DOI: https://doi.org/10.12973/eu-jer.15.2.357
تاريخ النشر: 2026-01-01
المؤلف: Noly Shofiyah وآخرون
الموضوع الرئيسي: تعليم العلوم وطرق التدريس
نظرة عامة
تقدم هذه الدراسة نموذج التعلم القائم على البيانات (DaBeLCy) المصمم لتعزيز التفكير العلمي لدى طلاب المرحلة الجامعية في تعليم العلوم الطبيعية. بناءً على نموذج دورة التعلم 5E المعتمد، يركز DaBeLCy على محو الأمية البيانية من خلال خمس مراحل تعليمية: إدراك البيانات، طرح الأسئلة وتوليد الفرضيات، توليد البيانات وشرحها، توضيح البيانات، والتفكير والتقييم. شمل عملية التطوير مراجعات أدبية، تقييمات احتياجات، تحقق من الخبراء، وتجارب صغيرة وكبيرة. أظهرت نتائج التحقق صلاحية محتوى وبناء قوية (درجات فوق 3.7) وموثوقية عالية (α > .83)، مما يؤكد ملاءمة النموذج للتنفيذ. أظهرت التجارب وفاءً عاليًا في التنفيذ (>83%) ومشاركة كبيرة من الطلاب (73%-95%)، مع قيم N-Gain تعكس تحسنًا معتدلًا في التفكير العلمي (.56-.65).
تشير النتائج إلى أن DaBeLCy هو نموذج تعليمي صالح وعملي وفعال لتعزيز التفكير العلمي بين طلاب الجامعات. هيكل النموذج المبتكر يدمج محو الأمية البيانية، بدءًا من مرحلة إدراك البيانات، التي تشجع على التفكير النقدي في الأدلة. بينما يحد تصميم الدراسة من نوع مجموعة واحدة من الاستنتاجات السببية، تشير ردود الطلاب الإيجابية والمشاركة المستمرة إلى إمكانيته للتطبيق الأوسع في تعليم العلوم. ينبغي أن تتضمن الأبحاث المستقبلية مجموعات ضابطة وتقييم الاحتفاظ طويل الأمد بمهارات التفكير. بالإضافة إلى ذلك، يُشجع الجامعات على تطوير تدريب للمدرسين حول البيداغوجيا المعتمدة على البيانات ودمج أطر التقييم التي تقيم كل من محو الأمية البيانية والتفكير العلمي. نظريًا، يربط DaBeLCy بين التعلم القائم على الاستفسار والتفكير القائم على البيانات، مقدماً إطارًا يمكن تكراره يتماشى مع متطلبات التعليم في القرن الحادي والعشرين.
مقدمة
تناقش مقدمة ورقة البحث الدور الحاسم للتفكير العلمي في تعليم العلوم الطبيعية، لا سيما بالنسبة لطلاب المرحلة الجامعية، الذين غالبًا ما يظهرون نقصًا في هذا المجال. يبرز المؤلفون أهمية نماذج التعلم القائم على الاستفسار، مثل دورة التعلم 5E، التي تعزز التعلم النشط من خلال مراحل الانخراط، الاستكشاف، الشرح، التوضيح، والتقييم. ومع ذلك، يلاحظون قيودًا كبيرة في نموذج 5E فيما يتعلق بإدارة البيانات وتحليلها، لا سيما في تعزيز محو الأمية البيانية – وهي مهارة أساسية لتفسير واستخدام البيانات في التفكير العلمي.
