Afstudeeronderzoek Predictiemodel
Naam student: Priscilla Rietheide
Klas: 4ZS
Studentnummer: 500686279
Onderzoeksbegeleider: Antoine de Schipper Beoordelaar: Tim van Kernebeek
Datum: 18 mei 2018, eerste gelegenheid
Academie voor Lichamelijke Opvoeding (ALO)
Faculteit Bewegen Sport en Voeding, Hogeschool van Amsterdam
Predictie van de motoriek
Een onderzoek naar het voorspellen van de motorische leeftijd van kinderen
in het primair onderwijs aan de hand van een predictiemodel
Voorwoord
Beste lezer,
Mijn naam is Priscilla Rietheide. Voor u ligt het afstudeeronderzoek over het schatten van de motorische leeftijd bij kinderen aan de hand van een predictiemodel. Dit afstudeeronderzoek is geschreven ter afsluiting van de opleiding Eerstegraads Docent Lichamelijke Opvoeding aan de Hogeschool van Amsterdam.
Voorafgaand aan het onderzoek kregen wij als student de keuze om een onderwerpsrichting te kiezen. Het meten van motoriek sprak mij het meest aan en ik wilde mij hier graag verder in verdiepen. Zodoende kwam ik terecht in de onderzoekgroep van Antoine de Schipper, die mij tevens heeft geholpen bij het tot stand brengen van dit onderwerp. Ik heb dit onderzoek als positief ervaren. Echter vond ik het wel lastig om de gekozen predictiefactoren te kiezen en filteren, er is een groot scala aan predictiefactoren waaruit gekozen kon worden maar welke is dan wel of juist niet geschikt voor dit onderzoek. Daarnaast vond ik het een erg leuke en leerzame ervaring als testafnemer bij de meetdagen van MAMBO.
Graag wil een aantal personen bedanken voor de begeleiding, steun en bijdrage aan dit onderzoek. Allereerst wil ik de scholen en natuurlijk leerlingen bedanken voor hun inzet en ondersteuning gedurende de meetdag(en). Ik wil mijn afstudeerbegeleider Antoine de Schipper bedanken voor de prettige begeleiding en zijn positieve spirit gedurende de onderzoeksperiode. Ook wil ik het lectoraat Bewegingswetenschappen bedanken voor de mogelijkheid om deel te nemen aan het MAMBO. Verder wil ik Tim van Kernebeek bedanken voor het beoordelen van dit afstudeeronderzoek.
Als laatste wil ik graag mijn familie, vrienden en medestudenten bedanken die mij tot op dit punt van de opleiding hebben geholpen, gesteund en aangemoedigd. Nogmaals bedankt!
Ik wens u veel leesplezier.
Priscilla Rietheide
Inhoudsopgave Voorwoord ... 2 Inhoudsopgave ... 3 Samenvatting ... 4 Inleiding ... 5 Methode ... 10 Proefpersonen ... 10 Design ... 10 Procedure ... 10 Meetinstrumenten ... 11 Data-analyse ... 12 Resultaten ... 13 Discussie ... 15 Conclusie ... 17 Bijlagen ... 20
Bijlage 1: Protocol 4-S ‘n test MAMBO ... 20
1.1 Protocol stilstaan en sportparticipatie ... 20
1.2 Protocol springen kracht ... 22
1.3 Protocol stuiten ... 24
1.4 Protocol springen coördinatie ... 26
Bijlage 2: SPSS-output... 29
2.1 Descriptive statistics frequency (geslacht) ... 29
2.2 Missing value analysis ... 29
2.3 Descriptive statistics ... 29
2.4 Backwards lineair regression ... 30
2.4.1 Variables entered/removed ... 30
2.4.2 Model summary ... 30
2.4.3 ANOVA ... 31
2.4.4 Coefficients ... 31
2.4.5 Regression standarized residual ... 32
2.5 Scatterplot motorische leeftijd en leeftijd ... 33
2.6 Scatterplot motorische leeftijd en BMI ... 33
2.7 Scatterplot motorische leeftijd en sportparticipatie zwemles ... 34
Samenvatting Doel
Het doel van dit onderzoek betreft achterhalen of het mogelijk is om de motorische leeftijd van leerlingen in het primair onderwijs te voorspellen aan de hand van een predictiemodel en zo een tijdefficiëntere indicatie motoriek te ontwikkelen.
Methode
De metingen binnen dit onderzoek zijn afgenomen middels de 4SS test en een sportparticipatielijst. De metingen zijn uitgevoerd aan de hand van een vooropgesteld protocol die onveranderd is gebleven gedurende de meetperiode. De testen zijn per klas afgenomen binnen de tijd die de desbetreffende school stelt als lesuur bewegingsonderwijs. Aan het onderzoek heeft een totaal van 2601 deelnemers meegedaan waarvan 50,2% (n=1307) bestond uit jongens en 49,8% (n=1294) uit meisjes. Middels de 4SS test is de motorische leeftijd berekend en de overige predictoren zijn opgesteld aan de hand van de sportparticipatielijst en externe gegevens. Om het predictiemodel op te stellen is er gebruik gemaakt van een lineaire regressievergelijking middels de backwards method om niet significante predictoren te elimineren uit het model.
