| dc.description.abstract | Denne masteroppgaven er gjennomført som en kvalitativ studie, hvor jeg har benyttet meg av aksjonsforskning som forskningsmetode. I oppgaven har jeg gjennomført intervjuer av elever som har deltatt i et undervisningsopplegg hvor de har programmert månefaser i Scratch. Hensikten med denne oppgaven var å undersøke om elever kunne lære egenskaper innenfor algoritmisk tenkning når de lærte om et naturfaglig emne. I den nye læreplanen er teknologi oppført som et av kjerneelementene og digitale ferdigheter som en del av de grunnleggende ferdighetene (Kunnskapsdepartementet, 2019, s. 3–5). Det er derfor interessant å se hvordan vi kan kombinere disse med undervisning i naturfag. For å svare på problemstillingen delte jeg problemet inn i tre forskningsspørsmål. Disse var basert på hvilke forståelser elevene utrykte gjennom representasjoner og sine resonnementer i intervjuene, hvordan elevene bruke ulike komponenter innen algoritmisk tenkning når de utviklet representasjonene sine og hvilke misoppfatninger de hadde etter å ha gjennomført prosjektet.
For å analysere datamaterialet har jeg kombinert rammeverket utviklet av Prain og Tytler (2012, s. 2758) «Representational Constructing Affordances» med Weintrop et al. (2016, s. 135) «The computational thinking in mathematics and science practices taxonomy». For å identifisere misoppfatningene benyttet jeg meg av en rubrikk utviklet av Barnett et al. (2000, s. 137).
Resultatene viste at elevene hadde tatt i bruk flere av egenskapene innen algoritmisk tenkning. I tillegg viste alle elever forståelse innenfor tema månefaser. Noe som indikerer at det finnes muligheter for læring innen et slikt opplegg. Det ble likevel indentifisert flere misoppfatninger rundt fenomenet. Disse misoppfatningen gjaldt særlig aspektet med hvordan lyset reflekteres fra månen. Videre blir det konkludert med at et slikt undervisningsopplegg er svært tidkrevende. Det krever også mye fra elevene da både månefaser og algoritmisk tenkning er komplekse tema. Jeg oppfordrer derfor til at dette tema blir utforsket videre, da funnene indikerer at det kan ligge mye læring i et slikt opplegg dersom man finner gode måter å legge opp undervisningen på. | |
| dc.description.abstract | This master's thesis presents a qualitative study employing action research as its research method. The study involves conducting interviews with students who participated in an educational program where they programmed moon phases using Scratch. The purpose of this thesis was to investigate whether students could acquire skills in algorithmic thinking while learning about moon phases in science education. In the new curriculum, technology is listed as one of the core elements, with digital skills being part of the fundamental competencies (Kunnskapsdepartementet, 2019, pp. 3–5). Thus, it is intriguing to explore how these elements can be integrated into science education. To address the thesis statement, I divided it into three research questions. These questions were based on the understandings expressed by the students through representations and their reasoning in the interviews, how students utilized various components of algorithmic thinking when developing their representations, and what misconceptions they harbored after completing the project.
To analyze the data, I combined the framework developed by Prain and Tytler (2012, p. 2758), "Representational Constructing Affordances," with Weintrop et al.'s (2016, p. 135) "The computational thinking in mathematics and science practices taxonomy." To identify misconceptions, I employed a rubric developed by Barnett et al. (2000, p. 137).
The results indicated that students had employed several characteristics of algorithmic thinking. Additionally, all students demonstrated understanding of the moon phases topic. The findings suggest that there are opportunities for learning with such an instructional framework. However, several misconceptions regarding the phenomenon were identified, particularly concerning how light reflects from the moon. Furthermore, it is concluded that such an educational program is highly time-consuming and demanding for students, as both moon phases and algorithmic thinking are complex topics. Therefore, I encourage further exploration of this topic, as the findings suggest that there may be significant learning opportunities in such a program if effective instructional methods are employed. | |
