Fen Başarısı Açısından Okullar Arası Farklar: TIMSS 2019


Abstract views: 144 / PDF downloads: 88

Authors

  • Metehan GÜNGÖR Ankara Üniversitesi
  • Sinan M. BEKMEZCİ Manisa Celal Bayar Üniversitesi

Keywords:

TIMSS 2019, 8. Sınıf, Fen Başarısı, Hiyerarşik Doğrusal Modelleme, Okullar Arası Fark

Abstract

Geniş ölçekli testlerin verileri genel olarak hiyerarşik yapılı verilerdir. Hiyerarşik yapıya sahip verilerin analizinde ise çok düzeyli modellemeler sıklıkla tercih edilmektedir. Bu çalışmada TIMSS’in 2019 döngüsüne 8. sınıf düzeyinde katılan tüm ülkelerin verileri kullanılarak öğrencilerin fen başarı puanlarındaki varyansın ne kadarlık kısmının okullar arası farklılıktan kaynaklandığının hesaplanması amaçlanmıştır. Araştırmanın örneklemi katılımcı 39 ülkedeki 7363 okuldaki toplam 227345 8. sınıf öğrencisinden oluşmaktadır. Veri analizleri için birinci düzeyde öğrencilerin, ikinci düzeyde okulların yer aldığı iki düzeyli hiyerarşik doğrusal modelleme (HLM) kullanılmıştır. Çıktı değişkeni (bağımlı) olarak TIMSS 2019’da raporlanan beş olası değer (plausible value) birlikte kullanılmış ve her iki düzeyde (öğrenci ve okul) de ağırlıklandırma yapılmıştır. Araştırmanın bulgularına göre fen başarı puanlarındaki varyansın okullar arasındaki farklılıktan kaynaklanan kısmı (yüzde olarak) farklı ülkelerde %6,3 (Kore) ile %58,29 (ABD) arasında değişmektedir. AB üyesi ülkelerde bu oran ortalama olarak %23,6 civarında iken, kuzey ülkelerinde (Finlandiya, İsveç ve Norveç) bu oran ortalama yaklaşık %15 civarındadır. Ülkemizde ise bu oran %38,06’dır. Araştırmanın bulguları alan yazındaki pek çok çalışma ile paralellik göstermektedir. Başarıdaki varyansın okullardan kaynaklanan kısmının yüksek olması tek başına yorumlanmamalıdır. Ancak bu farkın yüksek olması, farklı okullarda öğrenim görme durumunun öğrenci başarısını etkilemesi bağlamında incelenerek çalışmalar eğitimde fırsat eşitsizliği kapsamında geliştirilebilir. İleri çalışmalarda başarıdaki varyansa odaklanılarak öğrenci ve okul düzeyinde başka değişkenlerin modellere dâhil edilmesi ve öğrencilerin başarılarındaki varyansın kaynaklarının açıklanması adına çalışmalar yapılması önerilmektedir.

Author Biographies

Metehan GÜNGÖR, Ankara Üniversitesi

Eğitimde Ölçme ve Değerlendirme / Eğitim Bilimleri Enstitüsü, TÜRKİYE

Sinan M. BEKMEZCİ, Manisa Celal Bayar Üniversitesi

Matematik ve Fen Bilimleri Eğitimi / Fen Bilimleri Enstitüsü, TÜRKİYE

References

Köseoğlu, F. ve Kavak, N. (2001). Fen öğretiminde yapılandırmacı yaklaşım. Gazi Üniversitesi Eğitim Fakültesi Dergisi, 21(1), 139-148.

Popham, J. W. (2005). Modern education measurement. Allyn and Bacon.

Hançer, A. H., Şensoy, Ö. ve Yıldırım, H. İ. (2003). İlköğretimde çağdaş fen bilgisi öğretiminin önemi ve nasıl olması gerektiği üzerine bir değerlendirme. Pamukkale Üniversitesi Eğitim Fakültesi Dergisi, 13(13), 80-88.

