PROGRAMMERING I
LÄROPLANEN FÖR
MATEMATIK– HUR OCH
VARFÖR?
En kvalitativ intervjustudie med syfte att belysa F-3 lärares arbete med uppdraget att implementera programmering i matematikundervisningen för ökad digital kompetens.
JESSICA CATHERALL OCH REBECCA LIVING
Akademin för utbildning, kultur och kommunikation Pedagogik
Självständigt arbete – pedagogiskt område Grundnivå, 15 hp.
Handledare: Andreas Grahn Examinator: Andreas Ryve
Akademin för utbildning SJÄLVSTÄNDIGT ARBETE
kultur och kommunikation Kurskod: Maa037 15 hp
Termin: 8 År 2020
ABSTRACT
______________________________________________________ Rebecca Living & Jessica Catherall
Programming in the mathematics curriculum– How and why?
–A qualitative interview study with the aim of shedding light on F-3 teacher´s work with the task of implementing programming in mathematics teaching for increased digital competence
2020 Pages: 39
_______________________________________________________ The purpose of this study was to contribute to the knowledge of teachers work regarding programming as an educational tool to strengthen the school´s mission towards digital competence. To approach this issue, a qualitative
approach was adopted and interviews were conducted with a limited number of teachers in primary school, working with pupils in the lower ages. The
statements and stories from the respondents, constitutes the empirical basis of this study and has been analyzed and discussed on the basis of this study’s research background and framework theory. The results show that the informants find the new implementations relevant and challenging. The
informants use different kinds of methods, within three overall strategies, when integrate programming in the mathematics curricula. The results also show that the informants believe that programming methods contributes to the
development of skills such as strategies for problem solving, collaboration skills and evaluative thinking. We argue that the teacher´s positive views regarding programming in the curriculum has to do with the understanding of the societal development. We also argue that a more equal set of educational skills for teachers regarding how to teach programming should be an advantage for the equivalent school system.
_______________________________________________________ Keywords: Digitzation, Programming, Computational thinking, Learning, Development
Nyckelord: Digitalisering, Programmering, Datalogiskt tänkande, Lärande, Utveckling
Innehållsförteckning
1. INLEDNING ... 1 1.1 PROBLEMOMRÅDE, SYFTE OCH FORSKNINGSFRÅGOR ... 2 1.1.1 Disposition ... 2 2. BAKGRUND OCH TIDIGARE FORSKNING ... 3 2.1 BEGREPP OCH DEFINITIONER ... 3 2.2 HISTORISKT PERSPEKTIV... 4 2.3 NUTIDSPERSPEKTIV ... 5 2.4 PROGRAMMERING I LÄROPLANEN OCH MATEMATIKÄMNET ... 6 2.5 FORSKNINGSÖVERSIKT ... 6 3. TEORETISKT RAMVERK ... 83.1 MATHEMATICAL KNOWLEDGE FOR TEACHING ... 8
3.2 RAMVERKET FÖR DATALOGISKT TÄNKANDE ...10 3.3 FORSKNINGSANSATS ...11 3.4 RAMVERKENS RELEVANS FÖR STUDIEN ...12 4. METOD ...12 4.1 METODOLOGI ...12 4.2 GENOMFÖRANDE ...13 4.2.1 Innehållsanalys ... 13 4.2.2 Urval ... 13 4.2.3 Datainsamling ... 14 4.2.4 Databearbetning och analysmetod ... 15 4.3 ETISKA ÖVERVÄGANDEN...17 4.3.1 Reliabilitet, validitet och generaliserbarhet ... 17 5. RESULTAT OCH ANALYS ...18 5.1 DIGITALISERINGSTILLÄGG OCH LÄRARNAS EGNA PROGRAMMERINGSKUNSKAPER ...18 5.1.1 Läroplanen ... 18 5.1.2 Arbetet ... 19 5.2 VILKA METODER MED PROGRAMMERING I MATEMATIKUNDERVISNINGEN ARBETAR LÄRARNA MED? ....20 5.2.1 Analoga och praktiska metoder ... 21 5.2.2 Metoder med specifika redskap ... 22 5.2.3 Digitala metoder ... 23 5.3 PÅ VILKET SÄTT ÄR PROGRAMMERING I MATEMATIKÄMNET AV VÄRDE FÖR ELEVERNAS UTVECKLING OCH LÄRANDE, ENLIGT LÄRARNA?...23 5.3.1 Samarbete bidrar till lärande... 24 5.3.2 Problemlösningsförmågan främjas ... 24 5.3.3 Ett utvärderande tankesätt utvecklas... 25 5.4 RESULTATSAMMANFATTNING...26 6. DISKUSSION ...26 6.1 RESULTATDISKUSSION ...26 6.1.1 Förståelse för läroplansändringar ... 27 6.1.2 Olika metoder för programmering beroende på syfte ... 28 6.1.3 Framtidens förmågor och vardagliga erfarenheter ... 29 6.2 METODDISKUSSION ...30 6.3 SLUTSATSER OCH PEDAGOGISK RELEVANS ...31 6.4 VIDARE FORSKNING ...31 REFERENSER ...33
BILAGA 1 MISSIVBREV ...37 BILAGA 2 INTERVJUGUIDE ...38
1. Inledning
År 2017 beslutade regeringen om förstärkningar i läroplanen med syftet att belysa skolans uppdrag om att stärka elevernas digitala kompetens (Regeringskansliet, 2017). För grundskolan innebar detta att programmering infördes i samtliga ämnen men mest framträdande är programmeringsinslagen i matematik– och teknikämnet, med argumentet att programmering kan stödja matematiska resonemang (Ahmed, Nouri, Zhang och Norén, 2020, s. 1). Precis som de entreprenöriella egenskaperna i styrdokument inte enbart syftar till att skapa framtida företagare, utan även
uppmuntra till egenskaper som handlingskraft och problemlösning, syftar inte enbart programmering i läroplanen till att skapa framtida programmerare– motivet är bredare än så. Programmeringsinslaget i läroplanen syftar till att utveckla kunskaper som är nödvändiga för att kunna förstå och påverka det samhälle och den värld vi har omkring oss (Mannila, 2017, s. 12). Med en allt mer digitaliserad värld kommer ytterligare kompetenser att krävas för att bli en fungerande medborgare och på många håll lyfts programmering i diskussionen om nya moderna nyckelkompetenser såsom samarbete, logiskt tänkande, problemlösning och analytiskt tänkande.
Programming is everywhere and fundamental to the understanding of a hyper-connected world. Coding is the literacy of today and it helps practice 21st century skills such as problem solving, teamwork and analytical thinking.
(Europeiska Kommisionen, 2020)
Olteanu och Olteanu (2019, s, 69) samt Mannila (2017, s. 11) nämner också hur programmeringsundervisning i grundskolan bidrar till utveckling av förmågor som behövs för att fungera i ett digitaliserat samhälle. Författarna poängterar hur programmeringsundervisnigen i den lägre skolåldern främst ska behandlas som ett verktyg i målet mot digital kompetens och skall behandla områden som
problemlösning, logiskt och stegvist tänkande, kommunikation samt digitalt skapande och kreativitet.
Implementeringen av de nya skrivelserna var inte helt fria från kritik och kritiken handlade om hur verksamma lärare med ett redan tidspressat schema skulle hinna med ytterligare stoff i undervisningen. Dessutom pekades lärares olikartade och eventuellt bristande programmeringskunskaper ut som ett möjligt hinder för elevernas likvärdiga lärande och utveckling (Skolverket, 2018a, s. 17; Fahlén, 2017; Ahmed, Nouri, Zhang och Norén 2020, s. 1). De studier som gjordes i samband med, eller strax innan implementeringen, visade att kunskaper i programmering inte heller nödvändigtvis är detsamma som att didaktiskt kunna arbeta med programmering i undervisning (Gerestrand, 2017, s. 31; Rolandsson, 2015, s. 45).
Knappt två år har passerat sedan förverkligandet av skrivningarna gällande
programmering i läroplanen och vi har fått erfara att programmeringsundervisningen ute i verksamhet inte är pragmatisk, det vill säga programmeringen i skolan
behandlas som ett enskilt ämne utan mål. Vi noterar att
programmeringsundervisningen och dess syfte skiljer sig från skola till skola och mellan olika lärare. En möjlig orsak kan vara skiftande didaktiska kunskaper och resurser. Vi noterar samtidigt att olika lärosäten lägger olika mycket tid, om någon alls, på att integrera programmeringsdidaktik i utbildningen av framtida
grundskollärare, något som även uppmärksammats av Fahlén (2017). Precis som Olteanu och Olteanu (2019, s. 20) uppger, är det avgörande för undervisningens kvalitet att läraren har goda kunskaper om elevernas förståelse för innehållet och Cederqvist (2019, s. 1040) menar att lärare först behöver besitta ämnesdidaktiska kunskaper gällande hur eleverna förstår stoffet för att det ska vara möjligt att undervisa i programmering. För att möjliggöra en god och likvärdig undervisning inom digital kompetens är det således viktigt att läraren besitter ämneskunskaper samt kunskap om undervisningens syfte, metodik och elevprogression.
