlingen alleen items over state wiskunde leerangst te zien als ze aangaven dat ze geleerd hadden voor wiskunde. In de state vragenlijst zaten naast de vraag over de leertijd drie schalen die gingen over state wiskunde leerangst, state schoolangst algemeen en state leerinzet leren wiskunde. De leerlingen kregen per schaal van zes items twee items op een dag random toegewezen en één item was elke dag hetzelfde. Bij de schaal van state leerinzet leren wiskunde werd bijvoorbeeld het item: ”Ik heb vandaag tijdens het leren voor wiskunde hard gewerkt”, altijd aangeboden. Alle items in de state vragenlijst werden beantwoord door een slider van 0 tot 100, waarbij 0: niet van toepassing was en 100: wel van toepassing. Alleen de eerste vraag state leertijd wiskunde werd beantwoord in minuten.
De vragen in de app over angst voor wiskunde en angst op school kwamen ook uit de Zelf-Beoordelings Vragenlijst, STAI-DY (Van der Ploeg, 1982). Zes items gingen over state wiskunde leerangst (α=0,824) en zes items over state schoolangst algemeen (α=0,833). Een voorbeelditem van state wiskunde leerangst is: “Tijdens het leren voor wiskunde voelde ik me nerveus.” Een van de items van state schoolangst algemeen was: “Vandaag op school was ik gespannen.”
De vragen in de app over leerinzet voor wiskunde kwamen ook uit de vragenlijst over leerinzet (Roede, 1989). Uit de vragenlijst waren zes items over state leerinzet leren wiskunde gehaald. Echter, een van de items zorgde voor een lagere Cronbach’s Alpha (α=0,598) en was om deze reden uit het onderzoek gehaald. De Cronbach’s Alpha van deze vijf items was 0,634. Een voorbeelditem is: “Ik ben vandaag uit mezelf aan leren voor wiskunde begonnen.”
Analyse
De data werd verwerkt en geanalyseerd in SPSS. Eerst zijn de items gehercodeerd, zodat een hoge score een hoge waarde op de variabele aangeeft. Daarna werden de Pearson correlaties berekend tussen trait en state wiskunde leerangst, trait en state schoolangst algemeen, trait en state leerinzet leren wiskunde, trait leerinzet wiskundeles en state leertijd wiskunde.
Na het berekenen van de correlaties werden eerst acht multipele regressieanalyses uitgevoerd. Er waren vier afhankelijke variabelen: trait leerinzet leren wiskunde, trait leerinzet wiskundeles, state leerinzet leren wiskunde en state leertijd wiskunde. Voor elke afhankelijke variabele werd een regressieanalyse gedaan met trait wiskunde leerangst en trait schoolangst algemeen en een regressieanalyse met state wiskunde leerangst en state schoolangst algemeen. De acht regressieanalyses werden uitgevoerd om de verklaarde variantie van de trait en state kenmerken van angst op de trait en state kenmerken van leerinzet met elkaar te kunnen vergelijken. Hierdoor kon de voorspellende waarde van de kenmerken worden bepaald.
Vervolgens werden vier multipele regressieanalyses uitgevoerd met alle vier de onafhankelijke variabelen van angst. Bij een regressieanalyse wordt het effect bepaald van onafhankelijke variabelen op afhankelijke variabelen (Agresti & Franklin, 2015). Met deze vier regressieanalyses werd bepaald welke invloed de vier onafhankelijke variabelen hebben op de afhankelijke variabelen van leerinzet, rekening houdend met het effect van de andere onafhankelijke variabelen. Door alle vier de onafhankelijke variabelen in de regressiemodellen te gebruiken, kan de samenhang tussen de variabelen worden vastgesteld.
Missende gegevens
Van de 73 leerlingen hadden 10 leerlingen missende gegevens in de trait vragenlijst. In de trait vragenlijst werd een missende waarde opgegeven als een leerling een vraag niet had ingevuld. Het percentage missende gegevens was 1,19%. Het schaalgemiddelde werd berekend door het gemiddelde te berekenen over het aantal ingevulde items per schaal, ongeacht het aantal missende gegevens. Na het berekenen van de schaalgemiddelden hadden twee leerlingen missende gegevens bij de variabelen trait leerinzet leren wiskunde en trait leerinzet wiskundeles.
