Öğrencilerin TIMSS 2019 Yeterlik Sınıflamasında Çeşitli Değişkenler Açısından Sınıflama Geçerliğinin İncelenmesi

Year 2024, , 57 - 76, 31.10.2024

Esra Oyar

https://doi.org/10.33709/ictimaiyat.1515877

Abstract

Bu çalışmada, TIMSS 2019 uygulamasına katılan 4. sınıf öğrencilerinin matematik ve fen bilimleri alanlarındaki verileri kullanılarak öğrencilerin yeterlik sınıflandırmasına etki eden değişkenlerin belirlenmesi amaçlanmıştır. Bu amaçla okula aidiyet, zorbalık, öğrenme için ev kaynakları, bilgisayar kullanımı için öz yeterlik, Matematik derslerinde düzensiz davranış, Matematik/Fen öğrenmeyi sevme, Matematik/Fen'de kendine güven ve Matematik/Fen derslerinde öğretimsel netlik değişkenleri ile sınıflama geçerliğine kanıt sağlanmaya çalışılmıştır. Çalışma korelasyonel bir tasarımla yürütülmüştür. Çalışmanın örneklemi, başlangıçta uygulamaya katılan 4028 öğrenciden kayıp veri silme ve atama işlemleri sonucunda kalan her iki dersteki 3887 öğrenciden oluşmaktadır. Verilerin analizinde lojistik regresyon ve diskriminant analizi kullanılmıştır. Çalışma sonucunda, öğrencilerin yeterlilik sınıfları bağımsız değişkenler olarak ele alındığında, lojistik regresyon analizinde Matematik için %41,6 ve Fen Bilimleri için %43; diskriminant analizinde ise Matematik için %42,5 ve Fen Bilimleri için %45 olarak belirlenmiştir. Çalışmadan elde edilen sonuçlar literatür ışığında tartışılmış ve hem araştırmacılara hem de uygulayıcılara yönelik öneriler sunulmuştur.

Keywords

lojistik regresyon, ayırma analizi, TIMSS 2019, Matematik ve Fen Bilimleri, yeterlik sınıflamaları

Investigation of Classification Validity in Terms of Various Variables in TIMSS 2019 International Benchmarks of Students

Abstract

In this study, it was aimed to determine the variables affecting students' proficiency classification by using the data of 4th-grade students participating in the TIMSS 2019 application in the fields of mathematics and science. For this purpose, it was tried to provide evidence for classification validity with the variables of school belonging, bullying, home resources for learning, self-efficacy for computer use, disorderly behavior in Math lessons, like learning Math/Science, confident in Math/Science and instructional clarity in Math/Science lessons. The study was conducted with a correlational design. The sample of the study consisted of 3887 students in both lessons, which remained as a result of the missing data deletion and assignment processes from 4028 students who originally participated in the application. Logistic regression and discriminant analysis were used to analyze the data. As a result of the study, it was determined that 41.6% for Mathematics and 43% for Science in logistic regression analysis and 42.5% for Mathematics and 45% for Science in discriminant analysis were correctly classified through independent variables. The results obtained from the study were discussed in the light of the literature and recommendations for both researchers and practitioners were presented.

Keywords

logistic regression, discrimination analysis, TIMSS 2019, Math and Science, international benchmarks