Med en eventuellt bristande didaktisk kompetens hos lärare finns risken att vissa elever förmenas en komplett förkovran i digital kompetens, vilket kan uppfattas som ett hinder för den likvärdiga skolan. Det är därför relevant med en aktuell inblick i– och att försöka utröna hur verksamma lärare arbetar med programmering i
matematikundervisningen, hur de definierar och uppfattar programmering i matematikämnet samt hur de beskriver sina didaktiska kunskaper i relation till läroplanens skrivningar gällande programmering.
1.1 Problemområde, syfte och forskningsfrågor
Det är oklart hur verksamma lärare uppfattar och implementerar de nya
skrivningarna gällande programmering i läroplanen för matematikämnet och det kan ifrågasättas huruvida de nya tilläggen i läroplanen således påverkar likvärdigheten i utbildningen.
Syftet med föreliggande studie är att belysa lärares arbete med programmering i matematikundervisningen samt att undersöka vilka olika uppfattningar gällande programmering i matematikundervisningen som speglas i fem grundskollärares uttalanden. Detta genom att bidra med kunskap om hur och med vilket syfte
grundskollärare arbetar med programmering i matematikundervisningen. För att nå syftet besvaras följande forskningsfrågor:
1. Hur resonerar lärarna om de nya tilläggen gällande programmering i läroplanen?
2. Hur och med vilka metoder arbetar lärarna med programmering i matematikundervisningen?
3. Vilket värde har programmeringsinslagen i matematikundervisningen för elevernas lärande och utveckling, enligt lärarna?
För att besvara dessa frågor används en kvalitativ ansats, det teoretiska ramverket för datologiskt tänkande och den didaktiska modellen Mathematical Knowledge for Teaching.
1.1.1 Disposition
Denna studie har tre övergripande delar. Inledningsvis, i kapitel 1, får läsaren ta del av studiens motivering i form av inledning och problemområde. Inledningen
innefattar även syftet med studien samt vilka forskningsfrågor som skall besvaras för att ernå studiens syfte.
I studiens andra del, kapitel 2, 3 och 4, orienteras läsaren genom relevant litteratur samt får en forskningsgenomgång av, för studien, relevant forskning. Här presenteras även studiens teoretiska referensram. Forskningsbakgrunden och de teoretiska
ramverken är ytterst relevanta för analys av data samt för diskussion av studiens resultat. I denna andra del får läsaren även ta del av studiens metodologi och hur syftet operationaliserats.
I studiens avslutande del, kapitel 5 och 6, presenteras först studiens resultat. Resultatet presenteras i tre övergripande kategorier med utgångspunkt i
forskningsfrågorna. Varje kategori i resultatet presenteras med underrubriker och beskrivande utsagor för att bäst presentera analysen av det empiriska materialet. Avslutningsvis summeras resultatet och diskuteras sedan i en avslutande diskussion för att tydligt besvara forskningsfrågorna. Denna avslutande del inrymmer även resultatets didaktiska relevans samt förslag på vidare forskning.
2. Bakgrund och tidigare forskning
Detta kapitel ämnar sätta studien i ett större sammanhang. I avsnitt 2.1 redogörs för vissa begrepp som är väsentliga att tydliggöra, så att de kan läsas och förstås i
koherens med dess betydelse för studien. I avsnitt 2.2 redovisas programmering i skolan ur ett historiskt perspektiv. Detta för att erbjuda läsaren grundläggande information om studiens didaktiska relevans. I avsnitt 2.3 redovisas ett nutida perspektiv på programmering och i avsnitt 2.4 redogörs för programmering i styrdokument kopplat till matematikämnet. Avsnitt 2.5 avser förmedla en översikt över aktuell forskningslitteratur och fungerar som referensram för analys och slutligen diskussion av studiens resultat.
2.1 Begrepp och definitioner
DigitaliseringNationalencyklopedin (NE, 2020b) definierar begreppet digitalisering som olika former av material som sedan omformas för att kunna användas i en dator. Även Runeson, Andersson, Heintz, Mannila och Rolandsson (2015) delar den definitionen då de beskriver begreppet som en omvandling av produkter med hjälp av digital teknik. I denna uppsats används begreppet på ett samhälleligt plan, där begreppet digitalisering representerar samhällets utveckling till ett mer gediget informations– och teknologisamhälle.
Digital kompetens
I föreliggande studie skall begreppet förstås i enlighet med den definition Manilla (2017, s. 11) anger begreppet digital kompetens: ”Den ökade digitaliseringen i samhället har lett till en ökad diskussion om digitalisering i skola. Begreppet digital kompetens innefattar de förmågor som behövs för att fungera och verka i ett
digitaliserat samhälle.” Författaren anger dessutom fyra viktiga och huvudsakliga förmågor avgörande för en god digital kompetens, vilka är:
• att förstå digitaliseringens påverkan på samhället • att kunna använda och förstå digitala verktyg • att ha ett kritiskt och ansvarsfullt förhållningssätt • att kunna lösa problem och omsätta idéer i handling
Programmering
I denna uppsats talar vi om programmering som undervisningsmoment och använder oss av den definition Manilla (2017, s. 63) använder när hon talar om programmering som processabete. Författaren uppger att kodning och programmering ofta används synonymt men menar att programmering är så mycket mer än att enbart koda. När vi programmerar genomgår vi en större process med olika faser innan vi når den
slutgiltiga produkten. Dessa faser inbegriper: Planering, problemlösning, logik, design och analytiskt tänkande.
Analog programmering
I föreliggande studie förstås begreppet som ett sätt att programmera utan att
använda en dator eller digitala hjälpmedel så som appar eller dylikt. Det kan handla om att instruera någon annan att utföra ett moment antingen muntligt eller skriftligt eller använda sig av symboler.
Robotprogrammering
Definieras i denna uppsats som ett praktiskt moment i
programmeringsundervisningen. Här används verktyg som är specifikt utvecklade för att just programmera, exempelvis Blue–bot som är en typ av robotliknande leksak. Digital programmering
De metoder som innefattar digitala verktyg. Digital programmering i denna uppsats syftar till alla programmeringsmetoder som inkluderar en Ipad eller dator.
2.2 Historiskt perspektiv
Detta avsnitt inleds med ett historiskt perspektiv för att ge läsaren en tydligare uppfattning kring nutidens perspektiv gällande programmering i skolan.
Enligt Rolandsson (2019) finnes de första spåren av programmering inom skolan mellan år 1970 till mitten av 1980-talet. Med tanke på att programmeringen då var på uppgång genom datateknologi menar Rolandsson (2019) att det även föll sig naturligt att programmering också skulle börja användas i skolan. Från början ansågs
programmeringsämnet i skolan vara ett sätt att locka till sig fler elever som var
intresserade av praktiskt arbete. Under denna tid var datorerna mycket stora. Det tog tid att använda dem och de var svåra att hantera, vilket bidrog till att programmering som skolämne internationellt blev ifrågasatt (Rolandsson, 2019). Författaren menar att dessa faktorer kan vara en anledning till att lärare istället valde att använda penna och papper och inte datorer samt att det även krävde mycket kunskap av lärarna vid användning av digitala medel. Det påvisades dock positiva resultat från en skola i Ljungby under 1970- och 1980-talet där de gjort upptäckten att pojkar med svårigheter i skolan istället fick det lättare i matematiken utifrån sina programmeringskunskaper (Rolandsson, 2019).
Med tidens gång började lärare få upp ögonen för programmering i skolan eftersom elevers intresse för programmering och praktiska inslag i undervisningen ökade. Upptäckten att datorerna skulle få en stor betydelse för framtida samhällsutveckling gjorde att det ansågs viktigt att ge alla möjlighet att utveckla sina kunskaper kring datoranvändning (Mannila, 2017 s.95). Detta resulterade i att ämnet datakunskap blev ett permanent ämne år 1986 (Rolandsson, 2019).