Bij de state vragenlijst vulden 8 van de 73 leerlingen de vragenlijst in op alle 15 meetpunten, 39 leerlingen op meer dan één meetpunt en 26 op één meetpunt. Bij de state vragenlijst werd een missende waarde opgegeven als een leerling een vraag niet had ingevuld of als een leerling een item niet aangeboden kreeg, dit is de geplande missing data. Daarnaast werden missende waarden opgegeven in de schalen state wiskunde leerangst en state leerinzet leren wiskunde als een leerling niet geleerd had voor wiskunde. Er is rekening gehouden met de missende gegevens door eerst per item het gemiddelde te berekenen over de 15 metingen, ongeacht het aantal missende gegevens. Het percentage missende gegevens was toen 56,47%. Daarna is het schaalgemiddelde berekend. Bij het schaalgemiddelde zijn alle gemiddelde waarden van de items meegenomen, ook als één of meerdere itemgemiddelden misten. Het percentage missende gegevens was toen 35,62%. Bij de variabele state wiskunde leerangst hadden 31 van de 73 leerlingen geen schaalgemiddelde. Bij state schoolangst algemeen waren dat 45 leerlingen, bij state leerinzet leren wiskunde 27 leerlingen en bij state leertijd wiskunde had 1 leerling geen schaalgemiddelde. Verder werd in SPSS gebruikgemaakt van pairwise deletion voor het berekenen van de Pearson correlatie en de multipele regressieanalyse om zoveel mogelijk data en informatie te kunnen gebruiken.
Resultaten
Als eerste werden de beschrijvende statistieken van de variabelen geanalyseerd. In tabel 1 zijn het aantal items, het gemiddelde en de standaarddeviatie van de variabelen weergegeven. De variabelen zijn normaal verdeeld. Echter, de variabelen trait schoolangst algemeen, state wiskunde leerangst en state schoolangst algemeen hebben een vlakkere verdeling dan de andere variabelen. Daarnaast zijn trait wiskunde leerangst, trait schoolangst algemeen en state leertijd wiskunde scheef naar rechts verdeeld. Trait leerinzet leren wiskunde en trait leerinzet wiskundeles zijn links scheef verdeeld.
Tabel 1
Beschrijvende statistieken variabelen
Variabelen No. items M SD
Trait wiskunde leerangst 4 1,93 0,87
State wiskunde leerangst 6 33,56 21,86
Trait schoolangst algemeen 20 2,53 0,74
State schoolangst algemeen 6 36,35 18,43
Trait leerinzet leren wiskunde 7 3,57 0,72
State leerinzet leren wiskunde 5 65,08 16,41
Trait leerinzet wiskundeles 5 3,32 0,72
State leertijd wiskunde 1 21,12 26,34
Als tweede werd de Pearson correlatie berekend tussen de acht variabelen om de samenhang tussen de acht variabelen te meten. In tabel 2 zijn de correlaties tussen de variabelen weergegeven. Bij het berekenen van de samenhang is gebruikgemaakt van een tweezijdige toets.
Angst. Er is een significant positief gemiddeld verband tussen trait en state wiskunde leerangst, r=0,487, p=0,001, n=42. Er is bijna een groot effect tussen deze twee variabelen (Cohen, 1992). Het verband houdt in dat een hoge mate van trait wiskunde leerangst verband houdt met een hoge mate van state wiskunde leerangst. Bovendien is er ook een significant positief sterk verband tussen trait en state schoolangst algemeen, r=0,536, p=0,003, n=28. De trait en state kenmerken van wiskunde leerangst zijn daarnaast significant positief gecorreleerd met de trait en state kenmerken van schoolangst algemeen (zie tabel 2).
Tabel 2
Correlatiematrix variabelen
1. 2. 3. 4. 5. 6. 7. 8.
1. trait wiskunde leerangst - 2. state wiskunde leerangst ,487**
n=42 -
3. trait schoolangst algemeen ,458** n=73
,442** n=42
-
4. state schoolangst algemeen ,467* n=28 ,532** n=24 ,536** n=28 -
5. trait leerinzet leren wiskunde -,009 n=71 -,106 n=42 -,217 n=71 -,170 n=28 -
6. state leerinzet leren wiskunde -,024 n=46 -,122 n=42 -,034 n=46 -,402 n=24 ,172 n=46 -
7. trait leerinzet wiskundeles -,210 n=71 -,148 n=42 -,124 n=71 ,251 n=28 ,375** n=71 ,108 n=46 -
8. state leertijd wiskunde ,153 n=72 ,043 n=42 -,117 n=72 ,235 n=28 ,233 n=71 ,071 n=46 ,086 n=71 -
Noot. * correlatie is significant bij p<0,05 (tweezijdig).