لمعالجة هذه النواقص، تقدم الدراسة دورة التعلم القائم على البيانات (DaBeLCy)، التي تدمج محو الأمية البيانية في كل مرحلة من مراحل دورة التعلم. تم تصميم هذا النموذج لتعزيز قدرات الطلاب على الانخراط في تحليل البيانات النظامي ودمج الأدلة، مما يحسن مهاراتهم في التفكير العلمي. يستند إطار DaBeLCy إلى نظريات تعليمية معتمدة، بما في ذلك التعلم الاكتشافي ووجهات النظر البنائية، ويتكون من خمس مراحل: إدراك البيانات، طرح الأسئلة وتوليد الفرضيات، توليد البيانات وشرحها، توضيح البيانات، والتفكير والتقييم. الهدف الرئيسي من هذه البحث هو تطوير نموذج تعليمي صالح وعملي وفعال لا يعالج فقط قيود دورة التعلم 5E ولكن أيضًا يمكّن الطلاب من اتخاذ استنتاجات علمية مستندة إلى الأدلة.
الطرق
توضح قسم المنهجية النهج المنهجي المستخدم في البحث لتحقيق أهداف الدراسة. يتناول التصميم التجريبي، بما في ذلك اختيار المشاركين، تقنيات جمع البيانات، والأساليب التحليلية المستخدمة لتفسير النتائج. يتم إعطاء اهتمام خاص للأدوات الإحصائية المطبقة لضمان موثوقية وصلاحية النتائج.
بالإضافة إلى ذلك، يصف القسم أي تدابير ضابطة تم تنفيذها للتخفيف من التحيزات المحتملة والمتغيرات المربكة. يتم مناقشة المنطق وراء الأساليب المختارة، مع التأكيد على ملاءمتها للأسئلة البحثية المطروحة. بشكل عام، تم تصميم المنهجية لتوفير إطار قوي لفهم الظواهر قيد التحقيق ولتسهيل إعادة إنتاج الدراسة.
النتائج
تشير نتائج دراسة التحقق لنموذج DaBeLCy وحزمة التعليم الخاصة به إلى مستويات عالية من صلاحية المحتوى والبناء، مع درجات تحقق متوسطة تبلغ 3.7، و93.9% توافق، وقيم ألفا كرونباخ تبلغ .83 و.94، على التوالي، مما يدل على موثوقية قوية. كما حصلت المواد التعليمية، بما في ذلك المنهج، خطط الدروس، واختبارات التفكير العلمي، على درجات تحقق عالية، مما يبرز فعاليتها في دعم نموذج DaBeLCy. سلطت التعليقات من المحققين الضوء على مجالات للتحسين، لا سيما في اتساق المصطلحات وعرض المواد.
كشفت تقييمات العملية العملية أن نموذج DaBeLCy يمكن تنفيذه بفعالية عبر سياقات تعليمية متنوعة، مع ملاحظة درجات عملية عالية في كل من التجارب الصغيرة والكبيرة. بينما أظهر موضوع الحركة الخطية عملية عالية باستمرار (متوسط 95%)، أظهرت مواضيع أكثر تعقيدًا مثل الحركة الدائرية وقانون نيوتن الثاني وفاءً أوليًا أقل، مما يشير إلى الحاجة إلى الدعم والتوجيه من المعلمين. أشارت ملاحظات أنشطة الطلاب خلال عملية التعلم إلى انخراط ومشاركة نشطة، مما يعزز قابلية النموذج للتكيف مع تحديات مفاهيمية مختلفة.
أظهرت تحليلات الفعالية تحسنًا كبيرًا في التفكير العلمي للطلاب، حيث ارتفعت درجات الاختبار القبلي من حوالي 37-55 إلى 73-82 وقيم N-Gain تتراوح من .56 إلى .65، مما يدل على تقدم معتدل. على الرغم من عدم وجود اختلافات كبيرة بين الفصول، فإن ردود الطلاب الإيجابية الموحدة (98-100%) عبر فئات الانخراط المختلفة تؤكد على فعالية النموذج المعرفية والعاطفية. يركز تصميم نموذج DaBeLCy، المستند إلى نظريات التعلم المعتمدة ومعالجة قيود النماذج السابقة، على تحليل البيانات وتفسيرها، مما يعزز قدرات التفكير العلمي لدى الطلاب.
