2024 ORTAOKUL MATEMATİK ÖĞRETİM PROGRAMININ İSTATİSTİK OKURYAZARLIĞI BİLEŞENLERİ PERSPEKTİFİNDEN DEĞERLENDİRİLMESİ

Yıl 2025, Cilt: 6 Sayı: 2, 280 - 298, 28.12.2025

Mutlu Pişkin Tunç , Velican Ata

https://doi.org/10.69643/kaped.1738149

Öz

Bu çalışma, 2024 yılında yürürlüğe giren Türkiye Yüzyılı Maarif Modeli kapsamında ortaokul matematik dersi öğretim programında yer alan “İstatistiksel Araştırma Süreci” ve “Veriden Olasılığa” temalarını, istatistik okuryazarlığı bileşenleri ve düzeyleri çerçevesinde incelemeyi amaçlamaktadır. Doküman incelemesi yöntemiyle, 5-8. sınıf öğrenme çıktıları ve süreç bileşenleri “soru oluşturma”, “veri toplama”, “veri analizi” ve “veri yorumlama” bileşenleri temel alınarak sınıflandırılmıştır. Elde edilen veriler, frekans ve yüzde dağılımları ile tablolaştırılmış ve betimsel analiz yöntemiyle yorumlanmıştır. Bulgular, en fazla öğrenme çıktısı ve süreç bileşeninin 7. sınıf düzeyinde yer aldığını, tüm sınıf düzeylerinde ise en sık karşılaşılan bileşenin “veri yorumlama” olduğunu göstermektedir. Ayrıca, üst sınıf düzeylerinde C düzeyi öğrenme çıktılarının daha yaygın olduğu, alt sınıflarda ise B düzeyine ağırlık verildiği tespit edilmiştir. Bu sonuçlar, öğretim programının öğrencilerin istatistiksel düşünme ve yorumlama becerilerini kademeli olarak geliştirmeyi hedeflediğini ortaya koymaktadır. Çalışma, yeni programın istatistik okuryazarlığı açısından sistematik bir değerlendirmesini sunarak, program geliştirme çalışmalarına ve öğretim uygulamalarına yönelik somut veriler sağlamaktadır.

Anahtar Kelimeler

İstatistik okuryazarlığı , Öğretim Programı , Türkiye Yüzyılı Maarif Modeli

AN EVALUATION OF THE 2024 MIDDLE SCHOOL MATHEMATICS CURRICULUM FROM THE PERSPECTIVE OF STATISTICAL LITERACY COMPONENTS

Öz

This study aimed to examine the themes of “Statistical Research Process” and “From Data to Probability” within the 2024 updated middle school mathematics curriculum under the Türkiye Century Education Model, through the lens of statistical literacy components. Using the document analysis method, the learning outcomes and process components for grades 5-8 were classified into the following components: “formulating a question”, “collecting data”, “analysing data”, and “interpreting data”. The collected data were organized using frequency and percentage distributions and interpreted through descriptive analysis. The findings indicated that the highest number of learning outcomes appears in the 7th grade. Across all grade levels, the most frequently emphasized component was “interpreting data.” Additionally, it was found that Level C outcomes were more prevalent in upper grades, while Level B outcomes were more common in lower grades. These results suggested that the curriculum was designed to gradually enhance students’ statistical thinking and interpretation skills. The study provides a systematic evaluation of the new program's impact on statistical literacy, offering concrete data for program development and teaching practices.