Resultaten
Om het verband aan te tonen is er gebruik gemaakt van een lineaire regressievergelijking middels de backwards method. De predictoren leeftijd, BMI en zwemles bleven behouden. Het model toonde een R van 0,686 wat duidt op een middelmatig verband. De R2 resulteerde in een waarde van 0,471 wat verklaard dat 47,1% van het predictiemodel de motorische leeftijd verklaard. Zowel het model als de afzonderlijke predictoren tonen een significant verband met de motorische leeftijd (p=0,000).
Conclusie
Er is een significant verband gevonden tussen de motorische leeftijd en de leeftijd, BMI en zwemles. 47,1% van de motorische leeftijd kan met het predictiemodel worden verklaard. Het model zou als bruikbaar voor de beroepspraktijk worden bestempeld bij een percentage van 36% of hoger. Het model is dus bruikbaar voor het indiceren van de motorische leeftijd bij kinderen in het primair onderwijs.
Inleiding
Het afgelopen half jaar deden 16.000 basisschoolleerlingen tussen de 6 en 11 jaar de MQ (Motorische Quotiënt) scan. Tijdens een parcours waarbij de kinderen onder andere moeten rennen, springen en gooien, is hun motoriek gemeten. Die blijkt in 23,5 procent van de gevallen onvoldoende te zijn en dat is zorgelijk, stellen de onderzoekers (Vrijburg, persoonlijke communicatie, 5 februari 2018). "Als je iets niet goed kan dan zul je er uiteindelijk mee stoppen", zegt onderzoeker en voormalig topsporter Ruben Houkes over sporten door kinderen (RTL Nieuws, 2017) .
De motorische ontwikkeling van kinderen wordt een steeds crucialer onderwerp binnen onze maatschappij. Zo kwam uit een meting uitgevoerd op 30 Amsterdamse scholen in 2014 en 2015 naar voren dat 30% van de leerlingen een motorische achterstand heeft van meer dan een jaar (Gymmermansoog, 2015) . Het goed kunnen bewegen lijkt steeds minder vanzelfsprekend, des te belangrijker wordt het voor vakleerkrachten om inzicht te hebben in de motorische ontwikkeling van een kind. Het motorisch niveau van een leerling is niet alleen essentieel voor het begeleiden binnen de lessen bewegingsonderwijs maar tevens ook om vast te kunnen stellen of een kind baat heeft bij externe ondersteuning.
Echter neemt het afnemen van deze motoriektesten vaak veel tijd in beslag, zeker als individuele vakleerkracht kan dit lastig te realiseren zijn binnen het vakwerkplan door een tekort aan beschikbare- of vrije uren. Op basis van de effectieve lestijd (Lucassen, Reijgersberg, & Van Der Werff, 2013) bij een gemiddelde groepsgrootte van 23,4 leerlingen per klas (Dekker, 2016) zou de leerkracht tussen de 2 minuut en 27 seconden en 2 minuut en 40 seconden nodig hebben per leerling om binnen een lesuur te meten. Echter, het afnemen van een goede meting vergt tijd. Het testen aan de lopende band binnen een kort tijdsbestek kan ten kosten gaan van de kwaliteit van de meting en zodoende de resultaten. Daarentegen is het meten van alle leerlingen een discutabel punt. In hoeverre in het functioneel om alle leerlingen mee te nemen in een meting. Het meten van een motorische vaardige leerling zorgt enkel voor meer nodige meettijd op het moment dat de leerlingen met een motorische achterstand het voornaamste doel zijn.
Op dit moment zijn verschillende methodes om de fysieke ontwikkeling van een kind in beeld te brengen. Een van de meeste gebruikte testen is de vier vaardighedenscan (4SS). Deze test kenmerkt zich door vier testonderdelen voor de grove motoriek: springen-kracht, springen-coördinatie, stuiten en stilstaan. Voor het afnemen van de 4SS test is 8-10 minuten gerekend bij oudere en 5-7 minuten bij jongere kinderen. (Van Gelder & Stroes, 2010; Van Gelder, 2016). Een andere veelgebruikte testmethode is de Eurofittest, daarnaast kan men sinds
kort ook gebruik maken van de MQ schooltest. Deze worden in de volgende alinea toegelicht. Tabel 1 toont een overzicht van de bovengenoemde testmethodes.
Tabel 1
Testmethodes binnen het bewegingsonderwijs
Testmethode Meting Onderdelen Tijdsindicatie
4SS test Grove motoriek 4 onderdelen 8-10 minuten per jonger kind & 5-7 minuten bij ouderen kinderen. Eurofittest Fitheid (CLUKS) 10 onderdelen 30-35 minuten per leerling. MQ test Coördinatie in tijd 1 beweegbaan 30 leerlingen per uur, 2 minuten
per leerling.