I mitten av 1990-talet kom insikten att datorprogrammering inte var så nödvändigt att kunna som tidigare förmodats, vilket resulterade i att många skolor avslutade denna form av undervisning (Mannila, 2017). Datorerna hade utvecklats och ställde inte samma krav på användaren att själv programmera. Användaren kunde istället lägga större vikt vid att lära sig använda webben, söka information på internet och köpa färdiga spel. Istället kunde större vikt läggas på att lära sig använda webben och söka information på internet (Mannila, 2017 s.95). Formuleringen i Lgr 80 var att eleverna skulle lära sig om datorer, vilket sedan ändrades i Lpo 94 till att eleverna istället skulle lära sig med datorer (Mannila, 2017 s.96).
I början av 2000-talet gjordes ett nytt försök till att införa programmering i skolans läroplan, men detta konkurrerade istället med utvecklingen av smarttelefoner. Dessa hade egentligen allt som behövdes, vilket gjorde att behovet av att skapa något själv återigen minskade (Mannila, 2017 s.96). Senare utvecklades ändock ett blockprogram för barn som fick namnet Scratch, vilket hade som syfte att hjälpa och utveckla barns idéer genom att de, vid användandet av Scratch, fick använda sin kreativitet.
År 2012 startades ett ideellt projekt i Sverige med målsättningen att introducera barn och unga in i programmeringens värld och då även med syftet att få lärare att se hur detta arbete kan inkluderas i skolans undervisning (Mannila, 2017 s.98).
Efterkommande år fokuserade forskning på vikten av att lära elever redan från årskurs 1 att använda datorer. Då inte bara kunskap kring internet, utan även kunskaper om hur en dator faktiskt fungerade och hur förmågan att skapa egna program kunde utvecklas med hjälp av en dator (Mannila, 2017 s.98). Den tidens forskning tog även upp vikten av att ge lärare fortbildning då just programmering var ett relativt nytt ämne vilket gjorde att många lärare kände sig osäkra på att undervisa i detta och där målsättningen var att avdramatisera programmering och få lärare att känna sig mer trygga med detta (Mannila, 2017 s.98-99). Sverige startade, år 2013, upp ett projekt vid namn Framtidens språk. Detta då det framkommit att
programmeringen är framtidens språk och det uppmärksammades att det sålunda var något som var nödvändigt att introducera i tidig skolålder (Mannila, 2017 s.99). Efter det stora forskningsgenombrottet visade det sig år 2015 att 16 av 21 länder nu hade infört programmering i sina läroplaner. Även i Sverige fick Skolverket i uppdrag från regeringen att utveckla ett förslag på revidering av den svenska läroplanen för att på så vis utveckla elevernas digitala kompetens och för att introducera
programmering (Mannila, 2017 s.101-102). År 2016 lämnade sedan Skolverket ett förslag till regeringen, som sedan år 2017 trädde i kraft och började sedan användas år 2018 (Mannila, 2017 s.102).
2.3 Nutidsperspektiv
Digitaliseringen har utvecklats enormt de senaste åren och är nu en given del i vårt samhälle. Mannila (2017 s. 21) menar att barn idag föds in i ett samhälle där ”den fysiska världen vävs samman med den digitala.” När programmeringen blev en del i den svenska läroplanen integrerades området med de övriga ämnena istället för att göra det till ett enskilt ämne. Mannila (2017, s.118) skriver att England valde att göra det till ett eget ämne men att bland annat Sverige och Finland valde att integrera det med övriga ämnen. Anledning till detta tror författaren kan vara att det inte finns så mycket erfarenheter kring ämnet, samt att det saknas tydliga och klara riktlinjer för hur ämnet faktiskt ska undervisas.
Regeringskansliet (2015) menar att barn och unga i Sverige har goda förutsättningar och tillgångar till att kunna använda sig av digitala verktyg både hemma och i skolan. De menar dock att det inte lyckats lika bra att implementera dessa i skolans
undervisning vilket också har visat sig resultatmässigt enligt en rapport av OECD (Regeringskansliet, 2017). De framför även vikten av att användning av digitala verktyg i skolan kan ha positiv effekt när det gäller bland annat jämlikhet, då positiva resultat gällande exempelvis att skriva-till-läsning med just digitala verktyg
uppmärksammats som ett medel till förmån för samtliga elevers rättigheter och behov. Digitala verktyg kan sålunda fungera som ytterligare ett verktyg till att träna uttryck anpassat efter elevernas behov.
2.4 Programmering i läroplanen och matematikämnet
Gällande programmeringsspråket och matematikspråket finns det enligt Oltenau och Oltenau (2019, s.29) vissa likheter. Exempelvis uppger de att det i både
programmeringsspråket och matematikspråket används olika symboler och begrepp, vilket innebär att eleverna kan använda sig av dessa för att ge instruktioner, antingen till en dator eller till en annan elev. Författarna menar att elever utvecklar sin
förmåga att bryta ner problem i mindre delar genom att själva skapa instruktioner (Oltenau och Oltenau, 2019 s.29), vilket även står med under syftet i skolans läroplan: ”Vidare ska eleverna genom undervisningen ges möjligheter att utveckla kunskaper i att använda digitala verktyg och programmering för att kunna undersöka problemställningar och matematiska begrepp, göra beräkningar och för att
presentera och tolka data” (Skolverket, 2018 s. 54).
Enligt Regeringskansliet (2020) är det viktigt att skolan tar tillvara på de digitala verktyg som finns att tillgå då samhället nu är alltmer digitaliserat. De beskriver även vikten av att använda sig av digitalt arbete på rätt sätt då detta även kan vara ett stöd och en avlastning för personalen i skolan. Skolverket (2018b, s.2) menar att vi med hjälp av programmering i matematikundervisningen får andra tekniker till att exempelvis lösa problem. När eleverna får arbeta med programmeringsuppgifter, tränas samtidigt ofta deras förmåga att förstå, hantera och lösa problem.
2.5 Forskningsöversikt
Den forskning som publicerats gällande programmeringsdidaktik och digitalisering är skäligen limiterad (Kjällander, Åkerfeldt & Petersen, 2016, s. 24). Med anledning av digitaliseringens nyfunna relevans i skolsammanhang har vi ändock funnit nyare forskning relevant för denna studie. Vi har fokuserat på studier som publicerats strax innan de nya tilläggen i läroplanen, Skolverkets uppföljningar av de nya tilläggen samt studier som publicerats åren efter att de nya skrivningarna förverkligats. Detta för att belysa vilka åsikter som präglat de nya implementeringarna, vilka åsikter som speglats av de nya implementeringarna samt belysa vilket typ av forskningsunderlag som vidare efterfrågats.
Med det stärkta digitaliseringsuppdraget kommer förväntningar på lärare att stärka sin undervisningspraktik och Willermark (2018, s. 19) uppger att fokus bör ligga på hur det arbetet skall stödjas. Författaren menar att intentionen i
utgångspunkter men att läroplansförändringar som sådana resulterar i utmaningar i lärares arbete och många lärare uppger sig snålt rustade för det nya uppdraget. Skolverket (2018a, s. 17) uppger, i den första uppföljningen av arbetet med
digitaliseringen i skolväsendet, att behovet av kompetensutveckling inom området programmering var det som var allra störst. Rolandsson (2015, s. 60) poängterar den skepsis, flertalet lärare uppvisade, gällande undervisningsmetodens inverkan på elevernas lärande i programmering. Han menar att i ett demokratiskt land ska
undervisningen syfta till att erbjuda samtliga elever samma chans till lika lärande och ifrågasätter därmed om undervisningen är tillräckligt framskriden för att kunna erbjuda alla elever de digitala kompetenser de har rätt till.
Rolandsson (2015, s. 60) efterfrågar tydlighet och möjligheter för lärare att utveckla sina ämnesdidaktiska kunskaper inom datavetenskap, då han menar att undervisning i programmering är en utmaning att ta på allvar. Författaren fann i sin studie att många lärare ansåg att inte alla elever har förmågan att lära sig programmering och att lärare tvivlade på att en förändrad inlärningstaktik skulle förbättra elevernas inlärning. Han misstänker detta vara en följd av bristande didaktiska kunskaper kring hur eleverna lär i och om programmering. Lärarna tenderade att se på programmeringsundervisnigen som ett praktiskt moment på bekostnad av det teoretiska, vilket resulterade i att eleverna–särskilt de teoretiskt lagda– inte fick tillfälle att göra analytiska och logiska resonemang kopplat till de praktiska övningarna. Cederqvist (2019, s. 1062) fann i sin studie, fyra år senare, liknande resultat och menar att eleverna hade svårt att göra kopplingar mellan det
praktiska/konkreta programmeringsövningar och det abstrakta innehållet övningarna representerade. Författaren uppger att många lärare nämner
programmering som en praktisk syssla. Vidare uppger hon att även om lärare själva skaffat sig tillfredställande kunskaper i programmering behövs ytterligare
fortbildning för lärare gällande hur elever förstår ämnet. För att eleverna skall kunna få den handledning de behöver är det ett måste att läraren förstår sig på det innehåll programmeringsundervisningen representerar.
