Lerarenopleidingen Science en Wiskunde/Rekenen

Introducing Statistical Inference: promotie Marianne van Dijke

Proefschrift Marianne van Dijke, Universiteit Utrecht

FI Scientific Library, nr. 109. Van Dijke (2021)

Download

Op woensdag 30 juni a.s. om 16.15 uur promoveerde Marianne van Dijke op het proefschrift getiteld ‘Introducing Statistical Inference: Design and Evaluation of a Learning Trajectory’.

Promotor Paul Drijvers en co-promotor Arthur Bakker.

Samenvatting

De toenemende hoeveelheid data in de media in het afgelopen jaar – denk aan COVID – illustreert de noodzaak voor leerlingen om statistische geletterdheid te ontwikkelen – inclusief het interpreteren van inferenties. Bij inferenties worden op basis van steekproefdata conclusies getrokken over een groter geheel of proces. Deze conclusies gaan vergezeld van onzekerheid omdat niet alles of iedereen is onderzocht. De inferentiële statistiek is echter moeilijk voor leerlingen van de bovenbouw vo. Dit onderzoek richtte zich op de vraag: Hoe kan een theoretisch en empirisch gebaseerd leertraject leerlingen uit vwo 3 laten kennismaken met statistische inferentie? Om deze vraag te beantwoorden hebben we gebruik gemaakt van een ontwerp-gebaseerde onderzoeksbenadering, aangevuld met een case studie naar het leren van statistiek met en door technologie. Het ontwerp van het traject werd ondersteund door theorieën over herhaalde steekproeven en statistisch modelleren met behulp van een black box paradigmatische context. Het leertraject werd geïmplementeerd in de onderwijspraktijk gedurende drie interventies. Een pre- en posttest werden ontworpen om de effecten van het traject in de grootschalige laatste cyclus te evalueren. Een nationale en internationale vergelijking van studentenresultaten toonde aan dat studenten die deelnamen aan het leertraject (N = 267) significant hoger scoorden op statistische geletterdheid dan de vergelijkingsgroep die het reguliere curriculum volgde (N = 217), in het bijzonder op het domein van statistische inferenties. We zagen ook positieve effecten op de twee andere domeinen van statistische geletterdheid. Deze bevindingen suggereren dat de huidige statistiekcurricula voor de onderbouw vo verrijkt kunnen worden met inferentiële statistiek. Voordeel van deze vroege introductie is dat leerlingen meer leren over statistische inferenties, en niet minder over de andere domeinen van statistische geletterdheid, om zo beter te anticiperen op hun vervolgstappen binnen statistiekonderwijs.

The increasing amount of data in media over the last year — think of COVID— illustrates the necessity for students to become statistically literate — including interpreting inferences. Drawing inferences involves making data-based claims under uncertainty when only partial data are available. However, inferences are challenging for students in Grade 10 and higher. This thesis focused on the question: How can a theoretically and empirically based learning trajectory introduce 9th-grade students to statistical inference? To answer this question, we used a design-based research approach, complemented with a case study into learning statistics from and with technology. The design of the trajectory was informed by theories on repeated sampling and statistical modeling using a black box paradigmatic context. The learning trajectory was implemented in teaching practice during three interventions. A pre- and posttest were designed to evaluate the trajectory’s effects in the large-scale final cycle. A national and international comparison of student results showed that students who took part in the learning trajectory (N = 267) scored significantly higher on statistical literacy than the comparison group that followed the regular curriculum (N = 217), in particular, on the domain of statistical inference. We also observed positive effects on other domains of statistical literacy. These findings suggest that current statistics curricula for grades 6–9 can be enriched with an inferential focus. The benefit of this early introduction is that students learn more about inference and not less about the other domains of statistical literacy, to anticipate for subsequent steps in students’ statistics education.
  • Van Dijke-Droogers, M. (2021). Introducing Statistical Inference: Design and Evaluation of a Learning Trajectory (PDF proefschrift), Freudenthal Institute (pp. 254). Utrecht: Utrecht University.
  • Van Dijke-Droogers, M. J. S., Drijvers, P. H. M., & Bakker, A. (submitted). Effects of a learning trajectory for statistical inference on 9th-grade students’ statistical literacy.
  • Van Dijke-Droogers, M. J. S., Drijvers, P. H. M., & Bakker, A. (submitted). Introducing Statistical Inference: Design of a Theoretically and Empirically Based Learning Trajectory.
  • Van Dijke-Droogers, M. J. S., Drijvers, P. H. M., & Bakker, A. (2021). Statistical modeling processes through the lens of instrumental genesis. Educational Studies in Mathematics. https://doi.org/10.1007/s10649-020-10023-y
  • Van Dijke-Droogers, M. J. S., Drijvers, P. H. M., & Bakker, A. (2020). Repeated sampling with a black box to make informal statistical inference accessible. Mathematical Thinking and Learning, 22(2), 116–138.
  • Van Dijke-Droogers, M.J.S., Drijvers, P.H.M. & Bakker, A. (2019). Repeated Sampling in a Digital Environment: a Remix of Data and Chance. In Jankvist, U. T., Van den Heuvel-Panhuizen, M., & Veldhuis, M. (Eds.), Proceedings of the Eleventh Congress of the European Society for Research in Mathematics Education (CERME11, February 6 – 10, 2019). Utrecht, the Netherlands: Freudenthal Group & Freudenthal Institute, Utrecht University and ERME.
  • Van Dijke-Droogers, M.J.S., Drijvers, P.H.M. & Bakker, A. (2019). Een digitale remix van data en kans. Euclides, 94(5), 16-17.
  • Van Dijke-Droogers, M.J.S., Drijvers, P.H.M. & Bakker, A. (2018). From sample to population – A hypothetical learning trajectory for informal statistical inference. In Verônica Gitirana, Takeshi Miyakawa, Maryna Rafalska, Sophie Soury-Lavergne & Luc Trouche (Eds.), Proceedings of the Re(s)sources 2018 International conference (pp. 348-351). Lyon: École Normale Supérieure de Lyon.
  • Van Dijke-Droogers, M.J.S., Drijvers, P.H.M., & Bakker, A. (2018). Repeated Sampling as a step towards Informal Statistical Inference. In M.A Sotos, A. White & L. Guyot (Eds.), Looking back, looking forward. Proceedings of the Tenth International Conference on Teaching Statistics (ICOTS10, July 8-13, 2018). Voorburg: International Statistics Institute.
  • Van Dijke-Droogers, M., Drijvers, P., & Tolboom, J. (2017). Enhancing statistical literacy. In T. Dooley & G. Gueudet (Eds.), Proceedings of the Tenth Congress of the European Society for Research in Mathematics Education (CERME10, February 1–5, 2017) (pp. 860–867). Dublin, Ireland: DCU Institute of Education and ERME.
  • Van Dijke-Droogers, M.J.S., Drijvers, P.H.M. & Tolboom, J. (2017). Statistical literacy…. hoe dan? Onderzoekend en nieuwsgierig omgaan met data lijkt essentieel. Euclides, 92(5), 7-11.

ELWIeR en Ecent als één STEM