Olasılık Öğretiminde Simülasyon Kullanımı

Bu çalışma ile olasılık öğretiminde simülasyon kullanımının karar verme sürecindeki etkililiğinin araştırılması amaçlanmıştır. Çalışmanın örneklemini Bülent Ecevit Üniversitesi’nde öğrenim gören toplam 70 öğretmen adayı oluşturmaktadır. Özel durum çalışması kapsamında yürütülen araştırmada veriler açık uçlu iki gerçek yaşam probleminden oluşan veri toplama aracı ve uygulamalar esnasında yapılan gözlemler ile toplanmıştır. Öğretmen adayları problemleri ilk olarak simülasyon kullanmadan cevaplandırmışlardır. Daha sonra TinkerPlots yazılımının “Sampler” araç çubuğu tanıtılarak üç hafta (haftada 4 saat) simülasyon etkinlikleri yapılmıştır. Bu etkinlikler bir simülasyon oluşturma modeli dikkate alınarak yürütülmüştür. Etkinliklerden sonra öğretmen adaylarından aynı problemlere yönelik simülasyon oluşturmaları ve elde ettikleri sonuçları değerlendirmeleri istenmiştir. Öğretmen adaylarından simülasyon kullanılmadan elde edilen veriler frekans ve yüzdeliklerle ve simülasyon kullanarak elde edilen veriler ise ekran görüntüleri ile sunulmuştur. Elde edilen bulgulardan öğretmen adaylarının simülasyon kullanmadan önce karar vermekte zorlandıkları ve çoğunlukla uygun olmayan cevaplar verdikleri görülmüştür. Kağıt kalem kullanılmasının tersine simülasyon kullanım sürecinde öğretmen adayları deney sayısını belirleme, verileri sınıflandırma, grafikle gösterme ve genellemeler yapma gibi bazı fırsatlara sahip olmuşlardır. Oluşturulan simülasyonlar gerçek durumun fiziksel ve algoritmik bir modeli olduğundan öğretmen adaylarının matematiksel açıklamalarını kolaylaştırmış ve sezgisel çalışmalara imkân sağlamıştır. Bulgular olasılık kavramlarının anlaşılmasında simülasyon kullanımının öğretmen adaylarını kağıt kalem sürecine göre daha çok desteklediğini ortaya koymuştur. Bu çalışmada simülasyonlar öğretmen ve öğrenciler için farklı bir öğrenme ortamı oluşturmuştur. Yapılan bu çalışma ile simülasyon kullanımının özellikle deneysel olasılık öğretiminde etkili bir araç olduğu sonucuna ulaşılmıştır.