I februari 2020 avslutades ett tre år långt forskningsprojekt i svensk kontext. Projektet hade som syfte att identifiera och utveckla didaktiska metoder, uppgifter och innehåll för lärande av programmering. Detta då den limiterade forskningen gällande programmeringsdidaktik för yngre elever lämnade lärare i en situation utan support från vetenskap och teori. Ahmed, Nouri, Zhang och Norén (2020, s. 263) beskriver hur alla lärarna i den omfattande lektionsstudien (som grundades i en japansk metod för att utveckla undervisningskvaliteter) bidrog till att utveckla
insikter för hur lärande i programmering och matematik kan se ut. I resultatet kunde forskarna identifiera tre övergripande didaktiska strategier, vilka var analog
programmering, programmering med robotar och programmering i datorprogram (så kallad blockprogrammering). Resultatet visade även att lärarna under tiden projektet pågick hittade många olika och varierade metoder för att realisera dessa strategier. Analog programmering användes som ett eget moment samt för att stödja den digitala programmeringen. Robotprogrammering hade störst utrymme och i den strategin identifierades flest didaktiska metoder. Bland annat stegvisa instruktioner, symbolanvändning, läsa koder, felsökningar, samarbete, stöd inför
blockprogrammering och problemlösning. Inom den digitala strategin–
blockprogrammering– rymdes digitala metodprogram som Scratch och Scratch junior. Blockprogrammering användes även för att utveckla datalogiskt tänkande, vilket beskrivs längre ner under rubrik 3.2. Forskarna fann att i de flesta fall
användes programmeringsdidaktik i matematikämnet men det förekom även i teknikämnet och ibland även som integrerad form i andra ämnen.
Ahmed, Nouri, Zhang och Norén (2020, s. 266) drog slutsatsen att, genom att fortsätta studera lektioner, diskutera och samarbeta går det att utveckla en gedigen didaktik för programmering. De argumenterar för att länken mellan programmering och matematikämnet är relevant och att det pekar mot att programmering är ett stöd i matematikämnet, men varnar för att detta endast är en sanning om det används korrekt. Författarna ger exempel på hur det kan gå fel och menar då på att
programmeringsinslagen, utan vidare didaktisk insikt och föga kännedom om elevernas lärande, istället kan vara ett hinder i matematikutvecklingen:
However, math with programming is not problem-free. Block programming was used to attract young student with its multimodal affordances for math learning. But difficulties in programming can hinder the math development.
Gemensamt för studier och forskningsunderlag kan sålunda sägas vara att det de senaste åren efterfrågats och bedöms behövas kompetensutbildningar i
programmeringsdidaktik för att kunna utveckla en repertoar av lärandeaktiviteter som bidrar till lärande och utveckling för samtliga elever. Underlaget visar på ett behov av att kontinuerligt följa upp och redogöra för hur lärare arbetar med programmering i undervisningen samt i vilket syfte, vilka kompetenser och vilken kunskap undervisningsmomenten skall leda till.
Forskningsunderlaget stämmer överens med denna studies grundläggande hypotes om att programmering ibland behandlas praktiskt och som ett eget ämne, utan att ta tillvara på de förmågor programmering i undervisning kan leda till. Denna studie ämnar belysa lärares didaktiska arbete med programmering i
matematikundervisningen och kan förhoppningsvis bidra med insikt i det arbetet.
3. Teoretiskt ramverk
Med två, för ämnet relevanta, ramverk som utgångspunkt läggs grunden för denna studie. Teorierna används för att se på och strukturera upp resultatet. Följaktligen presenteras i detta avsnitt under 3.1 och 3.2 det som utgör vårt teoretiska ramverk. I avsnitt 3.3 beskrivs studiens ansats och i avsnitt 3.4 beskrivs hur ramverket använts i denna studie.
3.1 Mathematical Knowledge for Teaching
Redan på 80-talet var diskursen om den goda undervisningen i fokus. Vilka
kunskaper behövde en lärare för att bäst kunna undervisa? Schulman (1986, s. 9) gav perspektiv på lärares kunskaper och skildrade dessa i en modell–Content
knowledge– uppdelad i tre kategorier: Subject Matter Content Knowledge,
Pedagogical Content Knowledge (förkortat PCK) och Curricular Knowledge. Han menade att PCK var en komposition av dels lärarens ämneskunskaper, dels av lärarens pedagogiska kunskaper. Modellen utvecklades som ett sätt att betrakta undervisning och således utveckla den. Schulman (1986, s. 8) efterfrågade lärande för läraren likväl som för eleverna. Han menade att en lärare som kan sitt ämne behöver ta den kunskapen och på ett pedagogiskt sätt överföra denna kunskap till eleverna och vice versa. Det vill säga, en lärare med en god pedagogik behöver utveckla
ämneskunskaper för att kunna överföra goda kunskaper till eleverna. Skolverket (2013, s. 38) beskriver hur PCK tidigt fick fäste på det svenska forskningsfältet och uppger att begreppet handlar om lärarskicklighet.
I denna uppsats har vi valt att visa en utvecklad modell av PCK begreppet för att ytterligare knyta an till matematikämnet som sådant. För att undervisa i matematik krävs ämneskunskaper samt didaktiska kunskaper. Sålunda sträcker sig läraryrkets komplexitet bortom att endast kunna sitt ämne. Kort jämfört behöver en
matematiker kunskaper i sitt ämne, medan en lärare dels behöver kunna ämnet som sådant, dels på ett välgrundat sätt även ha förmågan att föra över dessa kunskaper till sina elever. Hill och Ball (2009, s. 68) menar att en lärare i matematik måste besitta mer specialiserad kunskap än vad matematikern behöver: ”Teaching mathematics requires specialized knowledge about the subject, which mathematicians don´t need”.
Författarna poängterar vidare de svårigheter som framkommit i olika försök att specificera dessa färdigheter och att det länge varit delade meningar om vilka färdigheter som för en lärare är viktiga att besitta.
Hill och Ball (2009) beskriver hur det är av vikt att identifiera matematiska klassrumssituationer som kräver matematiska färdigheter och insikter. I en stor studie observerades många klassrum och undersökningen bidrog till kännedom om flertalet specifika kunskapsområden kopplat till matematiska kunskaper för lärande (Ball, Thames & Phelps, 2008, s. 403). Ramverket ”Mathematical Knowledge for Teaching ” framställs i en oval form där de olika fälten framträder, vilket illustreras i figur 1. Enligt Hill och Ball (2009, s. 70) är ramverket en hjälp vid uppgiften att utstaka vilka typer av kunskaper som går att koppla till elevresultat.
Figur 1. Mathematical Knowledge for Teaching. (Ball, Thames & Phelps, 2008)
Ramverket utgår från de två delarna Subject Matter Knowledge och Pedagogical Content Knowledge, som presenteras på två sidor av ovalen. I den vänstra halvan återfinns fältet Common Content Knowledge och Hill och Ball (2009, s. 70) uppger att i detta fält återfinns sådan kunskap som även används i andra yrken. Vidare menar författaren att inom detta fält ryms kunskap om huruvida eleverna kan återge korrekt svar, använda korrekta procedurer och begrepp. I den vänstra halvan ryms även de två fälten Specialized Content Knowledge och Knowledge at the
Mathematical Horizon. Här ryms en bredd i kunskaperna som tillåter läraren att kunna modellera exempelvis aritmetik med flertalet olika representationsformer. Den högra halvan av ovalen visar på pedagogiska kunskaper. Hill och Ball (2009, s. 70) menar att de noterat kunskaper som innefattar en mix av matematiska kunskaper
med andra typer av kunskaper. En lärares matematiska undervisningskunskaper definieras även av kunskaper kopplade till läroplanen, didaktiska kunskaper samt kunskap om elever och lärandeteorier.
3.2 Ramverket för datalogiskt tänkande
Datalogiskt tänkande, eller computational thinking som är den mer internationella termen, definieras återkommande som en uppsättning färdigheter som alla, inte bara datavetare har nytta av.