** correlatie is significant bij p<0,01 (tweezijdig).
Leerinzet. Er is geen significant positief zwak verband gevonden tussen trait en state leerinzet leren wiskunde, r=0,172, p=0,252, n=46. Wel is er een significant positief gemiddeld verband gevonden tussen trait leerinzet wiskundeles en trait leerinzet leren wiskunde, r=0,375, p=0,001, n=71. Dit houdt in dat meer leerinzet in de wiskundeles verband houdt met meer inzet voor het leren van wiskunde in het algemeen. Er zijn verder geen significante verbanden gevonden tussen de verschillende variabelen van leerinzet. Echter, de samenhang tussen trait leerinzet leren wiskunde en state leertijd wiskunde was bijna significant met een p-waarde van 0,051, r=0,233, n=71.
Angst en leerinzet. Er zijn geen significante verbanden gevonden tussen de verschillende variabelen van angst en leerinzet. Wel was de samenhang tussen state schoolangst algemeen en state leerinzet leren wiskunde net niet significant met een p-waarde van 0,051, r=-0,402, n=24. Deze samenhang lijkt sterk negatief, wat betekent dat een hoge mate van state schoolangst verband houdt met een lage state leerinzet voor het leren van wiskunde.
Als derde werden er acht regressieanalyses uitgevoerd en geanalyseerd. Tijdens de eerste analyses werden er twee dummy-variabelen, geslacht en schoolniveau, opgenomen in de regressiemodellen om de interactie te controleren. Deze controlevariabelen waren niet
significant in alle modellen, daarom zijn de controlevariabelen uit de regressieanalyses gehaald. Hierna zijn verdere analyses gedaan met alleen de onafhankelijke variabelen. In tabel 3 is de informatie over de regressieanalyses van de acht regressiemodellen weergegeven.
Tabel 3
Regressieanalyses: model samenvatting + ANOVA
Model Afh. var. Onafh. var. R Adjusted R2 SE Df1 Df2 F p 1. Trait leerinzet wiskundeles Trait angst 0,212 0,017 0,72 2 68 1,600 ,210 2. Trait leerinzet wiskundeles State angst 0,417 0,095 0,69 2 21 2,210 ,135
3. Trait leerinzet leren wiskunde
Trait angst 0,240 0,030 0,71 2 68 2,082 ,133
4. Trait leerinzet leren wiskunde
State angst 0,171 -0,063 0,75 2 21 0,318 ,731
5. State leerinzet leren wiskunde
Trait angst 0,035 -0,045 16,77 2 43 0,026 ,974
6. State leerinzet leren wiskunde
State angst 0,417 0,095 15,61 2 21 2,204 ,135
7. State leertijd wiskunde Trait angst 0,260 0,040 25,80 2 69 2,498 ,090 8. State leertijd wiskunde State angst 0,255 -0,024 26,66 2 21 0,727 ,495
Noot. Onafhankelijke variabelen trait angst (trait wiskunde leerangst + trait schoolangst algemeen) of
state angst (state wiskunde leerangst + state schoolangst algemeen).
De acht regressiemodellen zijn niet significant, zie tabel 3 voor de F-waarden en significanties. Desondanks wordt met enige voorzichtigheid, vanwege een lage n in de state data, trait angst en state angst met elkaar vergeleken bij dezelfde afhankelijke variabelen door de verklaarde variantie in de modellen te vergelijken. Door de verklaarde variantie kan bepaald worden welk kenmerk het best de afhankelijke variabele voorspelt. Bij alle acht de modellen verklaren de onafhankelijke variabelen minder dan 10% van de afhankelijke variabelen. Model 4, 5 en 8 hebben een negatieve adjusted R square, wat betekent dat er te veel onafhankelijke variabelen zijn die te weinig informatie geven en/of dat er te weinig participanten zijn. De negatieve resultaten bij de adjusted R square kunnen gezien worden als 0. Dit houdt in dat de onafhankelijke variabelen 0% van de variantie van de afhankelijke variabelen verklaren.
