Page 17 - IDEA Studie 03 2019 Zatizeni domacimi ukoly

škola
učitel
žák
vzdělání matky (zvýšení o jeden stupeň vzdělání)
škola
učitel
žák
Četnost zadávání úkolů Délka zadaného úkolu Četnost zadávání úkolů Délka zadaného úkolu
Poznámky: Graf zobrazuje koeficienty z regresních rovnic, jejichž plná verze je v Tabulce A4. Každá proměnná udává, jak se liší četnost zadávání DÚ (horní osa) a délka zadaného úkolu (spodní osa). Vlastní výpočty z dat TIMSS 2007.
Graf 4 – Rozdíly v zatížení domácími úkoly podle charakteristik škol, učitelů a žáků (8. třídy)
PANEL A
Svět – 8. třídy
Rozdíl v procentních bodech
PANEL B ČR – 8. třídy
Rozdíl v procentních bodech
-40 -30 -20 -10 0 10 20 -40 -30 -20 -10 0 10 20
přírodovědné předměty vs. Matematika
časová dotace výuky týdně (+10 min)
počet žáků ve třídě (+1) město nad 50 tisíc.
vs. pod 50 tisíc znevýhodněných žáků
ve škole (> 25% vs. < 25%) Gymnázium
vs. ostatní ZŠ učitelka-žena
vs. učitel-muž věk (kategorie 25–29
vs. 50–59 let) zkušenosti
(<2 vs. >5 let)
klasické vyuč. metody (+10 pb) moderní vyuč. metody (+10 pb)
chlapec vs. dívka vzdělání matky (zvýšení
přírodovědné předměty vs. Matematika
časová dotace výuky týdně (+10 min)
počet žáků ve třídě (+1) město nad 50 tisíc.
vs. pod 50 tisíc znevýhodněných žáků
ve škole (> 25% vs. < 25%) učitelka-žena
vs. učitel-muž věk (kategorie 25–29
vs. 50–59 let) zkušenosti
(<2 vs. >5 let) klasické vyuč. metody
(+10 pb) moderní vyuč. metody
(+10 pb)
chlapec vs. dívka
Rozdíl v počtu minut Rozdíl v počtu minut
Četnost zadávání úkolů Délka zadaného úkolu Četnost zadávání úkolů Délka zadaného úkolu
Poznámky: Graf zobrazuje koeficienty z regresních rovnic, jejichž plná verze je v Tabulce A4. Každá proměnná udává, jak se liší četnost zadávání DÚ (horní osa) a délka zadaného úkolu (spodní osa). Vlastní výpočty z dat TIMSS 2007.
Vzato dohromady, výsledky ukazují, že osoba učitele je o něco důležitější než rodinné prostředí žáka. Je však třeba zmínit, že charakteristiky učitelů mohou korelovat i s typem tříd a škol, ve kterých učitel učí, takže vliv prostředí nelze vyloučit. Vzhledem k velikosti koeficientů lze výsledky interpretovat i tak, že mezi časem stráveným nad zadanými DÚ a pozorovanými charakteristikami školy, učitele a žáka není silný vztah.31
Domácí úkoly a výsledky v testu TIMSS
V neposlední řadě analyzujeme vztah (nekauzální) mezi zatížením DÚ a výsledky v testech matematické a přírodovědné gramotnosti žáků, jak jsou realizovány v rámci projektu TIMSS. Ani tato část nemá za cíl odhalit kauzální dopad dopady DÚ na test skóre, protože data jeho identifikaci neumožňují.32 Jde nám především i o ilustraci toho, jak hodně se mění velikost a znaménko odhadnutého vztahu mezi zátěží DÚ a test skóre, když měníme předpoklady, respektive když postupně zohledňujeme více faktorů, které mohou vztah spoluovlivňovat.
31 Podíváme-li se blíže na výsledky, tak všechny proměnné vysvětlují zhruba 15 % variace u četnosti zadávání a 3 % u délky DÚ (R2). Vyšší hodnota R2 u regresí světa v Tabulce A4  je způsobena především fixními efekty. Není překvapivé, že proměnné u délky úkolů vysvětlují menší část variace, protože zde záleží hlavně na rychlosti vypracování žákem. Nízké procento vysvětlené variace může naznačovat jak nízkou vysvětlovací schopnost využitých proměnných, tak i případné chyby v měření proměnných, a to především proměnných reprezentující domácí úkoly.
32 Zjištění kauzálního vztahu je extrémně metodologicky složité a zpravidla nemožné. Pro netechnické shrnutí empirických identifikačních strategií čtenáře odkazujeme na Schlotter a kol. (2011).
o jeden stupeň vzdělání)
-8 -6 -4 -2 0 2 4 -8 -6 -4 -2 0 2 4
15