Computational thinking is a fundamental skill for everyone, not just for computer scientists. To reading, writing, and arithmetic, we should add computational thinking to every child´s analytical ability. […] Computational thinking involves solving problems, designing systems, and understanding human behaviour, by drawing on the concepts fundamental to computer science (Wing, 2006, s. 33).
Brennan och Resnick (2012, s. 1) uppger att det datalogiska tänkandet under senare år varit mycket omdiskuterat, och att det finns delade meningar om vad begreppet omfattar. Vedertagna förmågor som ofta omnämns i samband med begreppet datalogiskt tänkande är: Abstraktion, logiskt tänkande, analytiskt tänkande, representationsförmåga, problemlösningsförmåga och beräkningsförmåga (Wing, 2006, s. 33).
Brennan och Resnick (2012, s. 2) intresserade sig för hur design-baserade läraktiviteter, såsom programmering i färdiga miljöer exempelvis i programmet Scratch, stödjer och utvecklar det datalogiska tänkandet. Från författarnas studier framkom mönster som sedan utvecklades till ett, idag vedertaget, ramverk för datalogiskt tänkande. Genom att under en längre period studera läraktivitet i
programmeringsprogrammet Scratch uppger Brennan och Resnick (2012, s. 3) att de har utvecklat en definition av datalogiskt tänkande genom tre olika dimensioner: Koncept; Praktik; Perspektiv. Koncept handlar om de begrepp och idéer en användare möter vid programmering. Praktikerna handlar om hur användaren utvecklar olika praktiker vid programmering och perspektiv handlar om de förmågor och synsätt en programmerare utvecklar om världen, framtiden och om sig själva. Författarna har, genom att studera Scratch som programmeringsaktivitet, utvecklat ett mer ingående ramverk med ytterligare en viktig dimension väl värd att poängtera. I och med att denna studie inte har någon preferens för en ensidig typ av
programmeringsaktivitet, utan snarare undersöker hur och varför aktiva
grundskollärare arbetar med programmering i klassrummet, väljer vi att utgå från den modell som illustreras i figur 2.
Modellen visar programmeringspraktiker på ena sidan och förmågor på den andra och visar typer av tänkande som utvecklas via en gedigen programmeringspraktik. Skillnaderna mellan Brennan och Resnicks (2012) ramverk och denna variant är i själva verket inte stora men vi väljer att visa tillvägagångsätten i ett luftigare ramverk obundet till programmet Scratch och på det viset tydliggöra att programmering för datalogiskt tänkande inte enbart behöver vara kopplat till en programmeringsmiljö. Shute och Asbell– Clarke (2017, s. 142-148) visar det datalogiska tänkandet i relation till andra typer av tänkande. Författarna menar, precis som Wing (2006, s. 33) att problemlösning, analys, abstraktion och felsökning är de absolut mest relevanta förmågorna inkluderade i det datalogiska tänkandet. De argumenterar för att den största likheten mellan det matematiska tänkandet och det datalogiska tänkandet är problemlösningsprocessen, men att de olika sätten att tänka möts på flera ställen, vilket illustreras nedan i figur 3.
Figur 3. Matematiskt– och Datalogiskt tänkande Shute och Asbell– Clarke (2017, s. 142-148)
Författarna jämför även det datalogiska tänkandet med andra typer av tänkande såsom design–, system– och tekniskt tänkande. För denna studie, som behandlar hur lärarna integrerar programmering i matematikundervisningen, är det endast relevant att se till relationen mellan det datalogiska tänkandet och matematiska förmågor.
3.3 Forskningsansats
Patel och Davidsson (2019, s. 26) redogör för tre begrepp aktuella för
forskningsstudier. Begreppen, som kan kopplas till en studies inbyggda relation mellan teori och empiri är abduktion, induktion och deduktion. Författarna beskriver att en forskare som arbetar deduktivt kännetecknas av att via redan befintlig teori, ställa hypoteser och sedan dra slutsatser om enskilda omständigheter. En forskare som arbetar induktivt, arbetar snarast tvärtom. Med en induktiv ansats utforskar forskaren ett fenomen obunden till tidigare teori och upptäckterna kan i bästa fall leda till formulering av oupptäckt teori.
Föreliggande studie har en abduktiv ansats. Patel och Davidsson (2019, s. 27) beskriver abduktion som det tredje sättet att i en studie, knyta samman teori och empiri på. Författarna uppger att det abduktiva angreppssättet är en kombination av de tidigare nämnda och det visar sig genom att inledningsvis i arbetet utgå från en redan färdig hypotes– induktivt, för att sedan övergå till att pröva hypotesen genom att utforska fenomenet–deduktivt. På det viset kan den ursprungliga hypotesen utvecklas och bli mer allmänt vedertagen. Första steget i vår studie, där vi observerat
ett problemområde och sålunda skapat en konjektur, är av induktiv karaktär. Vi utgick sedan från en teoretisk referensram när vi analyserade och diskuterade vår empiri och studien syftar till att skapa ytterligare teoretiskt underlag.
3.4 Ramverkens relevans för studien
Ramverken kompletterar varandra och visar inte på några motsättningar. Båda ramverken används för att granska hur lärare beskriver att de arbetar med programmering i undervisningen och i vilket syfte. Detta för att tillåta oss att distansera oss själva från forskningsfenomenet och ge mening till empirin. Mathematical Knowledge of Teaching används för att förstå olika aspekter av undervisning när studiedeltagarna beskriver sin praktik och sina didaktiska kunskaper. Ramverket är till hjälp för att identifiera vilka delar av undervisning lärarna talar om när de beskriver vissa situationer samt eventuella möjligheter och svårigheter i sitt arbete. Ramverket Mathematical Knowledge of Teaching är ett artikulerat ramverk som visar på konkreta kompetenser en lärare behöver för att kunna bidra med en meningsfull undervisning och visualiserar således olika domäner av undervisning som hjälper oss att förstå och diskutera vårt resultat.
Ramverket för datalogiskt tänkande, även det ett gott artikulerat ramverk, hjälper oss att förstå och tilldela mening åt hur lärare beskriver syftet med sin undervisning. Målet, eller syftet för undervisningen kan härledas till lärande och ramverket hjälper oss sålunda att sortera och förstå vilka kunskaper lärarna beskriver att
undervisningsmomenten skall och bör bidra med.
4. Metod
Studiens metod innefattar huvudsakligen semistrukturerade kvalitativa intervjuer. I detta kapitel redovisar vi vårt tillvägagångssätt där vi i avsnitt 4.1 framför de val av metoder vi använt oss av med stöd i metodlitteraturen. I nästföljande avsnitt 4.2 redovisas hur metoden genomförts, vilket tydliggörs genom ett antal underkategorier. Under sistnämnda rubriken 4.3 redovisas de forskningsetiska principerna vi använt oss av under studien. Här finns också ett avsnitt som redogör för studiens reliabilitet och validitet.
4.1 Metodologi
Valet av metod till denna studie föll sig naturligt på kvalitativa intervjuer vilket är något som förordas av Patel och Davidsson (2019), Stukát (2005), Denscombe (2009) och Bryman (2018). De menar att just kvalitativa intervjuer är ett effektivt sätt för att få fram en riklig mängd data utifrån individers tankar och erfarenheter. Bryman (2018, s. 300) menar att i kvalitativa intervjuer är intresset riktat mot den intervjuades åsikter. Vi valde även detta för att kunna få ut så mycket information från informanterna som möjligt samt för att kunna ställa följdfrågor. Valet föll även på att ha semistrukturerade intervjuer där frågor skapats i förväg och som sedan ställdes i tur och ordning till var och en av informanterna. Detta kallas enligt Patel och Davidsson (2019, s.98) för standardiserade intervjuer och de menar att sådana är effektiva att använda vid studier där forskaren vill kunna jämföra svaren, vilket vi
ville ha möjlighet att göra. Vi valde även att använda oss av mer öppna frågor för att ge informanterna större svarsutrymme. Patel och Davidsson (2013, s.121-122) förordar också vissa systematiska principer gällande bearbetning av data för att kunna öka trovärdigheten samt för att kunna påvisa en god metodologisk standard, något vi redovisar nedan i avsnitt 4.2 Genomförande.