المناقشة
يظهر نموذج DaBeLCy، الذي تم تطويره من خلال عملية بحث وتطوير صارمة، إمكانات كبيرة لتعزيز التفكير العلمي بين طلاب المرحلة الجامعية من خلال دمج محو الأمية البيانية في التعلم القائم على الاستفسار. يعالج هذا النموذج الفجوات في الأطر التعليمية الحالية، مثل نماذج 5E و7E، من خلال دمج تحليل البيانات وتفسيرها كعناصر أساسية في دورة التعلم. تشير النتائج إلى أن نموذج DaBeLCy لا يعزز فقط التفكير النقدي والتفكير المستند إلى الأدلة، بل يعزز أيضًا قدرات الطلاب في مؤشرات التفكير العلمي الرئيسية، بما في ذلك التفكير النسبي (PPT)، والتحكم في المتغيرات (CV)، والتفكير الافتراضي الاستنتاجي (HDR).
تكشف نتائج التحقق أن نموذج DaBeLCy وأدواته التعليمية تمتلك صلاحية محتوى وبناء عالية، مع تقييمات الخبراء التي تشير إلى موثوقية قوية. تتجلى عملية النموذج من خلال التنفيذ الناجح عبر مواضيع فيزيائية متنوعة، محققة درجات عالية في كل من عملية التعلم ومشاركة الطلاب. علاوة على ذلك، تدعم فعالية النموذج التحسينات الكبيرة في مهارات التفكير العلمي لدى الطلاب، كما يتضح من تقييمات الاختبار القبلي والبعدي. بشكل عام، يمثل نموذج DaBeLCy نهجًا شاملاً ومؤسسًا نظريًا في تعليم العلوم، مع التركيز على الدور الحاسم لمحو الأمية البيانية في تطوير قدرات التفكير العلمي القوية. يُوصى بإجراء اختبارات إضافية عبر سياقات تعليمية متنوعة لتقييم قابليته للتوسع والتكيف.
القيود
تسلط القيود المفروضة على نماذج التعلم السابقة، لا سيما الأطر القائمة على الاستفسار مثل دورة التعلم 5E، الضوء على طبيعتها النوعية والمركزة على النص، والتي غالبًا ما تتجاهل التدريب الأساسي في التعامل مع البيانات وتفسيرها. تشير الدراسات الحديثة إلى أن النماذج المحسنة، مثل إطار 7E، تحقق تحسينات غير متسقة في التفكير المستند إلى الأدلة بسبب نقص دمج الاستفسار الكمي. بالمقابل، يعالج نموذج DaBeLCy هذه الفجوة من خلال تضمين محو الأمية البيانية المنظم عبر مراحله – إدراك البيانات، التوليد، التوضيح، والتفكير – وبالتالي يتقدم من الاستكشاف المفاهيمي إلى التفكير التجريبي، وهو تحول كبير في بيداغوجيا العلوم.
ومع ذلك، تواجه تنفيذ التعلم القائم على البيانات عدة تحديات. غالبًا ما يفتقر المعلمون إلى المهارات اللازمة في تحليل البيانات والتصور، مما يعيق اعتمادها في الفصول الدراسية. بالإضافة إلى ذلك، يمكن أن تؤدي مستويات استعداد الطلاب الكمية المتفاوتة إلى تفاوتات في المشاركة والإنجاز. تحد من القيود التحتية، مثل الأدوات الرقمية غير الكافية والوصول إلى المختبرات، تجارب الاستفسار البياني الأصيلة. تخلق الممارسات المنهجية والتقييمية التي تعطي الأولوية لاسترجاع الحقائق على التفكير المستند إلى الأدلة حواجز نظامية أمام دمج نماذج مثل DaBeLCy. علاوة على ذلك، تثير المخاوف الأخلاقية بشأن دقة البيانات وقابلية إعادة الإنتاج تعقيدات إضافية في التعليم الحديث. تحتوي الدراسة نفسها على قيود، بما في ذلك حجم العينة المحدود والتصميم الذي قد يؤثر على قابلية تعميم واستنتاج الأسباب للنتائج. ينبغي أن تعتمد الأبحاث المستقبلية منهجيات أكثر قوة وأن تأخذ في الاعتبار المتغيرات السياقية لفهم أفضل لفعالية وتكيف نموذج DaBeLCy عبر بيئات تعليمية متنوعة.