In model 2 verklaren de onafhankelijke variabelen van state angst 9,5% van de variantie van de afhankelijke variabele trait leerinzet wiskundeles. In model 1 verklaren de
onafhankelijke variabelen van trait angst maar 1,7% van de variabele trait leerinzet wiskundeles. De state kenmerken van angst lijken trait leerinzet wiskundeles dus beter te voorspellen. De variantie van de afhankelijke variabele trait leerinzet leren wiskunde (model 3 en 4) wordt door de trait kenmerken van angst voor 3,0% verklaard en door de state kenmerken van angst 0%. De trait kenmerken van angst voorspellen dus mogelijk de variabele trait leerinzet leren wiskunde iets beter, maar 3% is weinig en het model is ook niet significant. In model 6 verklaren de onafhankelijke variabelen state angst 9,5% van de variantie van de afhankelijke variabele state leerinzet leren wiskunde. De trait kenmerken van angst verklaren 0% van de variantie van de afhankelijke variabele. De state kenmerken van angst lijken state leerinzet leren wiskunde dus beter te voorspellen. In model 7 verklaren de trait kenmerken van angst 4% van de variantie van de afhankelijke variabele state leertijd wiskunde en de state kenmerken van angst 0%. De trait kenmerken van angst lijken dus beter state leertijd wiskunde te voorspellen.
Tabel 4
Regressieanalyses: coëfficiënten
Model Afh. var. Onafh. var. β t p
1. Trait leerinzet wiskundeles Trait wiskunde leerangst -0,194 -1,452 ,151 Trait schoolangst algemeen -0,035 -0,263 ,793 2. Trait leerinzet wiskundeles State wiskunde leerangst -0,393 -1,677 ,108 State schoolangst algemeen 0,461 1,966 ,063 3. Trait leerinzet leren wiskunde Trait wiskunde leerangst 0,115 0,868 ,388 Trait schoolangst algemeen -0,270* -2,039 ,045 4. Trait leerinzet leren wiskunde State wiskunde leerangst -0,022 -0,087 ,932 State schoolangst algemeen -0,159 -0,625 ,539 5. State leerinzet leren wiskunde Trait wiskunde leerangst -0,011 -0,063 ,950 Trait schoolangst algemeen -0,029 -0,168 ,867 6. State leerinzet leren wiskunde State wiskunde leerangst 0,128 0,548 ,589 State schoolangst algemeen -0,470 -2,008 ,058 7. State leertijd wiskunde Trait wiskunde leerangst 0,261* 1,996 ,0498
Trait schoolangst algemeen -0,236 -1,808 ,075 8. State leertijd wiskunde State wiskunde leerangst -0,115 -0,460 ,650 State schoolangst algemeen 0,296 1,189 ,248
Noot. * significant bij p<0,05.
In tabel 4 zijn de gestandaardiseerde regressiecoëfficiënten beta en de significantie van de variabelen weergegeven van de acht regressiemodellen. De onafhankelijke variabele trait
schoolangst algemeen is een significante voorspeller van de afhankelijke variabele trait leerinzet leren wiskunde, β=-0,270, t=-2,039, p=0,045. Trait schoolangst algemeen heeft een negatieve invloed op trait leerinzet leren wiskunde. Verder is de onafhankelijke variabele trait wiskunde leerangst een significante voorspeller van de afhankelijke variabele state leertijd wiskunde, β=0,261, t=1,996, p=0,0498. Trait wiskunde leerangst heeft dus een positieve invloed op state leertijd wiskunde. De andere onafhankelijke variabelen zijn allemaal geen significante voorspellers van de afhankelijke variabelen.
Als laatste werden er nog vier regressieanalyses uitgevoerd en geanalyseerd met alle vier de onafhankelijke variabelen (trait wiskunde leerangst, trait schoolangst algemeen, state wiskunde leerangst en state schoolangst algemeen). Dit om het effect te bepalen van trait en state angst samen op de leerinzet van de leerlingen. De regressiemodellen waren wederom niet significant (zie tabel 5). De onafhankelijke variabelen verklaarden samen 13,4% van de variantie van de afhankelijke variabele trait leerinzet wiskundeles. Verder voorspelden de onafhankelijke variabelen 6,3% van de afhankelijke variabele state leerinzet leren wiskunde. De twee andere afhankelijke variabelen, trait leerinzet leren wiskunde en state leertijd wiskunde, werden niet verklaard door de onafhankelijke variabelen.
Tabel 5
Regressieanalyses: model samenvatting + ANOVA (vier onafhankelijke variabelen)
Model Afh. var. R Adjusted
R2
SE Df1 Df2 F p
1. Trait leerinzet wiskundeles
0,533 0,134 0,67 4 19 1,886 ,154
2. Trait leerinzet leren wiskunde
0,260 -0,128 0,77 4 19 0,346 ,844
3. State leerinzet leren wiskunde
0,475 0,063 15,88 4 19 1,386 ,276
4. State leertijd wiskunde
0,402 -0,015 26,53 4 19 0,917 ,474
Noot. Onafhankelijke variabelen: trait wiskunde leerangst, trait schoolangst algemeen, state wiskunde
leerangst en state schoolangst algemeen.