Holbrook, J., & Rannikmae, M. (2009). The meaning of scientific literacy. International Journal of Environmental & Science Education, 4(3), 275-288. https://eric.ed.gov/?id=ej884397

Allen, L. R. (1973). An evaluation of children's performance on certain cognitive, affective, and motivational aspects of the systems and subsystems unit of the Science Curriculum Improvement Study Elementary Science Program. Journal of Research in Science Teaching, 10(2), 125-134. https://eric.ed.gov/?id=EJ079473

Atar, H. Y. (2014). Öğretmen niteliklerinin TIMSS 2011 fen başarısına çok düzeyli etkileri. Eğitim ve Bilim, 39(172), 121-137.

Atar, H. Y. ve Atar, B. (2012). Examining the effects of Turkish education reform on students’ TIMSS 2007 science achievements. Educational Sciences: Theory & Practice, 12(4), 2632-2636. https://files.eric.ed.gov/fulltext/EJ1002867.pdf

Becker, B., & Chang, L. (1986). Measurement of science achievement and its role in gender differences. Paper presented at the Annual Meeting of the American Educational Research Association (70th, San Francisco, CA, April 16-20, 1986). https://files.eric.ed.gov/fulltext/ED270328.pdf

Hough, L. W., & Piper, M. K. (1982). The relationship between attitudes toward science and science achievement. Journal of Research in Science Teaching, 19(1), 33-38. https://doi.org/10.1002/tea.3660190105

Zhang, F., Bae, C. L., & Broda, M. (2021). Science self-concept, relatedness, and teaching quality: A multilevel approach to examining factors that predict science achievement. International Journal of Science and Mathematics Education, 20(3), 503-529. https://doi.org/10.1007/s10763-021-10165-2

Mullis, I. V. S., & Martin, M. O. (Eds.). (2017). TIMSS 2019 Assessment Frameworks. Retrieved from Boston College, TIMSS & PIRLS International Study Center. http://timssandpirls.bc.edu/timss2019/frameworks/

Wu, M. (2005). The role of plausible values in large-scale surveys. Studies in Educational Evaluation, 31(1-2), 114-128. https://doi.org/ 10.1016/ j.stueduc.2005.05.005

Rutkowski, L., Gonzalez, E., Joncas, M., & von Davier, M. (2010). International large-scale assessment data: Issues in secondary analysis and reporting. Educational Researcher, 39(2), 142-151. https://doi.org/10.3102/0013189X10363170

Laukaityte, I., & Wiberg, M. (2017). Using plausible values in secondary analysis in large-scale assessments. Communications in Statistics – Theory and Methods, 46(22), 11341-11357. https://doi.org/10.1080/03610926.2016.1267764

Mislevy, R. J. (1993). Should “multiple imputations” be treated as “multiple indicators”?. Psychometrika, 58(1), 79-85. https://doi.org/10.1007/BF02294472

Erkuş, A. (2009). Davranış bilimleri için bilimsel araştırma süreci (2. Baskı). Seçkin Yayıncılık.

Creswell, J. W. (2012). Educational research: Planning, conducting and evaluating quantitative and qualitative research (4th Ed.). Pearson.

Fraenkel, J. R., & Wallen, N. E. (2006). How to design and evaluate research in education (6th Ed.). McGraw-Hill.

Raudenbush, S. W., & Bryk, A. S. (2002). Hierarchical linear models: Applications and data analysis methods 2. Sage Publications.

Arıkan, S., Özer, F., Şeker, V. ve Ertaş, G. (2020). Geniş ölçekli testlerde örneklem ağırlıklarının ve olası değerlerin önemi. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, 11(1), 43-60. https://doi.org/ 10.21031/epod.602765

IBM Corp. (2013). IBM SPSS Statistics for Windows, Version 22.0. Armonk, NY: IBM Corp.

Raudenbush, S., Bryk, A., & Congdon, R. (2007). HLM for Windows (Version 6.04). Lincolnwood, IL: Scientific Software International.

Huta, V. (2014) When to use hierarchical linear modeling. The Quantitative Methods for Psychology, 10(1), 13-28. https://doi.org/10.20982/tqmp.10.1.p013

McCoach, D. B. (2010). Hierarchical linear modeling. In G. R. Hancock, & R. O. Mueller (Eds.), The reviewer’s guide to quantitative methods in the social sciences (123-140). Routledge.