De Eurofittest is fitheidstest gebaseerd op de grondmotorische eigenschappen of CLUKS: coördinatie, lenigheid, uithoudingsvermogen, kracht en snelheid. Voor het afnemen van de test wordt 30 tot 35 minuten gerekend per leerling wat de leerkracht veel lestijd kost. Verder richt de test zich enkel op de algehele fitheid en niet specifiek op de motoriek. De motoriek heeft wel invloed op de testresultaten maar wordt niet gespecificeerd binnen de test.
Als de eerdere berekening van de testtijden per leerling wordt vergeleken met de gegeven in tabel 1 komt sterk naar voren dat het gebruik van de 4SS’n test meer tijd dan een lesuur in beslag zal nemen. De tijd die de leerkracht hiervoor zal moeten inleveren kan niet meer besteed worden aan de onderdelen die beoogd worden per groep aan bod te laten komen.
De MQ test toont zich als de snelst uitvoerbare test van de drie. Desalniettemin zou deze test op basis van de genoemde cijfers een totale testtijd van 47 minuten en 20 seconden bedragen wat alsnog boven de effectieve lestijd uitkomt. Deze test zou daarom alsnog moeilijk uitvoerbaar zijn binnen het lesuur op het moment dat de bruto lestijd 45 minuten bedraagt. Daarnaast betreft de MQ test een behendigheidsparcours waarbij de coördinatie van kinderen wordt gemeten in tijd. De uitkomst is daardoor niet zo gedifferentieerd en specifiek als de 4SS test of Eurofittest.
Het geven van een indicatie van de motorische leeftijd middels een predictiemodel zou dus ten gunste kunnen komen op het gebied van tijd efficiënt meten. Het model kan gebruikt worden voorafgaand aan een meetmoment zodat enkel de leerlingen met een vermoedelijk motorische achterstand worden geselecteerd. Het selectiever te werk gaan biedt onder anderen meer ruimte voor punctualiteit tijdens het meten. Daarnaast resulteert het meten van een
motorisch vaardige leerling enkel in een bevestiging van wat we al weten, maar het kost ons wel kostbare tijd.
Predictoren
De motoriek bij de kinderen en de ontwikkeling hiervan kan door verscheidene factoren beïnvloed worden en de oorzaken van motorische achterstanden zijn al binnen verschillende studies onderzocht. Een overzicht van de predictoren met een indicatie van de eenvoudigheid om deze te verzamelen staan weergegeven in tabel 2.
Tabel 2
Overzicht van predictoren met een indicatie van de eenvoudigheid om deze te verzamelen
Predictor Eenvoudigheid
Leeftijd + + +
Geslacht + + +
Sociaal Economische Status (SES) + + +
Sportparticipatie + + Zwemles + + BMI + +++ = meest eenvoudig ++ = gemiddeld eenvoudig + = minst eenvoudig
Voor een school zijn de meest eenvoudig te verzamelen predictoren de predictor leeftijd, het geslacht en de sociaaleconomische status (SES. Deze gegevens zijn namelijk te verkrijgen vanuit het systeem met de persoonsgegevens van de leerlingen.
De SES kan worden achterhaalt door de postcode van de school te vergelijken met de gegevens vanuit het Sociaal Cultureel Planbureau, de leerlingen in Amsterdam zitten over het algemeen binnen de eigen postcode op school. De SES is een belangrijk gegeven omdat deze verband houdt met de motorische ontwikkeling. Kinderen uit een omgeving met een lage SES tonen een zwakkere fijne en grove motoriek in vergelijking met kinderen uit een hoge SES. De financiële situatie van de ouders binnen een lage SES biedt vaak geen ruimte voor sportparticipatie voor de kinderen. (Aiman, Abd Kadir, Sabturani, & Yusof, 2015; Chowdhury,
Ghosh, & Wrotniak, ; Morley, Ogilvie, Till, & Turner, 2015; Kogan, Siapush, Singh, & Van Dyck, 2008; (De Hollander & Hoogendoorn, 2016).
Iets lastiger, maar wel relevant, zijn de gegevens over de actieve leefstijl van het kind middels de sportparticipatie en de zwemles. Deze gegevens staan niet vast in het schoolsysteem maar kunnen wel door de leerkracht bewegingsonderwijs worden verzameld tijdens de gymles of via de ouders. De sportparticipatie en de hoeveelheid beweging die een kind krijgt is namelijk een niet te verwaarloze factor. Het onderzoek van The Children’s Activity and Movement in Prescool Study (CHAMPS) toonde aan dat kinderen die het hoogst scoorde significant meer tijd doorbrachten in de matig-intensieve en intensieve bewegingscategorie en minder in sedentaire activiteiten dan kinderen met een gemiddelde en laagste score (Brown et al., 2008).
Vanaf de middenbouw krijgen leerlingen over het algemeen te maken met zwemlessen. Eerder onderzoek toont een positief effect van zwemles op de motorische ontwikkeling. Zo toonde onderzoek van Eider in 2015 een significant effect op de dynamische veranderingen van de motorische vaardigheid. Costa et al., 2016 onderzocht het effect van voetbal- en zwemtraining op de grove motorische ontwikkelingen in de jeugd. De voetballers toonde verbeterde vaardigheid van de motorische vaardigheden op zowel de korte als lange termijn, de zwemmers daarentegen lieten een voortdurende motorische ontwikkeling zien, met name op het gebied van objectbeheersing (Costa, Jidovtseff, Marinho, & Rocha, 2016) .