___

  • Batanero C, Biehler R, Carmen Maxara C, Engel J and Vogel M. (2005). Using Simulation to Bridge Teachers´ Content and Pedagogical Knowledge in Probability. In 15th ICMI Study Conference: The Professional Education and Development of Teachers of Mathematics. Available on line http://stwww.weizmann.ac.il/Gmath/ICMI/strand1.html
  • Batanero, C., & Diaz, C. (2007). Probabilidad, grado de creencia y proceso de aprendizaje [Probability, degrees of belief and the learning process]. XIII Jornadas Nacionales de Enseñanza y Aprendizaje de las Matemáticas. Granada.
  • Batanero, C., & Godino, J. (2002). Estocástica y su Didáctica para Maestros [Stochastics and its Teaching for Teachers]. Proyecto Edumat-Maestros, Granada, Universidad de Granada.
  • www.ugr.es/~jgodino/edumat-maestros/manual/6_Estocastica.pdf
  • Borovcnik, M., & Kapadia, R (2009). Research and developments in probability education. International Electronic Journal of Mathematics, 4(3).www.iejme.com/032009/IEJME_p00_introd_E.pdf
  • Cobb, G. (2007). The Introductory Statistics Course: A Ptolemaic Curriculum? Online:
  • www.repositories.cdlib.org/uclastat/cts/tise/vol1/iss1/art1.
  • Coutinho, C. (2001). Introduction to Random Situations from College: modeling Bernouilli simulation experiments in the IT environment of Cabri Geometry II. Doctoral dissertation, University J. Fourier, Grenoble, France.
  • Dantal, B. (1997). Teaching probability theory in high schools. Statistical opening, epistemological and didactical questions, teaching ideas. (pp. 57-59). Reims; France: Commission Inter-IREM.
  • delMas, R., Garfield, J. and Chance, B. (1999). Assessing the effects of a computer microworld on statistical reasoning. Journal of Statistics Education, 7(3),
  • http://www.amstat.org/publications/jse/secure/v7n3/delmas.cfm.
  • Drier, H. (2000). Children’s Probabilistic Reasoning with a Computer Micro world. A Dissertation Presented to the Faculty of the Curry School of Education University of Virginia
  • Fischbein, E. & Schnarch, D. (1997). “The Evolution With Age Of Probabilistic, Intuitively Based Misconceptions”. Educational Studies in Mathematics. 29: 97-105.
  • GAISE (2005). Guidelines for assessment and instruction in statistics education (GAISE) report: A curriculum framework for PreK-12 statistics education. The American Statistical Association (ASA). http://www.amstat.org/education/gaise/
  • Gürbüz, R. (2008). Olasılık Konusunun Öğretiminde Kullanılabilecek Bilgisayar Destekli Bir Materyal. Mehmet Akif Ersoy Üniversitesi Eğitim Fakültesi Dergisi, 8(15), 41-52.
  • Hawkins, A. (1990). Training teachers to teach statistics. Voorburg: International Statistical Institute.
  • Konold C., Harradine A., & Kazak S. (2007). Understanding distributions by modeling them International Journal of Computers for Mathematical Learning 12 (3), 217-230
  • Konold, C. & Miller, C. (2004). TinkerPlots™ Dynamic Data Exploration 1.0. Emeryville, CA.: Key Curriculum Press.
  • Koparan. T. (2015). Difficulties in Learning and Teaching Statistics: Teacher Views. International Journal of Mathematical Education in Science and Technology. 46(1), 94-104.
  • Koparan, T., Kaleli Yılmaz, G. (2014). Veri Analizinde İlkokul Öğrencilerinin İnformal Çıkarımlarının İncelenmesi. Bayburt Üniversitesi Eğitim Fakültesi Dergisi, 9(2), 95-113.
  • Lajoie, S. P., & Sharon, S.J. (Eds.). (1993). Computers as cognitive tools. New Jersey: Lawrence Erlbaum Associates.
  • Lane, D. M., & Tang, Z. (2000). Effectiveness of simulation training on transfer of statistical concepts. Journal of Educational Computing Research, 22, 383–396.
  • Maxara, C., & Biehler, R. (2007). Constructing Stochastic Simulations with a Computer Tool – Students’ Competencies and Difficulties. In Proceedings of the Fifth Congress of the European Society for Research in Mathematics Education, 2007 (pp. 1–13).
  • Online: ermeweb.free.fr/CERME%205/WG5/5_Maxara.pdf
  • Merriam, S. B. (1998). Qualitative research and case study applications in education. San Francisco: Jossey-Bass
  • Mills, J. (2002). Using computer simulation methods to teach statistics: A review of the literature. Journal of Statistics Education, 10(1). www.amstat.org/publications/jse/v10n1/mills.html
  • National Council of Teachers of Mathematics (2000). Principles and standards for school mathematics. Reston: VA www.standards.nctm.org
  • Novak, E. (2014). Effects of simulation-based learning on students’ statistical factual, conceptual and application knowledge. Journal of Computer Assisted Learning. 30, 148-158.
  • Oliver, J., Pisano, M. E., Alonso, T., & Roca, P. (2006). The Web as an educational tool for/in learning/teaching bioinformatics statistics. Informatics for Health and Social Care, 30(4), 255–266.
  • Streefland, L. (1993). Fractions: A realistic approach. In T.P. Carpenter, E. Fennema, & T.A. Romberg (Eds.), Rational numbers: An integration of research (pp. 289-325). Hillsdale, NJ: Lawrence Erlbaum Associates, Inc.
  • Tekdal, M. (2002). Etkileşimli fizik simülasyonlarının geliştirilmesi ve etkin kullanılması. V. Ulusal Fen Bilimleri ve Matematik Eğitimi Kongresi, ODTÜ, Ankara.
  • Yıldırım, A. & Şimşek, H. (2008). Sosyal Bilimlerde Nitel Araştırma Yöntemleri. Ankara: Seçkin yay.