DOI: https://doi.org/10.12973/eu-jer.15.2.357
Publication Date: 2026-01-01
Author(s): Noly Shofiyah et al.
Primary Topic: Science Education and Pedagogy
Overview
This study presents the Data-Based Learning Cycle (DaBeLCy) instructional model, designed to enhance undergraduate students’ scientific reasoning in Natural Science education. Building on the established 5E Learning Cycle model, DaBeLCy emphasizes data literacy through five instructional phases: Data Perception, Questioning and Hypothesis Generation, Data Generation and Explanation, Data Elaboration, and Reflection and Evaluation. The development process included literature reviews, needs assessments, expert validation, and both small- and large-scale trials. Validation results indicated strong content and construct validity (scores above 3.7) and high reliability (α > .83), confirming the model’s suitability for implementation. Trials demonstrated high fidelity of implementation (>83%) and significant student engagement (73%-95%), with N-Gain values reflecting moderate improvement in scientific reasoning (.56-.65).
The findings suggest that DaBeLCy is a valid, practical, and effective instructional model for fostering scientific reasoning among university students. The model’s innovative structure integrates data literacy, beginning with the Data Perception phase, which encourages critical reflection on evidence. While the study’s one-group design limits causal inferences, the positive student responses and consistent engagement indicate its potential for broader application in science education. Future research should incorporate control groups and assess long-term retention of reasoning skills. Additionally, universities are encouraged to develop instructor training on data-driven pedagogy and integrate assessment frameworks that evaluate both data literacy and scientific reasoning. Theoretically, DaBeLCy bridges inquiry-based learning and data-driven reasoning, offering a replicable framework that aligns with the demands of 21st-century education.
Introduction
The introduction of the research paper discusses the critical role of scientific reasoning in Natural Science education, particularly for undergraduate students, who often exhibit deficiencies in this area. The authors highlight the importance of inquiry-based learning models, such as the 5E Learning Cycle, which promotes active learning through phases of engagement, exploration, explanation, elaboration, and evaluation. However, they note significant limitations in the 5E model regarding data management and analysis, particularly in fostering data literacy—an essential skill for interpreting and utilizing data in scientific reasoning.
To address these shortcomings, the study introduces the Data-Based Learning Cycle (DaBeLCy), which integrates data literacy into each phase of the learning cycle. This model is designed to enhance students’ abilities to engage in systematic data analysis and evidence integration, thereby improving their scientific reasoning skills. The DaBeLCy framework is grounded in established educational theories, including discovery learning and constructivist perspectives, and comprises five phases: Data Perception, Questioning and Hypothesis Generation, Data Generation and Explanation, Data Elaboration, and Reflection and Evaluation. The primary objective of this research is to develop a valid, practical, and effective instructional model that not only addresses the limitations of the 5E Learning Cycle but also empowers students to make informed, evidence-based scientific conclusions.
Methods
The methodology section outlines the systematic approach employed in the research to address the study’s objectives. It details the experimental design, including the selection of participants, data collection techniques, and analytical methods utilized to interpret the results. Specific attention is given to the statistical tools applied to ensure the reliability and validity of the findings.
Additionally, the section describes any control measures implemented to mitigate potential biases and confounding variables. The rationale behind the chosen methods is discussed, emphasizing their appropriateness for the research questions posed. Overall, the methodology is designed to provide a robust framework for understanding the phenomena under investigation and to facilitate reproducibility of the study.