References

• Abdulqader, Q. M. (2015). Comparison of Discriminant Analysis and Logistic Regression Analysis: An Application on Caesarean Births and Natural Births Data. Yüzüncü Yıl Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 20 (1), 34-46.
• Akyüz, G. (2006). Investigation of The Effect of Teacher and Class Characteristics on Mathematics Achievement in Turkey and European Union Countries. Elementary Education Online, 5(2), 75-86.
• Atar, H. Y. (2012). Resim-iş öğretmenliği özel yetenek sınavlarının sınıflama doğruluğu üzerine bir çalışma. Eğitim ve Bilim, 37(163).
• Ceran, S. A. (2021). Evaluation of TIMMS 2019 and PISA 2018 science findings in Turkey perspective. In S.A . Kiray & E. Tomevska-Ilievska (Eds .), Current Studies in Educational Disciplines 2021 (pp. 78–99). ISRES Publishing
• Ayva-Yörü, F. G., Sezer-Başaran, E., & Çakan, M. (2023). Okul, Ev Ve Öğrenci Özelliklerinin 4. Sınıf Öğrencilerinin TIMSS 2019 Matematik Bilişsel Becerilerindeki Rolü. (The Role of School, Home And Student Characteristics in TIMSS 2019 Mathematics Cognitive Skills of 4th Grade Students) Mehmet Akif Ersoy Üniversitesi Eğitim Fakültesi Dergisi, (67), 197-227. https://doi.org/10.21764/maeuefd.1142768
• Berger, N., Holmes, K., & Mackenzie, E. (2023). Instructional Clarity, Classroom Disorder, and Student Achievement in Mathematics: An Exploratory Analysis of TIMSS 2019. In B. Reid-O’Connor, E. Prieto-Rodriguez, K. Holmes, & A. Hughes (Eds.), Weaving mathematics education research from all perspectives. Proceedings of the 45th annual conference of the Mathematics Education Research Group of Australasia (pp. 107–114). Newcastle: MERGA.
• Bilican-Demir, S., & Yildirim, O. (2021). Indirect effect of economic, social, and cultural status on immigrant students’ science performance through science dispositions: A multilevel analysis. Education and Urban Society, 53(3), 336-356. https://doi.org/10.1177/0013124520928602
• Büyükgöze, H., & Yakut-Özek, B. (2023). The Predictors of Students’ Like Mathematics: Confidence, Value, And Instructional Clarity –TIMSS 2019. Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi, 13(1), 623-638. https://doi.org/10.30783/nevsosbilen.1230972
• Campbell, D. X, & Fiske, D. W. (1959). Convergent and discriminant validation by the multitrait-multimethod matrix. Psychological Bulletin, 56, 81-105.
• Coşkun, B., & Karakaya-Özyer, K. (2023). The effect of student characteristics and socioeconomic status on mathematics achievement in Türkiye: Insights from TIMSS 2011-2019. International Journal of Assessment Tools in Education, 10(3), 454-481. https://doi.org/10.21449/ijate.1272517
• Crocker, L., & Algina, J. (2006). Introduction to classical and modern test theory. Wadsworth. Cronbach, L. J. & Meehl, P. E. (1955). Construct validity in psychological tests. Psychological Bulletin, 52, 281–302.
• Cureton, E. E. (1951). Validity.In E. F. Lindquist (Ed.), Educational measurement (1st ed., pp. 621-694). Washington, DC:American Council on Education.
• Çokluk, Ö., Şekercioğlu G., & Büyüköztürk, Ş., (2012). Sosyal bilimler için çok değişkenli istatistik SPPS ve LISREL uygulamaları. Ankara: Pegem Akademi.
• Doğan, N. & Barış, F. (2010). Tutum, Değer Ve Özyeterlik Değişkenlerinin TIMSS-1999 Ve TIMSS-2007 Sınavlarında Öğrencilerin Matematik Başarılarını Yordama Düzeyleri. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, 1(1), 44-50.
• Erkuş, A (2004). Geçerlik ve ölçüt dayanak değerlendirme konusunda yeni bir kavramlaştırma önerisi. Eğitim Araştırmaları Dergisi, 16, 113-117.
• Geesa, R. L., Izci, B., Song, H., & Chen, S. (2019). Exploring Factors of Home Resources and Attitudes towards Mathematics in Mathematics Achievement in South Korea, Turkey, and the United States. EURASIA Journal of Mathematics, Science and Technology Education, 15(9), 1-18. https://doi.org/10.29333/ejmste/108487
• Güzeller, C. & Kelecioğlu, H. (2006). Ortaöğretim Kurumları Öğrenci Seçme Sınavının Sınıflama Geçerliği Üzerine Bir Çalışma. H.Ü. Eğitim Fakültesi Dergisi 30, 140-148.
• Karabay, E., Yıldırım, A., & Güler, G. (2015). Yıllara göre PISA matematik okuryazarlığının öğrenci ve okul özellikleri ile ilişkisinin aşamalı doğrusal modeller ile analizi. Mehmet Akif Ersoy Üniversitesi Eğitim Fakültesi Dergisi, 1(36), 137-151.