Tabel 6 toont aan dat de onafhankelijke variabele state schoolangst algemeen een significante voorspeller is van de afhankelijke variabele trait leerinzet wiskundeles, β=0,637, t=2,509, p=0,021. Dit betekent dat state schoolangst algemeen een positieve invloed heeft op trait leerinzet wiskundeles. Daarnaast is de onafhankelijke variabele state schoolangst algemeen
ook een significante voorspeller van state leerinzet leren wiskunde, β=-0,599, t=-2,267, p=0,035. Echter, state schoolangst algemeen heeft een negatieve invloed op state leerinzet leren wiskunde. De andere onafhankelijke variabelen waren geen significante voorspellers van de afhankelijke variabelen.
Tabel 6
Regressieanalyses: coëfficiënten (vier onafhankelijke variabelen)
Model Afh. var. Onafh. var. β t p
1. Trait leerinzet wiskundeles Trait wiskunde leerangst Trait schoolangst algemeen State wiskunde leerangst State schoolangst algemeen
-0,282 -0,226 -0,250 0,637* -1,187 -0,935 -1,021 2,509 ,250 ,362 ,320 ,021
2. Trait leerinzet leren wiskunde Trait wiskunde leerangst Trait schoolangst algemeen State wiskunde leerangst State schoolangst algemeen
0,156 -0,216 -0,027 -0,113 0,576 -0,784 -0,097 -0,390 ,571 ,443 ,924 ,701
3. State leerinzet leren wiskunde Trait wiskunde leerangst Trait schoolangst algemeen State wiskunde leerangst State schoolangst algemeen
0,144 0,206 0,036 -0,559* 0,583 0,817 0,140 -2,267 ,567 ,424 ,890 ,035
4. State leertijd wiskunde Trait wiskunde leerangst 0,183 0,771 ,486 Trait schoolangst algemeen -0,374 -1,428 ,169 State wiskunde leerangst -0,094 -0,356 ,726 State schoolangst algemeen 0,400 1,458 ,161
Conclusie en discussie
In dit onderzoek is onderzocht in welke mate de trait en state kenmerken van stress (angst) de trait en state kenmerken van leerinzet van leerlingen uit het voortgezet onderwijs voorspellen. Aan het begin van het onderzoek waren drie hypothesen opgesteld om de hoofdvraag te kunnen beantwoorden. Hieronder wordt de conclusie per hypothese weergegeven.
De eerste hypothese had twee alternatieve hypotheses die betrekking hadden op het effect van de trait en state kenmerken van angst op de trait en state kenmerken van leerinzet. Ondanks het feit dat de regressiemodellen niet significant waren, mogelijk door de lage n in de state data, wordt er met voorzichtigheid naar een aantal trends gekeken. De resultaten laten zowel negatieve als positieve verbanden zien tussen angst en leerinzet. Zo is er een negatief verband gevonden tussen trait schoolangst algemeen en trait leerinzet leren wiskunde en een positief verband tussen trait wiskunde leerangst en state leertijd wiskunde. Verder is er een negatief verband gevonden tussen de variabele state schoolangst algemeen en state leerinzet leren wiskunde en een positief verband tussen state schoolangst algemeen en trait leerinzet wiskundeles als alle vier de onafhankelijke variabelen zijn meegenomen. Wanneer alle vier de onafhankelijke variabelen worden meegenomen, verdwijnen de eerste twee effecten en komen de twee laatste effecten tevoorschijn. Dit houdt in dat de variabelen trait schoolangst algemeen en trait wiskunde leerangst geen verband hebben met trait leerinzet leren wiskunde en state leertijd wiskunde als er gecontroleerd wordt voor het effect van andere variabelen. Dit kan komen doordat de andere drie variabelen het effect laten verdwijnen of doordat de steekproef te klein is om het effect als significant te kunnen onderscheiden.
Het lijkt er wel op dat de trait en state kenmerken van angst positieve en negatieve effect kunnen hebben op de trait en state kenmerken van leerinzet, maar dit onderzoek kan hier geen uitsluitsel over geven. Beide alternatieve hypothesen kunnen niet worden aangenomen. Dit komt doordat de regressiemodellen niet significant waren en doordat de gestandaardiseerde beta's geen eenduidig beeld gaven over de gevonden relaties. Dat er positieve en negatieve verbanden gevonden zijn, kan komen doordat het effect niet lineair is tussen de variabelen. Verder kan het effect van angst op de leerinzet afhangen van andere variabelen of angst kan voor sommige leerlingen positief zijn en voor sommige leerlingen negatief. Deze verklaringen zijn niet onderzocht in dit onderzoek, waardoor vervolgonderzoek hier uitsluitsel over moet geven.