4.2 Genomförande
I detta kapitel redogörs för hur metodologin operationaliserats, vilket förtydligas genom fyra underrubriker. Inledningsvis, i avsnitt 4.2.1 beskrivs den kvalitativa– och kvantitativa innehållsanalysen och dess inverkan på studien. I avsnitt 4.2.2 Urval beskriver vi våra tankar och reflektioner gällande val av informanter. Här finns också en presentation av studiens informanter med tanken att erbjuda läsaren en kontextbundenhet och på det viset komma närmare inpå intervjuerna. I avsnitt 4.2.3 Datainsamling beskrivs hur datainsamlingen gått till mer i detalj. I avsnitt 4.2.4 Databearbetning redogörs för och exemplifieras vår analysmetodik. Här beskrivs hur rådata tolkats, analyserats och sedan syntetiserats.
4.2.1 Innehållsanalys
Stukát (2005, s. 53) uppger att ett sätt att söka kunskap är att analysera texter i en text– och innehållsanalys. Metoden kan användas på alla former av texter
(Denscombe, 2009, s. 307). I denna studie står rådata och de transkriberade
intervjuerna för textobjektet. Den kvalitativa analysen rör sättet vi väljer att analysera textobjektet på. I och med att vi ser på texten som helhet och bryter ner den i mindre delar för att söka information, förstå och tolka innehållet är analysen i stort kvalitativ. Analysen kan även argumenteras att till viss del vara kvantitativ. Detta då det i vissa delar av analysen varit relevant att se hur många gånger eller hur ofta ett visst begrepp har använts och återkommit i lärarnas utsagor för att bygga upp förståelse i den kvalitativa analysen. Denscombe (2009, s. 384) menar att risken med kvalitativa analyser är att forskarens subjektiva föreställningar påverkar tolkning och förståelse och vi argumenterar därför för att ett visst kvantitativt inslag stärker trovärdigheten i analysen.
4.2.2 Urval
De kriterier vi hade gällande urvalet i denna studie var utbildade och verksamma lärare i årskurs F-3 som arbetat innan ändringen och införandet av programmering i läroplanen. Det vill säga längre än 3 år. Detta för att få en tydligare bild kring hur de har uppfattat och tolkat de förändringar som skrevs in aktuella styrdokument. Vi handplockade urvalet efter kriterier för att frambringa en så riklig data som möjligt, vilket Denscombe (2018, s.68) kallar för ett subjektivt urval. Vår ambition var även att handplocka lärare så att urvalet blev så brett som möjligt och valde därför att medvetet välja utifrån en geografisk spridning. Vi handplockade lärare från olika skolor och på olika platser i länet. På grund av rådande pandemi (Covid-19) som under denna studie var omfattande, fanns det vissa svårigheter att hitta informanter som kände sig villiga att ställa upp på intervju. Inte bara för den potentiella risken med smittspridning utan också på grund av tidsbrist. Slutligen valde fem stycken lärare att tacka ja till att medverka i en intervju.
Urvalet består sålunda av fem stycken informanter, alla verksamma och arbetar efter läroplanen i grundskolans tidiga år. Nedan presenteras informanterna närmare i figur 4.
* Förskoleklass Figur 4: Presentation av informanter
4.2.3 Datainsamling
Vi har samlat in all data via kvalitativa intervjuer. Patel och Davidsson (2019, s. 99) förespråkar den kvalitativa intervjun när syftet är att utforska uppfattningar och åsikter gällande ett fenomen. Informanterna kontaktades via mejl, där de delgavs information och syfte för intervju och studie i ett missivbrev (se bilaga 1).
Vi valde inledningsvis att kontakta de övningsskolor vi haft under vår utbildning, där vi fick svar att en av dessa skolor kunde ställa upp. Utifrån detta har vi sedan använt oss av kontakter och bekanta som arbetar som lärare inom de angivna årskurserna. Intervjutid var satt till 30 minuter men tog allt mellan 20–30 minuter i anspråk. Intervjuerna spelades in med ljudupptagning för att stödja transkriberingsprocessen. Semistrukturerade intervjuer
Vi valde att utföra semistrukturerade intervjuer med högre grad av standardisering och med en lägre grad av strukturering. Patel och Davidsson (2019, s. 98) menar att standardisering och strukturering är viktiga aspekter att beakta vid intervjuer som datainsamlingsmetod. Standardisering handlar om intervjuarens ansvar för
frågornas formulering och ordning. I och med att vi ville ha möjlighet att se nyanser i, samt ha möjlighet att jämföra informanternas svar valde vi att ställa frågorna i
samma ordning och på likadant sätt under varje enskild intervju för att kunna åberopa jämbördiga förutsättningar.
Struktureringsaspekten handlar om vilket svarsutrymme intervjuaren lämnar informanten. Stukát (2005, s. 37) menar att med ett fritt svarsutrymme är chansen att alstra ett stort spännande material större, men menar samtidigt att det minskar jämförbarhet och tolkningsutrymme. Vi valde därför att i det stora använda oss av frågor med öppna svarsalternativ men där ett fåtal frågor var delvis eller helt
strukturerade. Exempelvis fick lärarna skatta sina programmeringskunskaper på en skala 1–5, samt lämna ifrån sig tre ord de själva ansåg kunde kopplas till
programmeringsundervisningen i en tankekarta. Informant Skola Antal år
som lärare Undervisar i årskurs Lärare 1 A 5 3 Lärare 2 B 15 2 Lärare 3 C 7 2 Lärare 4 D 10 F* Lärare 5 E 4 1
Nedan exemplifieras hur intervjun har gått till väga. Exemplen visar på hur
intervjufrågorna kan återknytas till studiens frågeställning och forskningsunderlag. Hela intervjuguiden finns redovisad längst bak– bilaga 1. Första exemplet kommer från fråga 8:
• Hur undervisar du programmering i matematikundervisningen? Både Rolandsson (2015, s. 60) och Cederqvist (2019, s. 1062) uppger att
programmeringsundervisningen ofta bedrivs som ett praktiskt inslag på bekostnad av det teoretiska. Detta bidrar till att eleverna får svårt att göra kopplingar mellan de konkreta övningarna och det abstrakta innehållet. Intervjufrågan ämnar ta reda på hur lärarna i denna studie beskriver att de undervisar programmering i
matematikundervisningen samt vilka metoder de använder. Nästa exempel kommer från fråga 2, 3 och 7:
• Hur bra skulle du uppskatta dina programmeringskunskaper? (1–5) • Vilka är dina erfarenheter av programmering i matematikämnet? • Har du fått någon fortbildning i programmeringsdidaktik?
I och med att det uppmärksammats att lärare behöver stöd i hur de skall utveckla sin praktik gällande de nya implementeringarna (Willermark, 2018, s. 107; Skolverket, 2018a, s. 17) var vi intresserade av kunskapsläget. Är detta dagsaktuellt och anser lärare att de har eller blivit erbjudna tillräckliga möjligheter för att bedriva en godtycklig programmeringsundervisning? Nästa exempel kommer från fråga 13:
• Vilka förmågor vill du att eleverna utvecklar när de arbetar med programmeringsuppgifter kopplat till matematikämnet?
Skolverket (2018b, s. 2:7) menar att programmeringsundervisningen introducerar andra tekniker och färdigheter för eleverna när de möter matematiska problem och processer. Dessutom bidrar programmeringsundervisningen till förmågor som att exempelvis kunna strukturera, analysera och felsöka. Enligt forskning utvecklar programmering även det datalogiska tänkandet vilket innefattar förmågor som problemlösning, abstraktion och logiskt tänkande (Wing, 2006, s. 33). Frågan
angående vilka förmågor det är som lärare vill att elever utvecklar när de arbetar med programmeringsuppgifter kopplat till matematikämnet, hjälper oss att förstå vilket värde lärarna anser att programmeringsundervisningen kan ha.
4.2.4 Databearbetning och analysmetod
Den metod för databearbetning vi valt att använda oss av är grovt beskriven av Patel och Davidsson (2013, s.121) och har utförts i stegvisa etapper där vi i det första steget transkriberade alla intervjuerna. Vi valde att transkribera dessa ordagrant och delade upp intervjuerna mellan oss. Efter transkriberingen läste vi varandras
transkriberingar med tillhörande ljudinspelning för att se så vi inte missat något och därmed minska risken för feltolkningar. När detta var klart raderades alla
ljudinspelningar. De transkriberade intervjuerna numrerades sedan (Lärare 1-Lärare 5). På det viset kunde anonymiteten upprätthållas samtidigt som vi kunde härleda utsagor till rätt informant.