• Karali, Y., Varol-Palancioglu, Ö., & Aydemir, H. (2022). Examining the Factors Affecting Turkey's 4th Grade Mathematics Achievement According to TIMSS 2019 Final Report. International Journal of Curriculum and Instruction, 14(1), 424-454.
• Karasar, N. (2014). Bilimsel Araştırma Yöntemi. Ankara: Nobel.
• Kan, A. (2004). ÖSS’nin Sınıflama Geçerliği Üzerine Bir Çalışma. İnönü Üniversitesi Eğitim Fakültesi Dergisi,5(8).
• Kane, M.T. (2001). Current concerns in validity theory, Journal of Educational Measurement, 38(4), 319-342.
• Ladd, G. W., & Dinella, L. M. (2009). Continuity and change in early school engagement: Predictive of children's achievement trajectories from first to eighth grade?. Journal of Educational Psychology, 101(1), 190-206. https://doi.org/10.1037/a0013153
• Messick, S. (1995). Validity of psychological assessment: Validation of inferences from persons’ responses and performances as scientific inquiry into score meaning. American Psychologist, 50, 741-749.
• Murphy, R. K. ve Davidshofer, O. C. (2005). Psychological Testing: Principles and Application Sixth Edition. New Jersey: Prentice-Hall.
• Özer, Y., & Anıl, D. (2011). Öğrencilerin fen ve matematik başarilarini etkileyen faktörlerin yapisal eşitlik modeli ile incelenmesi. Hacettepe Üniversitesi Eğitim Fakültesi Dergisi, 41(41), 313-324.
• Saral, D. G. (2012). A study upon classification validity of decisions taken with regard to norm and criterion. Master's thesis, Hacettepe University: Ankara
• Sarı, M. H., Arıkan, S. ve Yıldızlı, H. (2017). Factors predicting mathematics achievement of 8th graders in TIMSS 2015. Journal of Measurement and Evaluation in Education and Psychology, 8(3), 246-265. https://doi.org/10.21031/epod.303689
• Schmidt, F. L. (2012). Cognitive tests used in selection can have content validity as well as criterion validity: A broader research review and implications for practice. International Journal of Selection and Assessment, 20(1), 1-13. https://doi.org/10.1111/j.1468-2389.2012.00573.x
• Şahin, M. G., Çelik, Ö. C., & Yıldırım, Y. (2022). The relationships between teacher and student qualities in TIMSS 2019: A path analysis model. Psycho-Educational Research Reviews 11(3), 443-461. https://doi.org/10.52963/perr_biruni_v11.n3.04
• Şevgin, H., & Eranıl, A. K. (2023). Investigation of Turkish Students' School Engagement through Random Forest Methods Applied to TIMSS 2019: A Problem of School Psychology. International Journal of Psychology and Educational Studies, 10(4), 896-909. https://doi.org/10.52380/ijpes.2023.10.4.1260
• Tabachnick, B. G., & Fidell, L.S. (2013). Multivariate statistics. New Jersey: Pearson Education. Taşdemir, F. (2015). A Study for developing a success test: examination of validity and classification accuracy by ROC analysis. Procedia-Social and Behavioral Sciences, 191, 110-114. https://doi.org/10.1016/j.sbspro.2015.04.473
• Tayyar, N. (2010). Predicting Customer Satisfaction by Comparing Performances of Artificial Neural Networks, Logistic Regression and Discriminant Analysis. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 15(1), 339-355.
• Tekin H. (1977). Eğitimde Ölçme ve Değerlendirme. Ankara: Mars Matbaası.
• Upadyaya, K., & Salmela-Aro, K. (2013). Development of school engagement in association with academic success and well-being in varying social contexts. European Psychologist, 18(2), 136-147. https://doi.org/10.1027/1016-9040/a000143
• Uysal, E., & Yenilmez, K. (2011). Sekizinci sınıf öğrencilerinin matematik okuryazarlığı düzeyi. (The Mathematics Literacy Level of Eighth Grade Students). Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 12(2), 1-15.
• Yavuz, H. Ç., Demirtaşlı, R. N., Yalçın, S. & İlgün Dibek, M. (2017). The Effects of Student and Teacher Level Variables on TIMSS 2007 and 2011 Mathematics Achievement of Turkish Students. Eğitim ve Bilim, 42(189), 27-47. http://dx.doi.org/10.15390/EB.2017.6885
• Yin, L., & Fishbein, B. (2019). Creating and interpreting the TIMSS 2019 context questionnaire scales. Methods and procedures: TIMSS, 16(1), 1-331.