Als laatst de Body Mass Index (BMI), deze is het lastigst te verzamelen voor een school omdat de lengte en het gewicht van de leerling nodig zijn voor de berekening. Deze gegevens staan niet in het schoolsysteem en zijn daarnaast moeilijk te verzamelen binnen de lessen bewegingsonderwijs door ontbrekend (meet)materiaal en omdat men vaak toestemming nodig heeft van de ouders. Desondanks is de BMI een belangrijke maatstaaf voor de fysieke gesteldheid en motorische ontwikkeling van een kind. Diverse studies vonden een significant verband tussen de Body Mass Index (BMI) en de motorische ontwikkeling van kinderen. Kinderen binnen de categorieën overgewicht en obesitas lieten een sterke motorische zwakheid zien in tegenstelling tot kinderen geclassificeerd binnen de categorie normaal- en ondergewicht. De sterkste verbanden werden gevonden binnen de categorie obesitas (Cleland, Martin, Nervik, & Rundquist, 2011; D'Hondt, Deforche, De Bourdeaudhuij, & Lenoir, 2009; D'Hondt et al., 2011; Aiman, Hasan, Khairi Zawi, & Md Radzi, 2013).
Desondanks de verschillende bruikbare testmethodes wil het afnemen van motoriektesten niet altijd realiseerbaar zijn voor individuele vakleerkrachten door gebrek aan tijd en/of beschikbare materialen. Het testen van de motoriek is belangrijk voor het blijven verbeteren van het bewegingsonderwijs, maar het mag niet ten kosten gaan van de beschikbare
beweegtijd. Er zou dus baat kunnen zijn bij een snellere en efficiëntere manier om de motoriek te meten of om in ieder geval een accurate inschatting te maken. Een efficiëntere manier zou dus het inschatten van de motorische leeftijd aan de hand van een predictiemodel kunnen zijn. Hierbij worden verschillende variabelen tegen elkaar afgewogen op zoek naar een bruikbaar verband. Deze variabelen kunnen bijvoorbeeld ingevuld worden door de leeftijd of het BMI van een kind maar ook de omgevingsfactoren of de mate van sportparticipatie zouden een belangrijke voorspeller kunnen zijn. Daarom luidt de onderzoeksvraag:
“Is het mogelijk om aan de hand van een predictiemodel een voor indicatie te geven voor de motorische leeftijd van kinderen in het primair onderwijs?”
H1: De motorische leeftijd van kinderen in het primair onderwijs is te voorspellen aan de hand van een predictiemodel.
H2: De motorische leeftijd van kinderen in het primair onderwijs is niet te voorspellen aan de hand van een predictiemodel.
Verwacht wordt dat er correlaties gevonden worden tussen de motorische leeftijd en de variabelen van het predictiemodel. Dit naar aanleiding van het eerdere onderzoek naar de motorische achterstand bij kinderen op kleuterleeftijd (Van Dommelen, De Kroon, Nielen, & Toussaint, 2014) . Echter, is de vraag wel of deze correlaties sterk genoeg zullen zijn om een predictie model op te stellen wat bruikbaar is in de praktijk binnen het bewegingsonderwijs.
Methode Proefpersonen
De metingen werden georganiseerd vanuit het project MAMBO (Meten Amsterdamse Motoriek Basisonderwijs, lectoraat Bewegingswetenschappen) en werden uitgevoerd op 30 basisscholen verspreid over de Amsterdam. De deelnemers zaten op het moment van meten in de groepen drie tot en met acht en kregen de lessen bewegingsonderwijs van een bevoegde vakleerkracht. De testgroep voor dit onderzoek betrof een totaal van 2601 deelnemers waarvan 50,2% (n=1307) bestond uit jongens en 49,8% (n=1294) uit meisjes. Deelnemers met een exclusie of een ontbrekende waarde werden uitgesloten van dit onderzoek, deze informatie staat weergegeven in tabel 1.
Design
De metingen die van toepassing waren voor dit onderzoek vonden plaats tussen oktober 2017 en december 2017. Voorafgaand aan de meetperiode hadden de testafnemers een verplichte trainingsdag bestaande uit het doorlopen van de meetdag en het bijbehorende meetprotocol. Het onderzoek kenmerkte zich als crossectioneel onderzoek, gedurende de meetperiode werd er gebruik gemaakt van hetzelfde meetprotocol.
