KaydedilenlerDerginizi ekleyin

Dergiler / Necatibey Eğitim Fakültesi Elektronik Fen ve Matematik Eğitimi Dergisi / 2020 / Cilt: 14 - Sayı: 1

Türkiye'nin PISA 2015 Fen Başarısının ve İlişkili Değişkenlerin Hiyerarşik Doğrusal Modelleme İle İncelenmesi

Investigation of Turkey's PISA 2015 Science Achievement and Associated Variables Using Hierarchical Linear Modeling

Mustafa YILDIZ
Eda ERDAŞ KARTAL
Günkut MESCİ
Sayfa
450–480
Yayın Tarihi
2020-06-30
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bulgular, öğrencilerin fen başarısı ile demografik özellikleri arasındaki ilişkinin, fen başarısının duyuşsal alan ve öğrenme ortamı ile arasındaki ilişkiden daha güçlü olduğunu ortaya koymuştur.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmanın amacı, PISA 2015'in Türkiye'deki lise öğrencilerinin fen başarısına ilişkin değişkenleri hiyerarşik doğrusal modelleme (HLM) yaklaşımı kullanarak araştırmaktır.
📊
Temel Bulgular & Veri:Bulgular, öğrencilerin fen başarısı ile demografik özellikleri arasındaki ilişkinin, fen başarısının duyuşsal alan ve öğrenme ortamı ile arasındaki ilişkiden daha güçlü olduğunu ortaya koymuştur.
💡
Sonuç & Katkı:Bu bulgulara dayanarak, öğrencilerin fen başarısını geliştirmenin, başarıyı etkileyen değişkenleri dikkate alarak, özellikle de demografik değişkenler ve kapsayıcı okul sistemlerinin inşası bağlamında eşit fırsatlar sağlayabilen gelişmelerle mümkün olabileceği düşünülmektedir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2015 Verileri
⚙️Değişkenler:fen başarısı · PİSA · HLM

Özet

Bu çalışmanın amacı, PISA 2015'in Türkiye'deki lise öğrencilerinin fen başarısına ilişkin değişkenleri hiyerarşik doğrusal modelleme (HLM) yaklaşımı kullanarak araştırmaktır. Bulgular, öğrencilerin fen başarısı ile demografik özellikleri arasındaki ilişkinin, fen başarısının duyuşsal alan ve öğrenme ortamı ile arasındaki ilişkiden daha güçlü olduğunu ortaya koymuştur. Bu bulgulara dayanarak, öğrencilerin fen başarısını geliştirmenin, başarıyı etkileyen değişkenleri dikkate alarak, özellikle de demografik değişkenler ve kapsayıcı okul sistemlerinin inşası bağlamında eşit fırsatlar sağlayabilen gelişmelerle mümkün olabileceği düşünülmektedir.

Abstract

The purpose of this study is to investigate the variables related to science achievement of high school students in Turkey portion of PISA 2015, by using hierarchical linear modeling (HLM) approach. The findings revealed that the relationship between the science achievement and demographic characteristics of the students is stronger than the relationship between science achievement and the affective domain as well as the learning environment. Based on these findings, it is thought that improving students’ science achievement is possible by taking into account the variables that affect the success, especially with improvements that can provide equal opportunities in the context of demographic variables and the construction of inclusive school systems.

🔖

Bu Makaleye Atıf Yap

YILDIZ, M., KARTAL, E. E., MESCİ, G. (2020). Türkiye'nin PISA 2015 Fen Başarısının ve İlişkili Değişkenlerin Hiyerarşik Doğrusal Modelleme İle İncelenmesi. Necatibey Eğitim Fakültesi Elektronik Fen ve Matematik Eğitimi Dergisi, Cilt: 14 - Sayı: 1, 450–480. https://ajindex.com/articles/693730

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (12)

  1. Acar, T., & Ogretmen, T. (2012). Analysis of 2006 PISA science performance via multilevel statistical methods. Education and Science. 37(163), 178-189.
  2. Albright, J. J., & Marinova, D. M. (2010). Estimating multilevel models using SPSS, Stata, SAS, and R. Bloomington, IN: Indiana University. Akaike, H. (1987). Factor analysis and AIC. In Selected Papers of Hirotugu Akaike (pp. 371-386).
  3. Springer, New York, NY. Akkuş, N. (2008). Yaşam boyu öğrenme becerilerinin göstergesi olarak 2006 PISA sonuçlarının Türkiye açısından değerlendirilmesi [Life-long learning skills as an indicator of the PISA 2006 results in terms of assessing Turkey]. Master thesis, Hacettepe University, Ankara,
  4. Turkey. Alivernini, F., & Manganelli, S. (2015). Country, school and students factors associated with extreme levels of science literacy across 25 countries. International Journal of Science Education, 37(12), 1992-2012.
  5. Areepattamannil, S. (2014). International Note: What factors are associated with reading, mathematics, and science literacy of Indian adolescents? A multilevel examination. Journal of adolescence, 37(4), 367-372.
  6. Areepattamannil, S., Chiam, C. L., Lee, D. H., & Hong, H. (2015). Correlates of science achievement in Singapore: a multilevel exploration. In Science Education in East Asia (pp. 607-629).
  7. Springer, Cham. Aydoğdu, B. (2006). İlköğretim fen ve teknoloji dersinde bilimsel süreç becerilerini etkileyen değişkenlerin belirlenmesi [Identification of variables effecting science process skills in primary science and technology course]. Doctoral dissertation. Dokuz Eylül University, Izmir, Turkey. Bates, D., Maechler, M., Bolker, B., & Walker, S. (2015). Fitting linear mixed-effects models using lme4. Journal of Statistical Software, 67(1), 1-48.
  8. Bozdogan, H. (1987). Model selection and Akaike's information criterion (AIC): The general theory and its analytical extensions. Psychometrika, 52(3), 345-370.
  9. Buuren, S. V., & Groothuis-Oudshoorn, K. (2010). Mice: Multivariate imputation by chained equations in R. Journal of statistical software, 55(2), 1-68.
  10. Bybee, R. & McCrae, B. (2011). Scientific literacy and student attitudes: Perspectives from PISA 2006 science. International Journal of Science Education, 33(1), 7-26.
  11. Cairns, D., & Areepattamannil, S. (2017). Exploring the relations of inquiry-based teaching to science achievement and dispositions in 54 countries. Research in Science Education, 49(1), 1-23.
  12. Cohen, J., Cohen, P., West, S. G., & Aiken, L. S. (2003). Appl