DOI: https://doi.org/10.52041/serj.v24i1.587
تاريخ النشر: 2025-01-30
المؤلف: Anelise Sabbag وآخرون
الموضوع الرئيسي: تعليم الإحصاء والمنهجيات
نظرة عامة
يتناول قسم ورقة البحث تطوير وتقييم أداة REALI، التي تهدف إلى تقييم الكفاءة الإحصائية والتفكير الإحصائي بين طلاب الإحصاء التمهيدي. قام المؤلفون بإجراء تحليل قياس للدرجات الفرعية المتعلقة بالكفاءة الإحصائية والتفكير الإحصائي لتحديد موثوقيتها وتميزها. باستخدام إطار نظرية استجابة العناصر متعددة الأبعاد، تكشف النتائج أن الدرجات الفرعية للكفاءة الإحصائية والتفكير الإحصائي لا تقدم رؤى إضافية تتجاوز درجة معرفة إحصائية عامة واحدة، مما يشير إلى أن هذين البناءين قد يكونان غير متميزين عن بعضهما البعض. يثير هذا تداعيات مهمة لتعليم وتقييم المفاهيم الإحصائية في البيئات التعليمية.
مقدمة
تسلط مقدمة ورقة البحث الضوء على تحول في دورات الإحصاء التمهيدي نحو تعزيز فهم الطلاب وتفكيرهم بدلاً من التركيز فقط على الحسابات والإجراءات. يتم توجيه هذا التغيير التربوي بواسطة إرشادات التقييم والتعليم في تعليم الإحصاء (GAISE) تقرير الكلية، الذي يحدد التوصيات لتعليم الإحصاء على المستوى الجامعي. إحدى التوصيات الرئيسية من التقرير هي “تعليم التفكير الإحصائي”، وهو مفهوم يُعرف بأنه التفكير الذي يستخدمه الإحصائيون عند معالجة المشكلات الإحصائية. يتم إبلاغ هذا التعريف من خلال الأعمال السابقة حول التفكير الإحصائي، مما يبرز أهمية فهم العمليات الأساسية المعنية في “ممارسة الإحصاء”.
بينما يعترف تقرير GAISE College بأهمية الكفاءة الإحصائية والتفكير الإحصائي كنتائج أساسية للطلاب، فإنه يشير إلى عدم وجود توافق بشأن تصوّر هذه البناءات. على الرغم من الأهمية المعترف بها لتطوير الكفاءة الإحصائية والتفكير الإحصائي، فإن الأبحاث التجريبية التي تؤكد العلاقة بين هذه البناءات محدودة. تهدف الدراسة الحالية إلى معالجة هذه الفجوة من خلال إجراء تحليل نفسي للردود الطلابية على تقييم REALI، وهي أداة مصممة لتقييم الكفاءة الإحصائية والتفكير الإحصائي، وبالتالي تعزيز فهم علاقتهما المتبادلة.
طرق
تتكون أداة REALI من 40 عنصرًا مصممة لتقييم الكفاءة الإحصائية والتفكير الإحصائي، مع تقسيم متساوي بين البناءين. تتطلب عناصر الكفاءة الإحصائية، مثل العنصر 9، من الطلاب تفسير مفاهيم إحصائية أساسية، مع التركيز على مفاهيم فردية دون الحاجة إلى الربط بينها. بالمقابل، تقيم عناصر التفكير الإحصائي، كما هو موضح في العنصر 18، قدرات الطلاب على التعرف على طرق أخذ العينات وفهم تداعيات تصميم الدراسة على الدقة. تتطلب هذه العناصر تفكيرًا من مستوى أعلى حيث تتضمن مفاهيم إحصائية متعددة وتتطلب من الطلاب إجراء روابط بينها.
لاستكشاف العلاقة بين الكفاءة الإحصائية والتفكير الإحصائي، سيتم تحليل بيانات الردود من أداة REALI باستخدام نماذج قياس مستمدة من أدبيات تعليم الإحصاء. يهدف هذا التحليل إلى تقديم أدلة إضافية على الصلاحية وتوجيه تفسير درجات الطلاب على أداة REALI. يتم توضيح المنهجيات والتحليلات بالتفصيل في الأقسام الفرعية اللاحقة، كما هو مرجع في ساباج وآخرون (2018).
نتائج
في قسم النتائج، توضح الدراسة عملية جمع البيانات لتقييم REALI، والتي تضمنت مرحلتين. في المرحلة الأولى، قام 23 معلمًا من 16 كلية وجامعة في الولايات المتحدة وكندا بإجراء التقييم عبر الإنترنت عبر Qualtrics، مما أسفر عن 671 مشاركًا من الطلاب. شملت المرحلة الثانية ثمانية معلمين من ست كليات وجامعات أمريكية استخدموا Survey Monkey للتقييم، مما أسفر عن 818 طالبًا إضافيًا. بلغ إجمالي العينة 1,489 طالبًا مسجلين في دورات الإحصاء التمهيدي على مستويات البكالوريوس والدراسات العليا.
