PISA 2012’DE ÖĞRENCİLERİN MATEMATİK BAŞARISINI SINIFLAYAN DEĞİŞKENLERİN BELİRLENMESİ

Year 2021, , 241 - 249, 25.02.2021

Şule Ötken

https://doi.org/10.30520/tjsosci.871481

Abstract

Bu çalışmada matematik kaygısı, matematik özyeterliği, matematik özbenliği değişkenlerinin Türkiye 15 yaş öğrenci grubu öğrencilerinin matematik başarısını hangi doğruluk düzeyinde sınıflayabildiğinin belirlenmesi amaçlanmıştır. Araştırma PISA 2012 Türkiye sınavına katılan 15 yaş grubu 1499 öğrenci üzerinde yürütlmüştür. Çalışma kapsamında PISA 2012 öğrenci anketinin matematik özyeterliği, özbenliği ve matematik kaygısı alt ölçekleri kullanılmıştır. PISA’ya katılan 15 yaş grubundaki öğrencilerin matematik başarı puanları arasındaki farkları, PISA öğrenci anketindeki değişkenlere göre analiz etmek amacıyla ikili (binary) lojistik regresyon analizi kullanılmıştır. Analiz sonucunda, öğrencilerin matematik sınavında başarılı olma durumlarının kestirilmesinde matematik özyeterliği, matematik özbenliği ve matematik kaygısı değişkenlerinin anlamlı olduğu bulunmuştur.

Keywords

PISA, matematik başarısı, matematik özyeterliği, matematik özbenliği, matematik kaygısı

References

• Agresti, A. (1996). An introduction to categorical data analysis. USA: John Wiley and Sons, Inc.
• Anıl, D. (2009) Uluslararası öğrenci başarılarını değerlendirme programı (pısa)’nda türkiye’deki öğrencilerin fen bilimleri başarılarını etkileyen faktörler. Eğitim ve Bilim 34(152).
• Bandura, A. (1999). Self-efficacy in changing societies. New York, USA: Cambrıdge Unıversıty Press.
• Bindak, R. ve Dursun, Ş. (2011). İlköğretim II. kademe öğrencilerinin matematik kaygılarının incelenmesi. Cumhuriyet Üniversitesi Sosyal Bilimler Dergisi. 35-1.
• Bircan, H. (2004). Lojistik regresyon analizi: tıp verileri üzerine bir uygulama. Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 2, 185-208.
• Büyüköztürk, Ş. (2006). Sosyal bilimler için veri analizi el kitabı: istatistik, araştırma deseni, SPSS uygulamaları ve yorum. Ankara: PegemA Yayıncılık.
• Büyüköztürk, Ş. , Kılıç Çakmak, E., Akgün, Ö. E., Karadeniz, Ş. ve Demirel, F. (2008). Bilimsel araştırma yöntemleri. Ankara: Pegem Akademi Yayınları.
• Çokluk, Ö. (2010). Lojistik regresyon analizi: kuram ve uygulama. Kuram ve Uygulamada Eğitim Bilimleri 10 (3).
• Elhan, A. H.(1997). Lojistik regresyon analizinin incelenmesi ve tıpta bir uygulaması, biyoistatistik yükseklisans tezi. A.Ü.4-29.
• ERG (2014). Türkiye PISA 2012 analizi: matematikte öğrenci motivasyonu, özyeterlik , kaygı ve başarısızlık algısı. Erişim: 09 Mayıs 2015, http://erg.sabanciuniv.edu/sites/erg.sabanciuniv.edu/files/PISA_2012_Paketi_Ogrenci_Analizi.Motivasyon.pdf
• Field, A. (2009). Discovering statistics using SPSS. London: Sage.
• Mertler, C. A., & Vannatta, R. A. (2005). Advanced and multivariate statistical methods: Practical application and interpretation. Glendale, CA: Pyrczak Publishing.
• NCES, (2013). Performance of U.S. 15-year-old students in mathematics, science, and reading literacy in an ınternational context. first look at PISA 2012. Washington.
• OECD (2013a). PISA 2012 assessment and analytical framework mathematics, reading, science, problem solving and financial literacy. Paris, 2013.
• OECD (2013b). PISA 2012 Results in Focus: What 15-year-olds know and what they can do with what they know. Paris, 2013.
• OECD (2013c). PISA 2012 technical report. Paris, 2013.
• OECD (2013d). PISA 2012 results: ready to learn students’ engagement, drıve and self-belıefs (Volume III). Paris, 2013.
• Özdamar, K. (1997). Paket programlar ile istatistiksel veri analizi. Eskişehir: Anadolu Üniversitesi Yayını.
• Özgen, K. ve Bindak, R. (2011). Lise öğrencilerinin matematik okuryazarlığına yönelik öz-yeterlik inançlarının belirlenmesi. Kuram ve Uygulamada Eğitim Bilimleri, 11(2).
• Peker, M. & Mirasyedioğlu, Ş. (2003). Lise 2. sınıf öğrencilerinin matematik dersine yönelik tutumları ve başarıları arasındaki ilişki. Pamukkale Üniversitesi Eğitim Fakültesi Dergisi. 2-14
• Siegel, D. ve Mccoach, D.B. (2007). Increasing student mathematics self-efficacy through teacher training. Journal of Advanced Academics, 18, 278–312.
• Tabachnick, B. G., Fidell, L. S. (2001). Using multivariate statistics. New York, USA: HarperCollins College Publishers.