Procedure
Gedurende de testdag werd er gewerkt in een stroomvorm, voor elk onderdeel van de 4SS’n test was een beweegsituatie en een spelonderdeel uitgezet. Het onderdeel sportparticipatie werd gecombineerd met het onderdeel stilstaan. Voorafgaand aan de meting werd er klassikaal gestart met een mondelinge instructie. Vervolgens werden de leerlingen aan de hand van de klassenlijst op de iPad ingedeeld bij een onderdeel. Bij elk onderdeel werd bij een leerling de meting afgenomen met uitzondering van het onderdeel stilstaan, dit betrof twee leerlingen per keer. De overige leerlingen voerde de spelonderdelen uit tot ze aan de beurt waren. Het door wisselen naar het volgende onderdeel werd aangeduid middels een algemeen geluidssignaal. Alle leerlingen werden getest binnen het lesuur van de desbetreffende basisschool. De meetgegevens werden digitaal genoteerd op de iPad verkregen vanuit het MAMBO. Deze zijn naderhand geconformeerd tot een Excel bestand.
Meetinstrumenten
Motoriek
Voor dit onderzoek is er gebruik gemaakt van de 4 SS-en test, oftewel de vier vaardighedentest, van van Gelder (Van Gelder & Stroes, 2010) . De test kent vier onderdelen voor het meten van de grove motoriek bij kinderen van 2 tot 12 jaar: springen-kracht, springen-coördinatie, stuiten en stilstaan. Springen-kracht bestaat uit het hinkelen op een been over 9m, zowel het linker- als rechts wordt gemeten. Springen-coördinatie betreft verschillende coördinatieve sprongen zoals bijvoorbeeld een spreid-sluitsprong die de leerling een bepaald aantal keer kaatsend moet uitvoeren, zowel links als rechts, armen en benen. Bij stuiten laat de leerling statisch stuiteren zien met zowel de linker- als rechterhand, een dynamische stuitervorm met de voorkeurshand waarbij een nul- en/of achtvorm wordt gelopen over om en nabij 3m en splitvision stuiteren met zowel de linker- en rechterhand. Bij het onderdeel stuiten om statisch evenwicht op een been, dit wordt zowel getest voor het linker- als rechterbeen en eventueel met een blinddoek om. Verder werden er nog sportparticipatievragen afgenomen en werd de lengte (cm) en het gewicht (kg) gemeten. De algehele protocollen zijn te vinden in bijlage 1.
In 2016 is de 4 SS-en test valide gemeten middels de test-hertest betrouwbaarheid en de interbeoordelaarsbetrouwbaarheid. De test hertest resulteerde in een ICC van 0,93 voor 624 kinderen van 6 tot 13 jaar en de inter-beoordelaarsbetrouwbaardheid had een ICC van 0,97 bij 583 kinderen. Een ICC (intraclasscorrelatiecoëfficient) van 0,70 wordt als voldoende beschouwd (Gymmermansoog, 2015) .
Predictoren
Om geschikte predictoren te selecteren is er gekeken naar eenvoudig te verkrijgen informatie binnen de school en de omgeving. De geselecteerde factoren zijn: de leeftijd, de BMI, het zwemdiploma, sport en de sociaaleconomische status. De leeftijd, de BMI, het zwemdiploma en sport zijn verkregen vanuit de data van het MAMBO. De BMI is berekend aan de hand van de lengte en het gewicht die zijn verkregen uit dezelfde dataset. De leeftijd is terug te vinden in het schoolsysteem, waardes als de lengte en het gewicht zijn eenvoudig en snel te meten. Het verkrijgen van de informatie over het zwemdiploma, sport en de buitenschoolse sportactiviteiten kan binnen de lessen worden gedaan en direct worden genoteerd. De sociaaleconomische status is een functionele predictor omdat kinderen in Amsterdam verplicht zijn naar een school te gaan die zich bevindt binnen de postcode van het woonadres. De
sociaaleconomische status kan gecategoriseerd worden door de postcodes van de scholen te koppelen aan de statistische cijfers verkregen via het Sociaal Cultureel Planbureau (SCP). De desbetreffende scholen staan wederom weergegeven in de dataset.
Voorafgaand aan de meetperiode hebben alle testafnemers verplicht deelgenomen aan een trainingsdag. Zo wisten de testafnemers hoe de meetdag eruit zou komen te zien, hoe dit werd georganiseerd en hoe de testafname in zijn werk ging. Het protocol is tevens ook toegestuurd per email. De metingen zijn zo betrouwbaar mogelijk gemaakt door elke meting dezelfde opstelling en manier van roulatie te gebruiken. Daarnaast zijn de leerlingen op alfabetische volgorde ingedeeld per groep, op deze manier waren de testafnemers enkel genoodzaakt de volgorde van de lijst aan te houden.
Data-analyse
De verkregen meetgegevens zijn gedurende de testafname ingevoerd in de iPad van het MAMBO. De gegevens zijn vanuit de iPad geëxporteerd tot een Excel bestand en er is gecontroleerd of de decimalen en functies van de meetwaardes correct werden aangegeven. De data is na controle geïmporteerd in SPSS, de analyses zijn uitgevoerd middels SPSS 24.0. De samenhangende gegevens zijn gecomprimeerd tot nieuwe variabelen die bruikbaar zijn voor het analyseren van de data. De data is vervolgens gecontroleerd op uitschieters en de normaliteit aan de hand van de descriptive explore per predictor en een scatterplot. Aan de hand van een regressieanalyse middels de lineair backwards method zijn de meest significante variabelen selecteert voor het opstellen van een predicitiemodel, een significantie van < 0,1 wordt als niet bruikbaar gezien voor het model. Het histogram toonde aan dat de data van de motorische leeftijd normaal is verdeeld, dit is te vinden in bijlage 2.4.5. Na de analyses zijn de gegevens uit de verschillende outputs bekeken. Hierbij is gebruik gemaakt van de model summary voor het analyseren van het enkelvoudige (R) en kwadratische (R2) correlatiecoëfficiënt, de ANOVA om de significantie (p) van het totale model aan te tonen en de coëfficientietabel om per predictor de significantie (P) ten opzichte van de motorische leeftijd aan te kunnen tonen.