I det andra steget analyserades och kategoriserades rådata i stora teman
överensstämmande med grundläggande forskningsfrågor. För att underlätta den processen var intervjuguiden till viss del konstruerad för att generera data anpassad
till forskningsfrågorna(se bilaga 2). Därefter sorterades utsagorna och klipptes sedan ut och sorterades ytterligare en gång efter mindre teman och nyckelord. Vi läste tillsammans igenom materialet flera gånger för att kunna strukturera vår data. Med forskningsfrågorna i bakhuvudet framstod mönster och olika underkategorier bildades, vilket exemplifieras nedan:
Analysen av forskningsfråga 1 (Hur resonerar lärarna om de nya tilläggen gällande programmering i läroplanen?) präglades en förutsättningslös kodning och nedan exemplifieras hur vi valt att sortera empirin i två avsnitt.
Utsaga: ”Det är relevant att programmera i matematikämnet” Centralt: Uppfattning om tilläggen i läroplanen
Nyckelord: Läroplanen
Utsaga: ”Att det tillkommer saker i läroplanen betyder ju att det finns nya saker viktiga att lära”
Centralt: Uppfattning om vad tilläggen innebär för läraryrket Nyckelord: Arbetet
Vid analysen av forskningsfråga 2 (Hur och med vilka metoder arbetar lärarna med programmering i matematikundervisningen?) användes en mer strukturerad och riktad process, där den initiala kodningen inspirerats av tidigare forskning. Där de övergripande strategierna för programmering som Ahmed, Nouri, Zhang och Norén (2020, s. 263) fann i sin studie fungerade som färdiga kategorier. Om studiedeltagaren exempelvis beskrev en metod som innefattade digitala verktyg, hamnade utsagan i denna sorteringskategori– under digital programmering. Beskrev studiedeltagaren att de arbetat med programmering utan särskilda verktyg hamnade utsagan under kategorin analog programmering.
Utsaga: ”Jag har arbetat mycket med appen Scratch Junior” Analog programmering:
(Inga digitala verktyg eller andra tekniska prylar används i dessa metoder) Robotprogrammering:
(Inga digitala verktyg behövs, men andra specifika verktyg behövs för dessa metoder) Digital programmering:
(Digitala verktyg används vid dessa metoder) Jag har arbetat mycket med appen Scratch Junior
Forskningsfråga 3 (vilket värde har programmeringsinslagen i
matematikundervisningen för elevernas lärande och utveckling, enligt lärarna?) präglades av en mer summerande analys där vi utgick från begrepp vi konkret bad informanterna att lämna ifrån sig. Detta för att kunna göra en kvantifiering av återkommande och liknande ord i empirin, för att sedan kunna tolka dessa i den kontext de förekom. Figur 5 Illustrerar de begrepp lärarna lämnade ifrån sig i en tankekarta.
Figur 5. Ord i tankekartorna
4.3 Etiska överväganden
Under arbetet med studien har vi utgått ifrån Vetenskapsrådets (2017, s.7-14) forskningsetiska principer och dess fyra huvudkrav. Principerna framgick i ett missivbrev som skickades ut till alla informanter i god tid innan intervjuerna
utfördes. Där framgick det tydligt enligt informationskravet att deltagande i studien var högst frivilligt.
Informanterna fick även tydlig information angående samtyckeskravet, vilket innebär att man som deltagare i studien kan avbryta sin medverkan när som helst utan att det tillstöter negativa konsekvenser för denne.
Konfidentialitetskravet innebär att alla personuppgifter eller andra uppgifter som kan kopplas till informanten behandlas med största möjliga konfidentialitet så att obehöriga inte kan komma åt dessa samt att personerna inte går att spåras i det slutgiltiga resultatet.
Informanterna informerades slutligen även om nyttjandekravet vilket innebär att alla uppgifter som samlas in endast kommer användas till forskningsändamålet. De informerades även om var och när de kan ta del av den slutgiltiga produkten.
Missivbrevet finns att läsa som bilaga längst bak i denna studie (se Bilaga 1) längst bak i denna studie.
4.3.1 Reliabilitet, validitet och generaliserbarhet
När det gäller en studie som denna är reliabilitet och validitet viktiga delar att som forskare beakta (Patel och Davidsson, 2003 s.98). Reliabiliteten visar hur bra mätinstrument studien har, medan validiteten visar hur bra dessa mäter det som faktiskt ska undersökas, det vill säga ämnar mäta studiens syfte (Patel och Davidsson 2019, s.129). Författarna menar också att validitet och reliabilitet är något som
behöver mätas tillsammans och inte var och en för sig då resultatet kan bli missvisande.
Denna studie ligger i linje med forskning inom samma område och vi har valt informanter utifrån den målgrupp och de kriterier vi hade, vilket ökar studiens trovärdighet. Vi har använt oss av semistrukturerade intervjuer utifrån en
intervjuguide vi skapat som var utformad utifrån syfte och forskningsfrågor. Vi har utfört alla intervjuer gemensamt samt spelat in intervjuerna på ljudfil, för att sedan kunna lyssna ett flertal gånger medan dessa transkriberats. Allt detta bidrar till att mätinstrumentet för studien kan förevisas trovärdigt och giltigt. Vi har noggrant exemplifierat tillvägagångssätt i datainsamling och dataanalys samt visat hur vi använt oss av de teoretiska ramverken, vilken ökar studiens trovärdighet ytterligare.
Firestone (1993, s. 16) menar att det starkaste argumentet för att en studie är generaliserbar är att urvalet kan anses representera en hel grupp. Stukát (2005, s. 129) menar att generaliserbarhet handlar om för vem resultatet gäller. Kan resultatet generaliseras till en population eller gäller det endast den undersökta gruppen? För att öka studiens generaliserbarhet valdes informanter från olika skolor och med en viss geografisk spridning. Firestone (1993, s. 18) menar att detaljerade beskrivningar av en studies tillvägagångssätt, användandet av teorier och metodik bidrar till att göra studien mer replikerbar, vilket i sin tur ökar generaliserbarheten i mindre studier. De går således nämligen att använda som tillägg i större och bredare studier. För att öka studiens generaliserbarhet har vi sålunda detaljrikt och noggrant
exemplifierat studiens metodik och tillvägagångssätt i löpande text.
5. Resultat och analys
I nedanstående avsnitt presenteras lärarnas uppfattningar gällande läroplanens skrivningar om programmering, hur de beskriver de metoder de arbetar med gällande programmering i matematikämnet samt vilket värde de anser
programmering i undervisningen har, eller inte har. Resultatet presenteras i tre kategorier som framstod under analysen av empirin med utgångspunkt i
forskningsfrågorna.
5.1 Digitaliseringstillägg och lärarnas egna
programmeringskunskaper
I denna kategori presenteras informanternas synpunkter på– och resonemang om skrivningarna gällande programmering i läroplanen, vilket presenteras i två avsnitt. Lärarna talar om tilläggen och dess koppling till:
• Läroplanen • Arbetet 5.1.1 Läroplanen
De intervjuade lärarna uttrycker alla på olika sätt att de nya skrivningarna är relevanta för tiden och för samhällsutvecklingen. I mångt och mycket är lärarna positiva till att läroplanen har reviderats utefter ett faktiskt föreliggande behov. Lärare 3 uttrycker tydligt kopplingen mellan samhället och läroplansskrivningarna:
Jag ser de som relevanta och i tiden för vårt samhälle. Jag tror att många elever kommer ha nytta av de kunskaper de får från programmering i framtiden och det är samtidigt något som lockar många att lära sig nya och roliga saker. […] Jag tycker att det är otroligt viktigt att eleverna arbetar med programmering då vårt samhälle blir mer och mer digitaliserat. [Lärare 3]
Lärarna, som alla är verksamma i skolans tidigare år, uttrycker även att det är positivt att programmeringsinslagen förtydligats i läroplanen för de lägre åldrarna och att inslagen gör sig väl i matematikämnet. Några av lärarna påpekar dock att programmeringsinslagen torde vara mer ämnesövergripande och inte enbart stå som tydliga inslag i matematik– och NO-ämnena. Utsagor från lärare 5 och 3 visar på
åsikter om att det är bra att man gjort det tydligt och att det är bra att programmering introduceras redan för de yngsta åldrarna i grundskolan:
Ska man ha tid att lära sig något är det vettigt att börja tidigt. Då har man tid på sig.