كان للمعلمين حرية اختيار ما إذا كان سيتم إجراء التقييم داخل الفصل أو خارجه، مع شرط أن يكمل الطلاب التقييم بشكل مستقل. لتعزيز المشاركة والجهد، أوصى بأن يقدم المعلمون ائتمانًا أو ائتمانًا إضافيًا لإكماله. تم إجراء جميع التحليلات الإحصائية باستخدام R الإصدار 4.1.0.
مناقشة
في قسم المناقشة، يحدد البحث البناءات الخاصة بالكفاءة الإحصائية والتفكير الإحصائي، مع تسليط الضوء على تعريفاتها، وعلاقاتها المتبادلة، والفهم المتطور داخل تعليم الإحصاء. يتميز التفكير الإحصائي بنموذج اقترحه غال (2002)، والذي يتضمن المعرفة المعرفية والمواقف، مما يبرز القدرة على فهم وتقييم المعلومات الإحصائية بشكل نقدي. وقد وسعت التعريفات اللاحقة هذا المفهوم ليشمل مهارات التفكير والقدرة على تفسير الأحداث اليومية إحصائيًا. على الرغم من الأدبيات الواسعة، لا تزال هناك تناقضات في التعريفات، متأثرة بعوامل مثل المستوى التعليمي للسكان المدروسين والمتطلبات المتغيرة لمجتمع يعتمد على البيانات، والذي يتطلب الآن مهارات في الكفاءة البيانات والتفكير الحسابي.
من ناحية أخرى، تم تعريف التفكير الإحصائي بشكل أساسي في سياق البيئات التعليمية، مع التركيز على قدرات الطلاب في تفسير وربط المفاهيم الإحصائية. يشير عدم وجود توافق حول تعريفه إلى الحاجة إلى مزيد من البحث لتوضيح تطوره في السياقات التعليمية. تظل العلاقة بين الكفاءة الإحصائية والتفكير غامضة، حيث تقترح النماذج التي اقترحها ديلماس (2002) إما الاستقلال مع تداخل أو هيكل هرمي حيث تدعم الكفاءة التفكير. تهدف الورقة إلى التحقيق تجريبيًا في هذه البناءات باستخدام بيانات من أداة التفكير والكفاءة (REALI)، لتقييم ما إذا كان يمكن قياسها بشكل موثوق ككيانات متميزة أو إذا كانت متشابكة لدرجة أنها تستحق درجة واحدة. قد تُفيد النتائج في الإبلاغ عن الدرجات الفرعية لهذه البناءات، مما يساهم في فهم أعمق لعلاقتها في التقييمات التعليمية.
القيود
تقدم الدراسة التي تحقق في العلاقة بين الكفاءة الإحصائية والتفكير عدة قيود يجب الاعتراف بها عند تفسير نتائجها. أولاً، تعتمد النتائج على تعريفات الكفاءة الإحصائية والتفكير الإحصائي، بالإضافة إلى طريقة التقييم المستخدمة (REALI). نظرًا للاختلافات الموجودة في الأدبيات بشأن هذه التعريفات، قد تؤدي التقييمات البديلة إلى نتائج مختلفة. من الجدير بالذكر أن REALI هي الأداة الوحيدة المصممة حاليًا لقياس كلا البناءين في وقت واحد، مما قد يحد من إمكانية تعميم النتائج.
بالإضافة إلى ذلك، كانت مجموعة المشاركين في الدراسة تتكون فقط من طلاب من دورات الإحصاء التمهيدي، دون جمع بيانات ديموغرافية أو سياقية بخلاف ردودهم على أداة REALI. يحد هذا النقص في المعلومات من القدرة على تحليل تأثير خصائص الطلاب المختلفة على النتائج. علاوة على ذلك، قد يؤدي التوزيع غير المتساوي للمشاركين عبر 31 معلمًا، بالإضافة إلى عدم احتساب الهيكل البياني المتداخل في إطار نظرية استجابة العناصر (IRT)، إلى إدخال تحيزات إضافية. قد تسهم الطبيعة الطوعية للمشاركة والتباين في إدارة أداة REALI عبر المؤسسات أيضًا في أخطاء القياس. أخيرًا، كما أبرز ساباج وآخرون (2018)، قد يؤدي نقص التعرض السابق للمفاهيم التي تم تقييمها إلى التخمين، مما يهدد موثوقية الدرجات التي تم الحصول عليها.
DOI: https://doi.org/10.52041/serj.v24i1.587
Publication Date: 2025-01-30
Author(s): Anelise Sabbag et al.
Primary Topic: Statistics Education and Methodologies
Overview
The research paper section discusses the development and assessment of the REALI instrument, which aims to evaluate statistical literacy and reasoning among introductory statistics students. The authors conducted a measurement analysis of the subscores related to statistical literacy and reasoning to determine their reliability and distinctiveness. Utilizing a Multidimensional Item Response Theory framework, the findings reveal that the subscores for statistical literacy and reasoning do not offer additional insights beyond a singular general statistical knowledge score, suggesting that these two constructs may be indistinguishable from one another. This raises important implications for the teaching and assessment of statistical concepts in educational settings.