Om te hoofdvraag te beantwoorden is er gekeken naar de kwadratische (R2) correlatiecoëfficiënt. Bij een R2 van > = 0,36 (R = 0,6) wat gelijk staat aan een percentage van > = 36% wordt het predictiemodel als bruikbaar gezien en wordt onderzoekshypothese H1 aangenomen en H2 verworpen. Bij een percentage van < 36% wordt de onderzoekshypothese H2 aangenomen en H1 verworpen.
Resultaten
In totaal zijn er 2601 deelnemers getest op diverse onderdelen. Na het excluderen van missende waarden is het totaal teruggebracht naar 1823 deelnemers waarvan 72,5% (n=948) bestond uit jongens en 67,7% (n=875) uit meisjes. Echter, van de 1823 deelnemers hebben 1693 deelnemers alle gegevens die nodig zijn voor het uitvoeren van de data-analyse.
De data is geanalyseerd middels een backwards method lineair regression, na het elimineren van de minst significantie variabele leende de predictoren leeftijd, de Body Mass Index (BMI) en de sportparticipatie zwemles zich als bruikbaar voor het model. Om verband tussen de predictoren en de motorische leeftijd aan te tonen is er gekeken naar de correlatiecoëfficiënt (R) en de determinantiecoëfficiënt (R2). De R bedroeg een waarde van 0,686 wat duidt op een middelmatige correlatie/verband tussen de motorische leeftijd en de predictoren. De R2 bedroeg een waarde van 0,471, dit laat zien dat 47,1% van het model bepalend is voor de motorische leeftijd. Dit betekent dat 52,9% van de motorische leeftijd wordt bepaald door predictoren buiten dit predicitiemodel. De resultaten staan weergegeven in tabel 3. Aan de hand van de resultaten verkregen uit de ANOVA is te zien dat zowel de afhankelijke als de onafhankelijke variabele berusten op een significant verband (p=0,000), oftewel de resultaten berusten niet op toeval. De resultaten staan weergegeven in tabel 4.
Tabel 3
Resultaten van het totale model na de lineaire backwards regression
R R2 Sig. F-change
Predictiemodel 0,686 0,471 0,180
Tabel 4
Resultaten per predictor op basis van de afhankelijke variabele motorische leeftijd Unstandarized B Standarized ß t Sig.
Motorische leeftijd 6,346 0,153 41,384 0,000
Leeftijd 0,476 0,014 34,577 0,000
BMI -,051 0,007 -7,809 0,000
Aan de hand van de gegevens uit tabel 3 is de onderstaande regressieformule opgesteld voor het voorspellen van de motorische leeftijd aan de hand van de leeftijd, de BMI en zwemles. Hierbij dient voor het wel deelnemen aan zwemlessen een ‘1’ genoteerd te worden in de formule op de plek van de variabele zwemles en voor het niet deelnemen aan zwemlessen een ‘0’.
Discussie
Het doel van dit onderzoek was om te achterhalen of het mogelijk is om de motorische leeftijd van kinderen in het primair onderwijs te voorspellen aan de hand van de reeds beschikbare predictoren om zo tijd efficiënter te werk te gaan op het gebied van het meten van de motoriek binnen de gymles. Voorafgaand aan dit onderzoek werd er verwacht dat er een verband gevonden zou worden tussen de motorische leeftijd en de predictoren. Echter was hierbij de vraag of het verband sterk genoeg zou zijn om het predicitiemodel als bruikbaar te kunnen bestempelen.
Na het elimineren van de predictoren op basis van de significantie is er een predictiemodel gevormd met als onafhankelijke variabelen de leeftijd, zwemles en de BMI. Er is een significant verband gevonden tussen de motorische leeftijd en de drie predictoren zowel in zijn geheel als afzonderlijk van elkaar. Het model betreft een middelmatige correlatie (R=0,686), oftewel een middelmatig verband voor het verklaren van de motorische leeftijd. Aan de hand van de determinantiecoëfficiënt (R2) kon worden geconcludeerd in hoeverre het model de motorische leeftijd kan verklaren, dit bleek in 47,1% (R2=0,471) van de gevallen voor te komen. Het predictiemodel zou als bruikbaar worden bestempeld bij een R2 van > = 0,36 oftewel 36% of hoger. Op basis van deze uitkomst kan worden gesteld dat onderzoekshypothese H1 wordt aangenomen en H2 wordt verworpen.