Välijärvi, J., & Malin, A. (2003). The two-level effect of socio-economic background. In P. Linnakylä, S. Lie, & A. Roe (Eds.), Northern lights on PISA (pp. 123-131). University of Oslo.

Güngör M. ve Bekmezci, S. M. (2022). Matematik başarısı açısından okullar arası farklar: TIMSS 2019. 1st International Conference on Scientific and Academic Research (ICSAR) içinde (377-381. ss.). Konya, Türkiye.

Mohammadpour, E., & Abdul Ghafar, M. N. (2014). Mathematics achievement as a function of within- and between-school differences. Scandinavian Journal of Educational Research, 58(2), 189-221, doi:10.1080/00313831.2012.725097

OECD. (2016). PISA 2015 Results (Volume I): Excellence and Equity in Education. OECD Publishing.

Aydın, M. (2015). Öğrenci ve okul kaynaklı faktörlerin TIMSS matematik başarısına etkisi [Doktora Tezi, Necmettin Erbakan Üniversitesi]. Konya, Türkiye.

Suna, H. E., Özer, M., Şensoy, S., Gür, B. S., Gelbal S. ve Aşkar, P. (2021). Türkiye’de akademik başarının belirleyicileri. Journal of Economy Culture and Society, 64, 143-162. https://doi.org/10.26650/JECS2021-934211

Yavuz, H. Ç., Demirtaşlı, R. N., Yalçın, S. ve İlgün Dibek, M. (2017). Türk öğrencilerin TIMSS 2007 ve 2011 matematik başarısında öğrenci ve öğretmen özelliklerinin etkileri. Eğitim ve Bilim, 42(189), 27-47. http://dx.doi.org/10.15390/EB.2017.6885

Demirkol, S. ve Kelecioğlu, H. (2022). İngilizce başarısına etki eden öğrenci ve okul özelliklerinin hiyerarşik lineer model ile incelenmesi. Eğitim ve Yeni Yaklaşımlar Dergisi, 5(1), 96-109. https://doi.org/10.52974/jena.1126043

Demirkol Karakuş, S. (2017). Öğrenci, öğretmen ve okul özelliklerinin TEOG matematik başarıları üzerindeki etkilerinin hiyerarşik doğrusal modelle incelenmesi [Yüksek Lisans Tezi, Hacettepe Üniversitesi]. Ankara, Türkiye.

Güngör, M. ve Demir, E. (2022). Farklı ülkelerde 8. Sınıf öğrencilerinin matematik başarısı açısından okullar arası farkların incelenmesi. Uluslararası Eğitim Kongresi 2022 (International Education Congress, EduCongress) içinde (345-350. ss.). Akdeniz Üniversitesi, Antalya, Türkiye. https://educongress.org/wp-content/uploads/2022/12/TM.2022.pdf

Güngör, M., Gören, S. ve Doğan, N. (2022). Türk Cumhuriyetlerinde TIMSS 2019 matematik başarısı ve okullar arası başarı farkları. 8. Uluslararası Eğitimde ve Psikolojide Ölçme ve Değerlendirme Kongresi (CMEEP) 2022 içinde (321-326. ss.). Ege Üniversitesi, İzmir, Türkiye.

Suna, H. E. ve Özer, M. (2021). Türkiye’de sosyoekonomik düzey ve okullar arası başarı farklarının akademik başarı ile ilişkisi. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, 12(1), 54-70. https://doi.org/10.21031/epod.860431

Yavuz, S., Odabaş, M. ve Özdemir, A. (2016). Öğrencilerin sosyoekonomik düzeylerinin TEOG matematik başarısına etkisi. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, 7(1), 85-95. https://doi.org/10.21031/epod.86531

Berberoğlu, G. ve Kalender, İ. (2005). Öğrenci başarısının yıllara, okul türlerine, bölgelere göre incelenmesi: ÖSS ve PISA analizi. Eğitim Bilimleri ve Uygulama, 4(7), 21-35.

Downloads

Published

2023-02-08

How to Cite

GÜNGÖR, M., & BEKMEZCİ, S. M. (2023). Fen Başarısı Açısından Okullar Arası Farklar: TIMSS 2019 . International Conference on Frontiers in Academic Research, 1, 21–26. Retrieved from https://as-proceeding.com/index.php/icfar/article/view/25