De tweede hypothese had betrekking op de mate van voorspelling van de trait en state kenmerken van angst op de trait en state kenmerken van leerinzet. De trait en state kenmerken
van angst zijn met elkaar vergeleken ondanks het feit dat de regressiemodellen niet significant waren en de verklaarde variantie laag was. Deze resultaten moeten hierdoor dus ook voorzichtig geïnterpreteerd worden. De resultaten laten zien dat de trait en state kenmerken van angst beide één trait en één state kenmerk van leerinzet het best lijkt te voorspellen. De state kenmerken van angst lijken trait leerinzet wiskundeles en state leerinzet leren wiskunde beter te voorspellen dan de trait kenmerken. Daarnaast lijken de trait kenmerken van angst de variabelen trait leerinzet leren wiskunde en state leertijd wiskunde iets beter te voorspellen dan de state kenmerken. Beide kenmerken lijken dus wel het best de variabele leerinzet leren wiskunde te voorspellen wanneer het gemeten wordt als hetzelfde kenmerk.
Het lijkt er dus op dat de trait en state kenmerken van angst de trait en state kenmerken van leerinzet in beperkte mate voorspellen. Echter, dit onderzoek kan geen uitsluitsel geven over de mate van voorspelling door de trait en state kenmerken van angst op de leerinzet, aangezien de regressiemodellen niet significant waren en er geen eenduidig beeld is van de voorspellende waarde van de kenmerken. Dit kan komen door de lage n in de state data en door het gebruik van gemiddelden in de trait en state data, waardoor de data mogelijk te veel op elkaar lijkt. Hypothese twee kan dus niet worden aangenomen. Echter, de state kenmerken lijken wel meer variantie te verklaren dan de trait kenmerken, hierdoor lijkt de effectgrootte van de state kenmerken groter, ondanks het feit dat de modellen niet significant zijn. De state kenmerken lijken dus veelbelovend. Vervolgonderzoek moet uitwijzen of dit ook daadwerkelijk zo is.
De laatste hypothese had betrekking op de samenhang tussen trait en state angst en tussen trait en state leerinzet. Er werd een positieve samenhang verwacht tussen de trait en state kenmerken. De resultaten laten een positieve gemiddelde samenhang zien tussen de trait en state kenmerken van wiskunde leerangst. Ook is er een sterke positieve samenhang tussen de trait en state kenmerken van schoolangst algemeen. Daarnaast hangen de trait en state kenmerken van leerinzet leren wiskunde ook positief zwak met elkaar samen. Echter, dit verband tussen de trait en state kenmerken van leerinzet leren wiskunde is niet significant. De hypothese kan nog niet worden aangenomen, omdat de trait en state kenmerken van leerinzet niet significant zijn, waarschijnlijk door de lage n in de state data en het aantal missende gegevens.
Het gebruik van de trait en state data samen was een sterk punt van dit onderzoek, aangezien de meeste eerdere onderzoeken alleen gebruikmaakten van trait data (LePine et al., 2004; Nicholson & Putwain, 2019; Pekrun et al., 2002; Sotardi, 2017). Uit eerder onderzoek van Hamaker et al. (2007) bleek dat de relatie tussen variabelen kan verschillen als de
variabelen op verschillende niveaus (specifiek en generaliseerbaar) zijn gemeten. Uit dit onderzoek blijkt ook dat de trait en state kenmerken verschillende resultaten hebben. Als er maar naar één kenmerk wordt gekeken, kunnen er verkeerde conclusies getrokken worden over het gedrag. Hierdoor is het belangrijk om beide kenmerken te onderzoek, zodat betere voorspellingen gedaan kunnen worden over het gedrag. In dit onderzoeken lijken de state kenmerken veelbelovend. De regressiemodellen waren niet significant, mogelijk door de lage n, maar als er gekeken wordt naar de effectgroottes en de verklaarde variantie van de trait en state kenmerken, lijken de state kenmerken de leerinzet beter te voorspellen. De state kenmerken lijken dus veelbelovend, maar meer onderzoek is nodig om dit aan te tonen.