Results
The results of the validation study for the DaBeLCy model and its instructional package indicate high levels of content and construct validity, with average validation scores of 3.7, 93.9% agreement, and Cronbach’s Alpha values of .83 and .94, respectively, demonstrating strong reliability. The instructional materials, including the syllabus, lesson plans, and scientific reasoning tests, also received high validation scores, emphasizing their effectiveness in supporting the DaBeLCy model. Feedback from validators highlighted areas for improvement, particularly in terminology consistency and material presentation.
Practicality assessments revealed that the DaBeLCy model can be effectively implemented across various educational contexts, with high practicality scores observed in both small-scale and large-scale trials. While the Linear Motion topic showed consistently high practicality (95% average), more complex topics like Circular Motion and Newton’s Second Law exhibited lower initial fidelity, suggesting the need for scaffolding and instructor support. Observations of student activities during the learning process indicated active engagement and participation, reinforcing the model’s adaptability to different conceptual challenges.
Effectiveness analyses demonstrated significant improvements in students’ scientific reasoning, with pre-test scores rising from approximately 37-55 to 73-82 and N-Gain values ranging from .56 to .65, indicating moderate progress. Despite no significant differences between classes, the uniform positive student responses (98-100%) across various engagement categories affirm the model’s cognitive and affective effectiveness. The DaBeLCy model’s design, rooted in established learning theories and addressing limitations of previous models, emphasizes data analysis and interpretation, thereby enhancing students’ scientific reasoning capabilities.
Discussion
The DaBeLCy model, developed through a rigorous research and development process, demonstrates significant potential for enhancing scientific reasoning among undergraduate students by integrating data literacy into inquiry-based learning. This model addresses gaps in existing instructional frameworks, such as the 5E and 7E models, by explicitly incorporating data analysis and interpretation as core components of the learning cycle. The findings indicate that the DaBeLCy model not only fosters critical thinking and evidence-based reasoning but also enhances students’ abilities in key scientific reasoning indicators, including Proportional Thinking (PPT), Control of Variables (CV), and Hypothetical-Deductive Reasoning (HDR).
Validation results reveal that the DaBeLCy model and its instructional tools possess high content and construct validity, with expert evaluations indicating strong reliability. The model’s practicality is evidenced by successful implementation across various physics topics, achieving high scores in both the learning process and student engagement. Furthermore, the model’s effectiveness is supported by significant improvements in students’ scientific reasoning skills, as reflected in pre-test and post-test assessments. Overall, the DaBeLCy model represents a comprehensive and theoretically grounded approach to science education, emphasizing the critical role of data literacy in developing robust scientific reasoning capabilities. Further testing across diverse educational contexts is recommended to evaluate its scalability and adaptability.
Limitations
The limitations of previous learning models, particularly inquiry-based frameworks like the 5E Learning Cycle, highlight their qualitative and text-centric nature, which often overlooks the essential training in data handling and interpretation. Recent studies indicate that even enhanced models, such as the 7E framework, yield inconsistent improvements in evidence-based reasoning due to their lack of quantitative inquiry integration. In contrast, the DaBeLCy model addresses this gap by embedding structured data literacy throughout its phases—data perception, generation, elaboration, and reflection—thus advancing from conceptual exploration to empirical reasoning, a significant shift in science pedagogy.
However, the implementation of data-driven learning faces several challenges. Teachers often lack the necessary skills in data analysis and visualization, which hinders classroom adoption. Additionally, varying levels of students’ quantitative readiness can lead to disparities in engagement and achievement. Infrastructure limitations, such as inadequate digital tools and laboratory access, further restrict authentic data inquiry experiences. Curricular and assessment practices that prioritize factual recall over evidence-based reasoning create systemic barriers to the integration of models like DaBeLCy. Moreover, ethical concerns regarding data accuracy and reproducibility present additional complexities in modern education. The study itself has limitations, including a restricted sample size and design that may affect the generalizability and causal inference of the findings. Future research should adopt more robust methodologies and consider contextual variables to better understand the efficacy and adaptability of the DaBeLCy model across diverse educational settings.