Page 14 - IDEA Studie 03 2019 Zatizeni domacimi ukoly

Zdroj: Vlastní výpočty na datech TIMSS 2007
Graf 2a, b – Vztah četnosti zadávání úkolů a jejich průměrné délky podle zemí
4. třída
100 100 80
8. třída
HUN
SAU
SVN
OMN
CZE
KWT LTU GEO EGY RUS MNG
BHR QAT ARM UKR MLT
PSE
AUS
ISR JOR GHA TUN ROM
SLV
COL
IRN
THA MYS NOR TUR SCO
HKG ITA BWA ENG TWN
SWE
LBN BGR BIH
USA
SGP
JPN
SCG
KOR
SVN GEOLVA
UKR RUS LTU MNG
YEM ARM
KWT HUN HKG AUT
SVK DEU
TWN
MAR QAT JPN
SLV
COL
TUN
IRN
CZE NOR DNK
USA NZL AUS
ITA
SGP
SWE
SCO
ENG
NLD
60
40
80
60
20 40
10 20 30 40 50 10 20 30 40 50 Počet minut strávených domácím úkolem Počet minut strávených domácím úkolem
Zdroj: Vlastní výpočty na datech TIMSS 2007
Evropa mimoevropské země Česká republika regresní přímka
Evropa mimoevropské země Česká republika regresní přímka
Domácí úkoly podle charakteristik školy, učitelů a žáků
Předchozí analýza odhalila značné rozdíly v časovém zatížení DÚ jak mezi zeměmi, tak mezi školami uvnitř zemí. Je tedy na místě otázka, nakolik zatížení DÚ koreluje s charakteristikami škol, tříd, učitelů a žáků. Jinými slovy – do jaké míry se dají pozorované rozdíly v zatížení DÚ vysvětlit rozdíly mezi žáky, učiteli a školami. Zaměřujeme se tedy na faktory ve třech hlavních skupinách: (a) škola a třída, (b) učitelé, (c) žáci.
V první skupině faktorů na úrovni (a) třídy a školy zkoumáme existenci rozdílů mezi matematikou a ostatními přírodovědnými předměty, rozdílů v týdenní minutové vyučovací dotaci předmětů spojených s rozdílným počtem žáků ve třídách, podíly znevýhodněných žáků ve školách (nad 25 %) a s velikostí obcí (nad 50 tisíc). Ve druhé skupině faktorů na úrovni (b) učitele zkoumáme roli pohlaví učitele, jeho věku (pod 30, resp. nad 60 let), let praxe (méně než 2 roky, resp. více než 5 let) a využívání klasických (např. frontální výuka) a moderních výukových metod v hodinách (např. práce ve skupině, experimenty).28 Ve třetí skupině faktorů na úrovni (c) žáků zkoumáme roli pohlaví žáka a úroveň vzdělání rodičů.
Zajímá nás, jakým rozdílům v četnosti a v průměrné době vypracování zadaných DÚ daný faktor odpovídá.29 Rozdíly odpovídající jednotlivým faktorům identifikujeme pomocí regresní analýzy. Identifikované rozdíly nepředstavují kauzální vztah, ale pouze statistické asociace.
28 U charakteristik učitele porovnáváme nejvzdálenější hodnoty (např. pod 30 let a nad 60 let), protože u těchto kategorií vidíme největší rozdíly. Výsledky u prostředních kategorií leží vždy mezi zobrazenými výsledky. Pro vyučovací metody, kompletní definice klasických a moderních výukových metod je uvedena v Tabulce A1 . Učitelé vyučují typicky oběma metodami, jak klasickými, tak moderními. Liší se ale v poměru, jak často dané metody využívají. V grafu zvýšení jednoho typu metod není kompenzováno snížením druhého typu metod, ale je to na úkor ostatních činností (psaní testů, opravování úkolů apod.).
29 Výsledky z regresních rovnic jsou v přílohách uvedeny také ve formě tabulek (Tabulka A4). K odhadu je využito zdánlivě nesouvisejících regresí (angl. seemingly unrelated regressions – SUR). Tento přístup má tu výhodu, že lze zohlednit vliv dalších pozorovaných charakteristik. Například když se díváme, zda existuje vztah mezi věkem učitele a zatížením DÚ, jsou roky praxe a vyučovaný předmět zafixovány. Regresní rovnice pro všechny zúčastněné země jsou odhadovány metodou tzv. fixních efektů na úrovni zemí a každá země má v odhadu koeficientu stejnou váhu.
12
Procento hodin
Procento hodin
C
K J SC A
E
S OM L S U
H B
S TW B
S Q M C H B
RO K
I B J N
P G
S L A T
G M
M E T U T C R
S