Beperkingen onderzoek en mogelijke verklaringen. Er zijn meerdere beperkingen aan het onderzoek die mogelijk een verklaring zijn voor de bevindingen die niet overeenkwamen met de hypothesen en eerdere onderzoeken. De eerste beperking was de steekproef. De werkelijke dataverzameling was afgebroken in verband met COVID-19, hierdoor is gebruikgemaakt van de data die als proef was verzameld. Het onderzoek had een kleine steekproef en het was een gelegenheidssteekproef, hierdoor kan de steekproef mogelijk niet representatief zijn geweest voor de populatie. Daarnaast was er veel uitval in de steekproef en de man-vrouwverhouding was scheef verdeeld. Door deze punten zijn de gegevens niet generaliseerbaar naar de hele populatie, maar alleen naar de leerlingen die mee hebben gedaan aan het onderzoek. Daarnaast kan de power mogelijk te klein zijn geweest in dit onderzoek, doordat een beperkt aantal leerlingen aan het onderzoek heeft meegedaan. Mogelijk zijn kleine, gemiddelde en grote effecten hierdoor niet gevonden. Uit het artikel van Cohen (1992) blijkt dat er bij een power van 0.80 en een significantieniveau van 0.05 meer participanten hadden moeten deelnemen om kleine, gemiddelde en grote significante effecten te vinden, zowel voor de Pearson correlatie als de multipele regressieanalyses. Om kleine effecten te vinden voor de Pearson correlatie hadden minimaal 783 participanten moeten deelnemen en voor de regressieanalyse minimaal 599 participanten. De externe validiteit van het onderzoek was laag door de steekproef.
Verder waren het aantal missende gegevens in de state data een beperking. Het percentage missende gegevens in de state data voor het berekenen van de schaalgemiddelde was 56,47%. De hoeveelheid missende gegevens kan leiden tot foute schattingen, onderschatte of overschatte power en ongeldige conclusies (Acock, 2005). Daarnaast is rekening gehouden met de missende waardes door gebruik te maken van pairwise deletion. Echter, uit het artikel van Acock (2005) blijkt dat pairwise deletion zorgt voor deelsteekproeven, waardoor niet alle resultaten op dezelfde groep deelnemers is gebaseerd. Hierdoor zijn de resultaten moeilijk met
elkaar te vergelijken. Daarentegen wordt wel alle informatie die beschikbaar is meegenomen in de analyses, waardoor de resultaten minder foute schattingen bevatten dan bij listwise deletion.
Een andere beperking van het onderzoek was het moment waarop de variabele state schoolangst algemeen gemeten is. De variabele was namelijk alleen gemeten als de leerlingen geen tijd hadden besteed aan het leren van wiskunde. Wanneer state schoolangst algemeen gemeten werd, toonden de leerlingen geen leerinzet voor het leren van wiskunde. Er is dan ook een significant negatief verband gevonden tussen state schoolangst algemeen en state leerinzet leren wiskunde. Echter, deze twee variabelen waren dus niet op hetzelfde moment gemeten. Als de twee variabelen tegelijkertijd worden gemeten, kan er misschien een ander verband gemeten worden, doordat de leerlingen de schoolangst proberen op te heffen door zich meer in te zetten voor het leren van wiskunde. Dit kon echter niet gemeten worden doordat state schoolangst algemeen alleen gemeten werd als ze geen inzet voor wiskunde toonden.
De laatste beperking van het onderzoek was het gebruik van de state data als gemiddelde. Het gemiddelde is berekend over de verschillende meetmomenten, waardoor de gevoelens op de verschillende momenten samen zijn genomen. De verschillende meetmomenten zijn niet afzonderlijk van elkaar met de trait data vergeleken. Het gebruik van het gemiddelde in de state data en trait data kan ervoor hebben gezorgd dat werkelijke effecten niet gevonden zijn. Dit kan komen doordat de state en trait data op elkaar lijken door het gebruik van de gemiddelden. De beperkingen in het onderzoek zijn ook mogelijke verklaringen voor de bevindingen die niet overeenkwamen met de hypothesen en eerdere onderzoeken.
Vervolgonderzoek. Vervolgonderzoek kan opnieuw de invloed van de trait en state kenmerken van angst op de trait en state kenmerken van leerinzet onderzoeken, omdat mogelijk niet alle effecten tussen angst en leerinzet gevonden zijn door de beperkingen in dit onderzoek. Ook om mogelijk andere verklaringen voor de resultaten uit te sluiten. Het is belangrijk dat bij vervolgonderzoek gebruik wordt gemaakt van een grote aselecte steekproef, zodat kleine, gemiddelde en grote effecten gevonden kunnen worden. De gegevens kunnen dan door de aselecte steekproef ook gegeneraliseerd worden naar de hele populatie.