Anahtar Kelimeler

Statistical literacy , Curriculum , Türkiye Century Education Model

Kaynakça

• Açıkyıldız, G., & Şahin, K. N. (2025). Ortaokul Matematik Dersi Öğretim Programlarının İstatistik Öğrenme Alanı Açısından Karşılaştırılması. Batı Anadolu Eğitim Bilimleri Dergisi, 16(1), 1940-1967. https://doi.org/10.51460/baebd.1670525
• Altunışık, R., Boz, H., Gegez, A. E., Koç, E., Sığrı, Ü., Yıldız, E., & Yüksel, A. (2023). Sosyal bilimlerde araştırma yöntemleri: Yeni perspektifler (2. Baskı). Seçkin Yayıncılık.
• Bargagliotti, A. (2020). Pre-K-12 guidelines for assessment and instruction in statistics education II (GAISE II). American Statistical Association. https://www.amstat.org/asa/files/pdfs/GAISE/GAISEIIPreK-12_Full.pdf
• Batur, A., Özmen, Z. M., Topan, B., Akoğlu, K., & Güven, B. (2021). A cross-national comparison of statistics curricula. Turkish Journal of Computer and Mathematics Education (TURCOMAT), 12(1), 290-319. https://doi.org/10.16949/turkbilmat.793285
• Ben-Zvi, D., & Garfield, J. (2004). Statistical literacy, reasoning, and thinking: Goals, definitions, and challenges. In D. Ben-Zvi & J. Garfield (Eds.), The challenge of developing statistical literacy, reasoning and thinking, (pp. 3-15). Kluwer Academic.
• Carver, R., Everson, M., Gabrosek, J., Horton, N., Lock, R., Mocko, M., Rossman, A., Roswell, G. H., Velleman, P., Witmer, J., vd., (2016). Guidelines for assessment and instruction in statistics education: College report 2016. American Statistical Association. https://commons.erau.edu/publication/1083/
• Franklin, C., & Bargagliotti, A. (2020). Introducing GAISE II: A guideline for precollege statistics and data science education. Harvard Data Science Review, 2(4), 1-9. https://doi.org/10.1162/99608f92.246107bb
• Franklin, C., Kader, G., Mewborn, D., Moreno, J., Peck, R., Perry, M., & Scheaffer, R. (2007). Guidelines for assessment and instruction in statistics education (GAISE) report: A Pre-K–12 curriculum framework. American Statistical Association. https://www.amstat.org/asa/files/pdfs/gaise/gaiseprek-12_full.pdf
• Gafny, R., Dvir, M., & Ben-Zvi, D. (2025). Novices’ reasoning with big data and data-ing through the lens of uncertainty. ZDM–Mathematics Education, 57(1), 137-152. https://doi.org/10.1007/s11858-024-01646-z
• Gal, I. (2002a). Adults’ statistical literacy: Meanings, components, responsibilities. International Statistical Review, 70(1), 1-25. https://doi.org/10.1111/j.1751-5823.2002.tb00336.x
• Gal, I. (2002b). Dispositional aspects of coping with interpretive numeracy tasks. Literacy and Numeracy Studies, 11(2), 47-61. https://search.informit.org/doi/pdf/10.3316/ielapa.200300275
• Gal, I. (2004). Statistical literacy: Meanings, components, responsibilities. In The challenge of developing statistical literacy, reasoning and thinking (pp. 47-78). Springer Netherlands.
• Gil, E., & Gibbs, A. L. (2017). Promoting modeling and covariational reasoning among secondary school students in the context of big data. Statistics Education Research Journal, 16(2), 163-190. https://doi.org/10.52041/serj.v16i2.189
• Hassad, R.A. (2009). Reform-oriented teaching of introductory statistics in the health, social and behavioral sciences: historical context and rationale. International Journal of Social Sciences 4(2), 132–137. https://arxiv.org/pdf/1007.3207
• İlhan, A., & Aslaner, R. (2019). 2005’ten 2018’e Ortaokul Matematik Dersi Öğretim Programlarının Değerlendirilmesi. Pamukkale Üniversitesi Eğitim Fakültesi Dergisi, 46(46), 394-415. https://doi.org/10.9779/pauefd.452646
• Miles, M. B., & Huberman, A. M. (1994). Qualitative data analysis: An expanded sourcebook (2nd ed). Sage Publications Inc.
• Millî Eğitim Bakanlığı [MEB]. (2005). İlköğretim matematik dersi 6-8. sınıflar öğretim programı. Millî Eğitim Bakanlığı.
• Millî Eğitim Bakanlığı [MEB]. (2013). Ortaokul matematik dersi öğretim programı 5-8. sınıflar: Öğretim programı ve kılavuzu. Millî Eğitim Bakanlığı.
• Millî Eğitim Bakanlığı [MEB]. (2018). Matematik dersi öğretim programı ilkokul ve ortaokul 1, 2, 3, 4, 5, 6, 7 ve 8. sınıflar: Öğretim programı ve kılavuzu. Millî Eğitim Bakanlığı.
• Millî Eğitim Bakanlığı [MEB]. (2024). Ortaokul matematik dersi öğretim programı 5, 6, 7 ve 8. sınıflar: Türkiye yüzyılı maarif modeli. Millî Eğitim Bakanlığı.
• Özmen, Z. M., & Baki, A. (2019). Examining the 5-8 th grade mathematics curriculum in terms of statistical literacy. Necatibey Eğitim Fakültesi Elektronik Fen ve Matematik Eğitimi Dergisi, 13(2), 1063-1082. https://doi.org/10.17522/balikesirnef.603569
• Rumsey, D. J. (2002). Statistical literacy as a goal for introductory statistics courses. Journal of Statistics Education, 10(3). https://doi.org/10.1080/10691898.2002.11910678
• Sharma, S. (2017). Definitions and models of statistical literacy: a literature review. Open Review of Educational Research, 4(1), 118-133. https://doi.org/10.1080/23265507.2017.1354313
• Wallman, K. K. (1993). Enhancing statistical literacy: Enriching our society. Journal of the American Statistical Association, 88(421), 1-8. https://doi.org/10.1080/10691898.2002.11910676
• Wild, C. J., & Pfannkuch, M. (1999). Statistical thinking in empirical enquiry. International Statistical Review, 67(3), 223-248. https://doi.org/10.1111/j.1751-5823.1999.tb00442.x
• Yıldırım, A., & Şimşek, H. (2021). Sosyal bilimlerde nitel araştırma yöntemleri (12. Baskı). Seçkin Yayıncılık.
• Zieffler, A., Garfield, J., DelMas, R., & Reading, C. (2008). A framework to support research on informal inferential reasoning. Statistics Education Research Journal, 7(2), 40-58. https://doi.org/10.52041/serj.v7i2.469