När man lär sig något nytt behöver man tid att eh processa, säger man så? Bearbeta! Jag tycker det är relevant att programmera i matematikämnet, de är lika på många sätt och det hade blivit för stort för oss lärare annars… och eleverna [Lärare 5]
Utsagor från lärare 3 och 4 visar på att det råder skilda åsikter gällande
programmering i ett bestämt ämne och menar istället att programmering ur ett bredare perspektiv vore att föredra:
Är man ovan att arbeta med programmering kanske det är ett hinder då det kan kännas nytt och läskigt. Men man bör passa på när eleverna är små och nyfikna. De tycker oftast programmering är hmm, roligt och tänker sällan på att de lär sig så mycket under tiden. Sedan kan jag tycka att programmering ingår i flera ämnen och inte bara i matematik [Lärare 3]
Programmering borde vara mer övergripande, eh i Svenska till exempel. Det är ju begrepp och så. Speciellt när barnen är så små, som de ju är på lågstadiet [Lärare 4]
5.1.2 Arbetet
Nästan alla lärare i studien uppger att de nya tilläggen är utmanande. Det alla är överens om är att en stor utmaning är att veta hur man ska göra för att få eleverna med sig. Informanterna menar att några metoder egentligen inte yttrycks explicit i läroplanen, som så mycket annat. Lärare 2 beskriver de nya tilläggen som ”lite meckiga”, men menar samtidigt att de är tolkningsbara, vilket bidrar till frihet i upplägget. Däremot menar lärare 5 hur tolkningsaspekten bidrar till andra svårigheter som att veta hur man fångar elevernas intresse och som att kunna utvärdera vad de faktiskt tar till sig.
Det som skiljer åsikterna från varandra är på vilket sätt de beskriver att tilläggen är utmanande. Medan vissa av lärarna beskriver utmaningen i mer positiva termer, beskrivs den av några mer negativt. Lärare 2 beskriver utmaningen som ett
spännande utvecklingsarbete. Lärare 2 berättar också att det är ett roligt arbete och uppger att man inte kan allt men upplever det som spännande att lära sig mer och att utvecklas.
Eh, jag kan ju inte allt. […] Har varit på kurser i Sunne och mattekurser med programmering och gått lite sånt. Jag är medelmåttig. Jag har mycket kvar att lära liksom det är så roligt. [Lärare 2]
Lärare 4 menar också att utmaningen är positiv och skapar en känsla av att det finns utvecklingsområden i uppdraget. Dessutom poängterar lärare 4 hur
digitaliseringsuppdraget som utmaning skapar och utvecklar ett lärarsammarbete och kopplar samman digitaliseringsuppdraget med ett kollegialt utvecklingsarbete.
Det är väl tur att det alltid finns mer att lära..haha! Tänk vad tråkigt det skulle bli annars. Att det tillkommer saker i läroplanen betyder ju att det finns nya saker viktigt att lära, eh även för oss lärare så att säga. Jag upplever också att med lärares olika kunskaper inom digitalisering och främst programmering skapas nya utmaningar där vi behöver samarbeta mer med varandra och även med andra skolor. [Lärare 4]
Som nämnts beskrivs programmeringstilläggen av samtliga deltagare som en utmaning. När vi analyserat utsagor har vi upptäckt hur den utmaningen beskrivs olika. När Lärare 1 talar om hinder som bristande resurser och otillräckliga
kunskaper uppger hon exempelvis att ”det tar emot lite innan man ens har börjat”. Nedan visas ett utdrag som även det representerar en mer kritisk skildring av utmaningen då lärare 5 uppger att:
Jag erkänner att jag kan alldeles för lite eh, programmering har jag ingen koll på. Det är klart att jag kan och vill lära mig och att det är spännande. Men när man inte har tid eh då blir det tjorvigt. Det är svårt att inte få någon hjälp samtidigt som man förväntas göra nytt och hålla koll på allt det gamla, om ni förstår vad jag menar? [Lärare 5]
Det är ingen av lärarna som uppger att de fått någon egentlig och obligatorisk fortbildning från arbetsgivare eller kommun. Lärare 1 och 2 förtydligar:
Eeeh det har varit mycket upp till var och en tycker jag. Jag har ju fått
kompetensutvecklat mig på egen hand. […] Jag tror eh i programmering att om man inte förstår riktigt själv är det ju inte direkt möjligt att lära någon annan [Lärare 1] Nej det kommer i så fall från ämnesföreträdare, dom har hand om appar. […] Man kan gå såna där korta programmeringskurser och så, men det kommer specifikt inte från rektorn liksom, det är inget generellt som alla måste gå men man kan om man är intresserad [Lärare 2]
Utmaningen med programmering i undervisningen beskrivs ibland i samband med hur lärare beskriver sina grundläggande programmeringskunskaper och huruvida de fått möjlighet att utveckla dessa. Figur 6 visar hur lärarna uppskattar sina kunskaper i programmering på en 1–5 skala (Där 1 representerar låga kunskaper och 5 goda kunskaper) samt om de fått någon form av fortbildningskurs med avseende att utveckla kunskap inom programmering:
* Förskoleklass Figur 6. Utvecklad presentation av informanter
5.2 Vilka metoder med programmering i
matematikundervisningen arbetar lärarna med?
I föregående kategori redovisades lärarnas generella resonemang gällande de nya digitaliseringstilläggen i läroplanen i relation till egna kunskaper. I föreliggande kategori redovisas lärarnas beskrivningar om hur programmering yttrar sig och vilka metoder som förkommer i deras undervisning kopplat till läroplanen och
matematiskt innehåll.
Respondent Skola Antal år som lärare Undervisar i årskurs Uppskattade programmeringskunskaper på en skala 1–5 Fortbildning
Lärare 1 A 5 3 3 Ja, egen initierad Lärare 2 B 15 2 3 Ja, egen initierad Lärare 3 C 7 2 3 Nej
Lärare 4 D 10 F* 2 Nej Lärare 5 E 4 1 1 Nej
Alla informanter uppger sig alla vara av den åsikten att programmering används relativt flitigt i deras matematikundervisning. Däremot framträder nyanser i
huruvida det är viktigt att strategin konkret kan kopplas till ett matematiskt innehåll, eller ej. Vilka metoder som lärarna uppger sig använda beskrivs härnäst i tre avsnitt som tillsammans speglar de didaktiska metoder lärarna uppger sig använda i arbetet med programmering i matematikundervisningen. Avsnitten är:
• Analoga och praktiska metoder • Metoder med specifika redskap • Digitala metoder
5.2.1 Analoga och praktiska metoder
Majoriteten av lärarna uppger att de ofta använder metoder inom analog
programmering som pedagogisk strategi i undervisningen. Vi väljer att kalla denna kategori analoga och praktiska metoder då endast en av informanterna uttryckligen nämner begreppet– analog– under intervjun. De uttryck som användes var istället ”praktisk programmering” och i något fall användes begreppet ”enkel
programmering” samt ” en slags programmering”.
Centralt för detta avsnitt är att inga digitala eller specifika verktyg används i de beskriva metoderna. Metoderna skiljer sig dock. En gemensam nämnare tycks vara att de analoga metoderna används i ett tidigt skede. Alla informanter kopplar nödvändigtvis inte alla metoder till ett matematiskt innehåll. Snarare används de analoga metoderna som en inkörsport till programmering för att senare koppla på det matematiska innehållet när eleverna är mer bekanta med programmeringskonceptet. Lärare 3 uppger exempelvis att de arbetar med beskrivning och instruering på
utförande, vilket läraren poängterar är en slags programmering. Däremot uppger lärare 3 att de arbetar mycket med denna typ av programmering i svenskämnet. Lärare 1 och 4 beskriver det på detta viset:
Eh, men såhär, man börjar liksom med den analoga programmeringen. [Lärare 1] Det är ju inte så smart att hoppa direkt på kanske programmering med symboler. Även om, ja det är ju förstås också matematik. Men eleverna bör ju veta vad programmering är först och därför är det bra att praktiskt arbeta med det hela. Det finns till exempel dansprogrammering och sånt, vilket kan göras på exempelvis
morgonen eller gympan. [Lärare 4]
Det förekommer även att lärarna använder läromedlet i matematik som stöd i programmeringsundervisningen utan digitala redskap. En lärare uttrycker att det i dag finns färdiga koncept i de flesta läromedel som skolorna använder och använder gärna detta i den initiala programmeringen. Några lärare beskriver dessutom att tryckt läromedel kan användas som inspirationskälla att överföra till praktisk programmering. Vi uppfattar detta som att lärarna finner en trygghet i att det finns material som visar på hur man inledningsvis kan arbeta med programmering, samt att det finns hjälp att få när det gäller hur vissa begrepp fördelaktigt kan
introduceras.
Tack och lov finns det mycket färdigt i matteboken vi använder i början, där eleverna får jobba med mönster och att till exempel dra pilar efter meningar. Alltså vart gubben i boken ska gå [Lärare 5]