Er zijn echter wel een aantal verklaringen die van invloed kunnen zijn op de resultaten van het onderzoek. Ten eerste, gedurende de analyse kwam naar voren dat een deel van de deelnemers (n=903) niet kon worden meegenomen in de regressieanalyse door ontbrekende waardes. Om uit te sluiten of dit gevolgen zou hebben voor de uitkomsten van het onderzoek is er gekeken naar de sample size oftewel de steekproefgrootte van dit onderzoek. Bij een hoeveelheid van 2601 deelnemers (100%) met een gewenste betrouwbaarheid van 95% en een foutmarge van 5% is een steekproefgrootte van 335 deelnemers genoodzaakt. Bij dit huidige onderzoek zijn 1693 deelnemers meegenomen in de analyse wat betekent dat een negatief effect op de onderzoekresultaten ten gevolge van de hoeveelheid deelnemers kan worden uitgesloten. Het voordeel van een grote steekproefomvang is dat het ten gunste komt van de betrouwbaarheid. Een grote steekproefomvang geeft een nauwkeuriger beeld weer van hetgeen wat getracht werd onderzocht te worden omdat er een groter scala aan vergelijkingsmateriaal ter beschikking is. De steekproefomvang heeft hoogstwaarschijnlijk een positief effect gehad op de
betrouwbaarheid van het predicitiemodel omdat de hoeveelheid verzamelde data meer vergelijkingsmateriaal bood. Dit maakt het eenvoudiger om de significantie van het model te verklaren.
Ten tweede, de betrouwbaarheid van de sportparticipatielijst. Gedurende de meetdagen wordt middels de sportparticipatielijst informatie verzameld over welke sport de kinderen beoefenen, welke sportactiviteiten ze vanuit school volgen en of ze op zwemles zitten en hierbij een diploma hebben behaald. De ouderen leerlingen zijn zich hier beter van bewust en kunnen makkelijker onder woorden brengen welke informatie er getracht wordt te verzamelen. Voor de jongere kinderen is dit een moeilijkere opgave, mede omdat ze geregeld niet het verschil weten tussen bijvoorbeeld voetballen op het schoolplein na school of aangesloten zijn bij een sportvereniging. Hierdoor kan niet met zekerheid gezegd worden of de gegeven antwoorden overeenkomen met de werkelijke situatie. Daarnaast kost het doorvragen om tot het juiste antwoord te komen veel tijd. Bij de dataverwerking resulteerde dit in onvolledige en ontbrekende antwoorden zoals enkel de sport of de sportclub die genoteerd was. Dit kan tot gevolg hebben gehad dat de predictor sportparticipatie onterecht is geëlimineerd uit het predictiemodel. Eerder onderzoek toonde namelijk aan dat kinderen die zich in de matig-intensieve en matig-intensieve bewegingscategorie begeven het hoogst score bij motoriektesten (Brown et al., 2008).
Wanneer er vervolgonderzoek wordt gedaan naar het voorspellen van de motorische leeftijd aan de hand van een predictiemodel zou er gekeken kunnen worden naar de steekproefgrootte van het onderzoek. Zoals eerder aangegeven was er bij dit onderzoek een sample size van slechts 355 deelnemers nodig. In het huidige onderzoek betrof dit een totaal van 2601 waarvan 1693 selecteert voor de data-analyse. Het nadeel van een grote steekproefomvang is dat dit meer meettijd vergt en zodoende resulteert in meer voorbereidings-, uitvoerings- en verwerkingstijd. Door bij vervolgonderzoek het aantal deelnemers te beperken kan de nadruk gelegd worden op de kwaliteit van de meting. Dit om te voorkomen dat er gedurende de data-analyse deelnemers geëlimineerd worden door ontbrekende data die wél van belang kunnen zijn voor de uitkomst van het model.
Verder zou er gekeken kunnen worden naar de sportparticipatielijst. Dit kost tijdens de metingen zelf veel tijd en moeite en biedt daartegenover geen garantie dat de antwoorden betrouwbaar zijn. Een mogelijkheid om dit betrouwbaarder te maken zou kunnen zijn door voorafgaand aan het meetmoment de vak- of groepsleerkracht deze informatie te laten verzamelen door dit bijvoorbeeld tijdens de (gym)lessen terug te vragen of door te informeren
bij de ouders. Met name bij de leerlingen in de onder- en middenbouw zou dit meer duidelijkheid kunnen scheppen.
Voor de beroepspraktijk is het aan te raden om dit predicitiemodel in te zetten voorafgaand aan een meetmoment om een onderscheid te maken tussen leerlingen met en zonder motorische ontwikkelingsachterstand. Het verder testen van enkel de leerlingen met een motorische ontwikkelingsachterstand draagt bij aan een tijd efficiëntere manier van meten. Er is minder tijd nodig binnen de lessen en daar tegenover biedt dit meer meettijd per leerling. Tevens komt dit ten gunste van de nauwkeurigheid van de test omdat de leerkracht zich meer kan focussen op de kwaliteit van de meting waar voorheen minder ruimte beschikbaar was door de kwantitatieve druk. Met behulp van de verkregen informatie kunnen de lessen nog specifieker worden ingericht naar behoeve van de leerlingen en kunnen er betere vervolgstappen ondernomen richting eventuele interne- en externe bewegingsondersteuning.
