Hoppa till sidinnehåll
Didaktik

Computational problem solving in university physics education: Students’ beliefs, knowledge, and motivation

Publicerad:2012-05-30
Uppdaterad:2012-06-04

Vilken roll har kunskap, föreställningar och motivation för studenter i samband med numerisk problemlösning i fysikutbildningen? Det undersöker Madelen Bodin i sin avhandling om simuleringar i fysikundervisning.

Författare

Madelen Bodin

Handledare

Universitetslektor Mikael Winberg, Umeå universitet

Opponent

Professor Diane Grayson, University of Pretoria, Sydafrika

Disputerat vid

Umeå universitet

Disputationsdag

2012-04-16

Titel (se)

Numerisk problemlösning i fysikutbildningen – Föreställningar, kunskaper och motivation hos studenter

Titel (eng)

Computational problem solving in university physics education: Students’ beliefs, knowledge, and motivation

Institution

Institutionen för fysik

Numerisk problemlösning i fysikutbildningen – Föreställningar, kunskaper och motivation hos studenter

Att lösa fysikproblem på universitetsnivå med numeriska metoder kräver kunskap och färdigheter inom flera ämnesområden, till exempel, fysik, matematik, programmering och modellering. Dessa kunskaper och färdigheter är i sin tur relaterad till studenternas föreställningar om och attityder till dessa ämnesområden, liksom till lärande och motivationen att lära. Syftet med denna avhandling var att undersöka vilken roll universitetsstudenters kunskaper, föreställningar och motivation spelade i problemlösningssituationer där ett fysikproblem löstes och visualiserades med numeriska metoder med problemlösningsverktyget Matlab. Studenternas lösningar av problemet motsvarade visuella, interaktiva simuleringar av ett elastiskt föremål glidande på en ojämn yta. Resultaten visade att expertliknande föreställningar om fysik och lärande i fysik tillsammans med förkunskaper i fysik var viktiga för att förutsäga kvaliteten på den lösta uppgiften. Upplevda känslor motsvarande kontroll och koncentration, vilka uttrycker en form av motivation, var också viktiga för att förutsäga kvaliteten. på lösningen. Motivation i form av intresse och lust, tillsammans med attityder visade sig däremot att inte kunna förutse lösningens kvalitet i någon större utsträckning. Resultaten visade alltså att utvecklingen av studenternas kunskapssyn är viktig för studenternas förmåga att lära av realistiska fysikproblem med många frihetsgrader. För att undersöka studenternas tankemodeller har nätverksanalys använts som ett nytt verktyg för analys. Studenternas tankemodeller undersöktes före och efter problemlösningssituation genom att analysera intervjuer med textanalys följt av nätverksanalys. Resultaten visade att studenterna skiftar från en uppfattning att de löser en programmeringsuppgift till att de löser en fysikuppgift där de utmanas att använda fysikprinciper och naturlagar för att felsöka och förstå sina simuleringar. Detta innebär att problemet, även om det inte introducerar någon ny fysik, hjälpte eleverna att utveckla en mer konsekvent syn på vikten av att använda fysikaliska principer i problemlösning. När studenternas tankemodeller jämfördes med universitetslärares tankemodeller, inom de aktuella ämnesområdena fysik, matematik och datavetenskap visade det sig att studenter och lärare var i stora drag överens men att det fanns skillnader. Till exempel, medan lärarna menade att numerisk problemlösning underlättar grundläggande förståelse av fysik och matematik, är detta inte självklart för studenter. Detta innebär att universitetslärare måste vara medvetna om dessa skillnader för att ta till vara och utmana elevernas förväntningar kring undervisningen och för att kunna ge relevant stöd.

Computational problem solving in university physics education: Students’ beliefs, knowledge, and motivation

Solving physics problem in university physics education with a computational approach requires knowledge and skills in several domains, for example, physics, mathematics, programming, and modelling. These competences are in turn related to students’ beliefs about these domains as well as about learning, and their motivation to learn. The purpose of this thesis was to investigate the role of university physics students’ knowledge, beliefs and motivation when solving and visualizing a physics problem using a computational approach. The results showed that expert-like beliefs about physics and learning physics together with prior knowledge were important predictors of the quality of performance. Feelings corresponding to control and concentration, i.e., emotions that are expected to be good indicators of students’ motivation were also good predictors of performance. However, intrinsic motivation, as indicated by enjoyment and interest, together with beliefs expressing students’ personal interest and utility value, did not predict performance to any higher extent. Instead, my results indicate that integration and identification of expert-like beliefs about learning and concentration and control emotions during learning are more influential on the quality of performance. Thus, the results suggest that the development of students’ epistemological beliefs is important for students’ ability to learn from realistic problem-solving situations with many degrees of freedom in physics education. In order to investigate knowledge and beliefs structures network modeling has been applied as a novel tool for analysis. Students’ epistemic frames are analyzed before and after the task in computational physics using a network analysis approach on interview transcripts, producing visual representations of mental models. The results show that students change their epistemic framing from a modelling task, with expectancies about learning programming, to a physics task, in which they are challenged to use physics principles and conservation laws in order to troubleshoot and understand their simulations. This implies that the task, even though it is not introducing any new physics, helped the students to develop a more consistent view of the importance of using physics principles in problem solving. When comparing students’ framing with teachers,’ it is shown that although teachers and students agree on the main features of simulation competence in physics, differences in their epistemic networks can be distinguished. For example, while teachers believe that numerical problem solving facilitates fundamental understanding of physics and mathematics, this is not obvious to students. This implies that university teachers need to be aware of these differences as well as students’ beliefs in order to challenge students’ expectations and to give support concerning the learning objectives of the assignment.

 

Forskningsbevakningen presenteras i samarbete med

forskningsinstitutet Ifous

Läs mer
Stockholm

Undervisa i Artificiell intelligens

Välkommen till Skolportens konferens för dig som planerar att undervisa i det nya gymnasieämnet artificiell intelligens. Ta del av aktuell forskning som utgår från ämnets syftesbeskrivning, och få praktiska verktyg som hjälper dig att planera och genomföra kurserna. Innehållet är även intressant för dig som vill veta mer om AI i samband med undervisning generellt, samt för dig som undervisar inom vuxenutbildningen.
Läs mer & boka
Gy–Vux
3 okt
Digital temaföreläsning

Arbeta mot hedersrelaterat våld och förtryck i skolan

Skolportens digitala föreläsning med Issis Melin, för dig som vill lära dig mer om arbete mot hedersrelaterat våld och förtryck i skolan. Föreläsningen fokuserar på hur elevhälsoteamet kan identifiera hedersrelaterade beteenden, samt hjälpa utsatta elever att komma ur sin situation. Ta del av denna föreläsning mellan 22 april–5 juni!
Läs mer & boka
Åk F–Gy
22 apr – 5 jun
Dela via: 

Relaterade artiklar

Relaterat innehåll

Senaste magasinen

Läs mer

Nyhetsbrev