Introduction
The introduction of the research paper highlights a shift in introductory statistics courses towards fostering students’ understanding and reasoning rather than merely focusing on calculations and procedures. This pedagogical change is guided by the Guidelines for Assessment and Instruction in Statistics Education (GAISE) College Report, which outlines recommendations for teaching statistics at the tertiary level. A key recommendation from the report is to “teach statistical thinking,” a concept defined as the reasoning statisticians employ when addressing statistical problems. This definition is informed by earlier work on statistical thinking, emphasizing the importance of understanding the underlying processes involved in “doing statistics.”
While the GAISE College Report acknowledges the significance of statistical literacy and reasoning as essential outcomes for students, it notes a lack of consensus regarding the conceptualization of these constructs. Despite the recognized importance of developing statistical literacy and reasoning, empirical research confirming the relationship between these constructs is limited. The current study aims to address this gap by conducting a psychometric analysis of student responses on the REALI assessment, an instrument designed to evaluate statistical literacy and reasoning, thereby enhancing the understanding of their interrelationship.
Methods
The REALI instrument comprises 40 items designed to evaluate statistical literacy and reasoning, with an equal split between the two constructs. Statistical literacy items, such as Item 9, require students to interpret basic statistical concepts, focusing on single concepts without necessitating connections between them. In contrast, statistical reasoning items, exemplified by Item 18, assess students’ abilities to recognize sampling methods and understand the implications of study design on accuracy. These items demand higher-order thinking as they involve multiple statistical concepts and require students to make connections among them.
To explore the relationship between statistical literacy and reasoning, response data from the REALI instrument will be analyzed using measurement models derived from statistics education literature. This analysis aims to provide additional validity evidence and guide the interpretation of student scores on the REALI instrument. Detailed methodologies and analyses are further elaborated in subsequent subsections, as referenced in Sabbag et al. (2018).
Results
In the results section, the study details the data collection process for the REALI assessment, which involved two phases. In the first phase, 23 instructors from 16 colleges and universities in the United States and Canada administered the assessment online via Qualtrics, resulting in 671 student participants. The second phase included eight instructors from six U.S. colleges and universities who used Survey Monkey for the assessment, yielding an additional 818 students. The total sample comprised 1,489 students enrolled in introductory statistics courses at both undergraduate and graduate levels.
Instructors had the discretion to choose whether the assessment was conducted in-class or outside of class, with the stipulation that students complete the assessment independently. To enhance participation and effort, it was recommended that instructors offer credit or extra credit for completion. All statistical analyses were performed using R version 4.1.0.
Discussion
In the discussion section, the paper delineates the constructs of statistical literacy and statistical reasoning, highlighting their definitions, interrelations, and the evolving understanding within statistics education. Statistical literacy is characterized by a model proposed by Gal (2002), which includes cognitive knowledge and dispositions, emphasizing the ability to critically comprehend and evaluate statistical information. Subsequent definitions have expanded this concept to incorporate reasoning skills and the ability to interpret everyday events statistically. Despite extensive literature, inconsistencies in definitions persist, influenced by factors such as the educational level of the population studied and the changing demands of a data-driven society, which now necessitates skills in data literacy and computational thinking.
Conversely, statistical reasoning has been primarily defined in the context of educational settings, focusing on students’ abilities to interpret and connect statistical concepts. The lack of consensus on its definition suggests a need for further research to clarify its development in educational contexts. The relationship between statistical literacy and reasoning remains ambiguous, with models proposed by delMas (2002) suggesting either independence with overlap or a hierarchical structure where literacy underpins reasoning. The paper aims to empirically investigate these constructs using data from the Reasoning and Literacy Instrument (REALI), assessing whether they can be reliably measured as distinct entities or if they are so intertwined that they warrant a singular score. The findings may inform the reporting of subscores for these constructs, contributing to a deeper understanding of their relationship in educational assessments.
Limitations
The study investigating the relationship between statistical literacy and reasoning presents several limitations that must be acknowledged when interpreting its findings. Primarily, the results are contingent upon the definitions of statistical literacy and reasoning, as well as the assessment method employed (REALI). Given the existing disagreements in the literature regarding these definitions, alternative assessments could yield different outcomes. It is noteworthy that REALI is currently the only tool designed to measure both constructs concurrently, which may limit the generalizability of the findings.
Additionally, the study’s participant pool consisted solely of students from introductory statistics courses, with no demographic or contextual data collected beyond their responses to the REALI instrument. This lack of information restricts the ability to analyze the influence of various student characteristics on the results. Furthermore, the uneven distribution of participants across 31 instructors, coupled with the nested data structure not being accounted for in the Item Response Theory (IRT) framework, may introduce additional biases. The voluntary nature of participation and the variability in the administration of the REALI instrument across institutions could further contribute to measurement errors. Lastly, as highlighted by Sabbag et al. (2018), the potential lack of prior exposure to the concepts assessed may lead to guessing, thereby compromising the reliability of the scores obtained.