Conclusie
In dit onderzoek is gezocht naar een antwoord op de vraag: “Is het mogelijk om aan de hand van een predictiemodel een voor indicatie te geven voor de motorische leeftijd van kinderen in het primair onderwijs?”
Uit de resultaten is gebleken dat er een significant verband is gevonden tussen de motorische leeftijd en de predictoren leeftijd, zwemles en BMI. Het model betrof een middelmatige correlatie (R=0,686) wat duidt op een middelmatig verband voor het totale predictiemodel. Het kwadrateren van de correlatie liet zien van 47,1% (R2=0,471) van de motorische leeftijd kan worden verklaard middels het predicitiemodel. De voorwaarde om het model als bruikbaar te erkennen was een R2 van > = 0,36 of > = 36%. Op basis van deze resultaten kan worden geconcludeerd dat onderzoekshypothese H1 is aangenomen en H2 wordt verworpen. De motorische leeftijd van kinderen in het primair onderwijs kan worden voorspeld aan de hand van het opgestelde predictiemodel voor de motorische leeftijd.
References
Aiman, S., Abd Kadir, Z., Sabturani, N., & Yusof, S. M. D. (2015). The relationship between socioeconomic status and fine motor skills among six-year-old preschool children. Chowdhury, S. D., Ghosh, T., & Wrotniak, B. H. Nutritional and socioeconomic factors in
motor development of santal children of the purulia district, india [Abstract]. Early Human Development, 86(12) 779-784. doi://doi.org/10.1016/j.earlhumdev.2010.08.029 Cleland, J., Martin, K., Nervik, D., & Rundquist, P. (2011). The relationship between body
mass index and gross motor development in children aged 3 to 5 years. Pediatric Physical Therapy : The Official Publication of the Section on Pediatrics of the American Physical Therapy Association, 23(2), 144-148. doi:10.1097/PEP.0b013e318218d356 [doi]
Dekker, S. (2016). Kamerbrief over de groepsgrootte in het basisonderwijs. Retrieved from https://www.rijksoverheid.nl/documenten/kamerstukken/2016/01/20/kamerbrief-over-de-groepsgrootte-in-het-basisonderwijs
D'Hondt, E., Deforche, B., De Bourdeaudhuij, I., & Lenoir, M. (2009). Relationship between motor skill and body mass index in 5- to 10-year-old children. Adapted Physical Activity Quarterly : APAQ, 26(1), 21-37.
D'Hondt, E., Deforche, B., De Bourdeaudhuij, I., Lenoir, M., Vaeyens, R., Vandendriessche, J., . . . Philippaerts, R. (2011). Gross motor coordination in relation to weight status and age in 5- to 12-year-old boys and girls: A cross-sectional study. International Journal of Pediatric Obesity : IJPO : An Official Journal of the International Association for the Study of Obesity, 6(2-2), e556-64. doi:10.3109/17477166.2010.500388 [doi]
Gymmermansoog. (2015). Gymmermansoog: De gymleraar monitort de motorische
ontwikkeling van basisschoolleerlingen en werkt met de jeugdarts samen. Retrieved from http://www.allesinbeweging.net/sites/default/files/Gymmermansoog%20Nieuwsbrief%20 1%20V1.2.pdf
Lucassen, J., Reijgersberg, N. & Van Der Werff, H. (2013). Nulmeting bewegingsonderwijs: Onderzoek naar de organisatie van het bewegingsonderwijs in het primair onderwijs. Retrieved from
https://www.kennisbanksportenbewegen.nl/?file=2750&m=1422883218&action=file.dow nload
Morley, D., Ogilvie, P., Till, K., & Turner, G. (2015). Influences of gender and socioeconomic status on the motor proficiency of children in the UK.
RTL Nieuws. (2017). Kwart kinderen heeft slechte motoriek: 'Van essentieel belang dat er nu iets verandert'. Retrieved from https://www.rtlnieuws.nl/nederland/kwart-kinderen-heeft-slechte-motoriek-van-essentieel-belang-dat-er-nu-iets-verandert
Van Gelder, W. (2016). De 4-S'en testen als basis voor een gezonde ontwikkeling. Retrieved from https://stimuliz.nl/de-4-sen-testen-als-basis-voor-een-gezonde-ontwikkeling/ Van Gelder, W., & Stroes, H. (2010). Leerlingvolgsysteem bewegen en spelen. Springer
Bijlagen
Bijlage 1: Protocol 4-S ‘n test MAMBO 1.1 Protocol stilstaan en sportparticipatie
Bijlage 2: SPSS-output
2.1 Descriptive statistics frequency (geslacht)
2.2 Missing value analysis
2.4 Backwards lineair regression 2.4.1 Variables entered/removed
2.4.3 ANOVA
2.5 Scatterplot motorische leeftijd en leeftijd