Verder kan er vervolgonderzoek gedaan worden naar de effecten van trait en state kenmerken van andere variabelen op de leerinzet van leerlingen. Pekrun et al. (2002) geeft aan dat verschillende emoties invloed hebben op de leerinzet van leerlingen op trait niveau. Daarentegen is nog niet bekend wat het effect is van state emoties op de leerinzet van leerlingen. Doordat de trait en state kenmerken verschillende resultaten kunnen opleveren en nog niet bekend is wat het effect is van state emoties op de leerinzet, kan vervolgonderzoek zich dus richten op de effecten van verschillende emoties op de leerinzet op trait en state niveau. Door
de invloed van andere variabelen op de leerinzet van leerlingen te onderzoeken, kan onderzocht worden of ze positieve of negatieve effecten hebben op de leerinzet. Als uit vervolgonderzoek blijkt dat de leerinzet negatief beïnvloed wordt door andere variabelen, kan er daarna onderzoek worden gedaan naar eventuele interventies om de negatieve invloeden tegen te gaan.
Onderwijspraktijk. Concluderend lijken de trait en state kenmerken van angst in beperkte mate de trait en state kenmerken van leerinzet te voorspellen. Ook lijken de resultaten aan te tonen dat angst positieve en negatieve effecten kan hebben op de leerinzet van leerlingen. Angst is dus niet altijd slecht voor de leerinzet van leerlingen. Voor de onderwijspraktijk is het belangrijk om bewust te worden van de effecten van angst op leerinzet, omdat de onderwijspraktijk leerlingen kan helpen om op een gezonde en positieve manier om te gaan met stressvolle situaties. Daarnaast kunnen interventies ontworpen worden om de negatieve effecten van angst op leerinzet tegen te gaan. Hierdoor kan het academisch succes en het welzijn van de leerlingen worden ondersteund en verbeterd (Sotardi, 2016).
Literatuurlijst
1VJongerenpanel. (2014). Onderzoek: Veel jongeren stressen over school of studie. Geraadpleegd van https://eenvandaag.avrotros.nl/panels/jijvandaag/
Acock, A. (2005). Working with missing values. Journal of Marriage and Family, 67(4), 1012-1028. https://doi.org/10.1111/j.1741-3737.2005.00191.x
Agresti, A., & Franklin, C. (2015). Statistics: the art and science of learning from data. Harlow, United Kingdom: Pearson Education.
Ahmed, W., Minnaert, A., Kuyper, H., & Van der Werf, G. (2012). Reciprocal relationships between math self-concept and math anxiety. Learning and Individual Differences, 22(3), 385-389. https://doi.org/10.1016/j.lindif.2011.12.004
Anderson, V. L., Levinson, E. M., Barker, W., & Kiewra, K. R. (1999). The effects of
meditation on teacher perceived occupational stress, state and trait anxiety, and burnout. School Psychology Quarterly, 14(1), 3-25. https://doi.org/10.1037/h0088995
Bieg, M., Goetz, T., & Lipnevich, A. (2014). What students think they feel differs from what they really feel - academic self-concept moderates the discrepancy between students’ trait and state emotional self-reports. PLOS ONE, 9(3), e92563.
https://doi.org/10.1371/journal.pone.0092563
Boekaerts, M. (1993). Being concerned with well-being and with learning. Educational psychologist, 28(2), 149-167. https://doi.org/10.1207/s15326985ep2802_4
Caviola, S., Carey, E., Mammarella, I. C., & Szucs, D. (2017). Stress, time pressure, strategy selection and math anxiety in mathematics: A review of the literature. Frontiers in Psychology, 8(1488), 1-13. https://doi.org/10.3389/fpsyg.2017.01488
Chandler, L. A. (1997). Stress and the school experience. Geraadpleegd van https://eric.ed.gov/?id=ED414528
Chao, R. (2011). Managing stress and maintaining well-being: Social support, problem-focused coping, and avoidant coping. Journal of Counseling & Development, 89(3), 338-348. https://doi.org/10.1002/j.1556-6678.2011.tb00098.x
Choi, K., Saperstein, A. M., & Medalia, A. (2012). The relationship of trait to state
motivation: The role of self‐competency beliefs. Schizophrenia Research, 139(1-3), 73-77. https://doi.org/10.1016/j.schres.2012.05.001
Cohen, J. (1992). A Power Primer. Psychological Bulletin, 112(1), 155-159. https://doi.org/10.1037/0033-2909.112.1.155
