1
EXAMENSARBETE INOM TEKNIK OCH LÄRANDE,
KOMPLETTERANDE PEDAGOGISK UTBILDNING,
AVANCERAD NIVÅ, 15 HP
STOCKHOLM, SVERIGE 2020
”Vilken teknikutbildning ska vi
prata om, tycker du?”
Om tekniklärare på gymnasiet och deras syn på sina
kunskaper, undervisningsmetoder och ramfaktorer,
avseende undervisning om artificiell intelligens, robot-
teknik och sakernas internet.
Roger Sundh
KTH
SKOLAN FÖR INDUSTRIELL TEKNIK OCH MANAGEMENT
2
3
”Vilken teknikutbildning ska vi
prata om, tycker du?”
Om tekniklärare på gymnasiet och deras syn på sina
kunskaper, undervisningsmetoder och ramfaktorer,
avseende undervisning om artificiell intelligens, robot-
teknik och sakernas internet.
Roger Sundh
EXAMENSARBETE INOM TEKNIK OCH LÄRANDE PÅ
PROGRAMMET KOMPLETTERANDE PEDAGOGISK UTBILDNING Titel på svenska: Vilken teknikutbildning ska vi prata om, tycker du?
Title in english: What technology education should we talk about, do you think?
Handledare: Annica Gullberg, KTH.
Examinator: Per Norström, KTH.
4
5
Sammanfattning
En gymnasielärare i teknik i den svenska skolan påverkar och påverkas av samhället utanför skolans väggar. Samhällets digitalisering kan påverka tekniklärarens relativt stora möjlig- heter att välja det tekniska innehållet i kurserna, i olika grad. För att vara konkurrenskraftig i samhället behöver framtida tekniker ha goda kunskaper om de just för stunden aktuella tek- nikområdena och tidigare studier har visat att skolans resultat i hög grad beror av vilka kun- skaper läraren har. I den här studien undersöktes tre tekniklärare på olika gymnasieskolor i Sverige, med avseende på synen på deras kunskaper i att undervisa om artificiell intelligens (AI), sakernas internet (Internet of Things - IoT) och robotteknik. Vidare studerades vilka undervisningsmetoder de avsåg att använda, samt vilka begränsande ramar de kunde se i detta uppdrag. Via enkät och intervjuer samlades data om frågeställningarna in. Rådata tran- skriberades och analyserades med utgångspunkt i Shulmans teori om Pedagogical Content Knowledge (PCK – ibland kallat ämnesdidaktisk kunskap på svenska) och även med stöd av ramfaktorteori och läroplansteori. Resultatet visar att de deltagande lärarna har behov av kompetenshöjning inom dessa tre teknikområden, samt att valet av undervisningsmetoder är beroende av de ramar som bland annat i form av tid och ekonomi påverkar undervisningen.
Resultatet skiljer sig inte från liknande tidigare studier genomförda på lärare i grundskolan.
Nyckelord: Digitaliseringen, PCK, Undervisningsmetoder, Tekniklärare, Robotteknik, Arti- ficiell intelligens, Internet of Things, Sakernas internet, Gymnasieskolan
6
Abstract
A technology teacher in the Swedish upper secondary school acts and is influenced by society outside the school walls. The digitalisation of society more or less influences how the technol- ogy teacher will choose the ways of implementing the curriculum, with respect to the technical content of the courses. To be competitive in society, future technicians must have good knowledge of the current technical areas, and previous studies have shown that the school's results largely depend on what knowledge the teacher has. In this study, three technology teachers at various upper secondary schools in Sweden were examined, regarding their view of their knowledge in teaching about artificial intelligence (AI), the Internet of Things (IoT) and robotics. The study also investigated their intended teaching methods and the framing factors they perceived when trying to perform this task. Through a survey and interviews, data on the issues were collected. Raw data were transcribed and analysed based on the theory of Pedagogical Content Knowledge (PCK), by Shulman and with the support of frame factor the- ory and curriculum theory. The results show that the participating teachers need more com- petence in these three technology areas, and that the choice of teaching methods depends on the resources provided, for instance in the form of time and finances. The results do not differ from similar previous studies conducted on primary school teachers.
Keywords: Digitalisation, PCK, Teaching methods, Technology teachers, Robotics, Artificial intelligence, Internet of things, Upper secondary school, High school
7
Förord
Att genomföra detta examensarbete i utbildningsvetenskap har varit en tudelad upplevelse.
Arbetet utfördes mestadels hemma vid köksbordet under en sommar som präglats av livsstils- förändringar på både ett globalt och privat plan. Trots detta har arbetet gått framåt och nu när det är slutfört vill jag passa på att tacka de informanter som avsatt tid för att besvara mina frågor, samt min handledare Annica Gullberg för givande diskussioner och tips och inte minst mina studiekamrater på KPULU-2019 för gott kamratskap under denna tid.
Ett särskilt tack går också till min familj – min mor och mina bröder. Utan dem hade detta helt enkelt inte varit möjligt att genomföra.
Min förhoppning är att både tidigare och framtida kollegor kan finna inspiration för sitt fort- satta yrkesutövande i detta arbete.
Jag ser nu med mina nya kunskaper fram emot att möta framtida utmaningar.
Osby, september 2020.
Roger Sundh
8
Innehåll
1 Inledning ... 9
2 Bakgrund ... 10
3 Syfte och frågeställning ... 13
3.1 Avgränsningar ... 13
4 Teoretiskt ramverk ... 14
4.1 Pedagogical Content Knowledge ... 14
4.2 Content Representations ... 19
4.3 Läroplansteori och ramfaktorer ... 19
5 Tidigare forskning ... 21
5.1 Studier fokuserade på lärare ... 21
5.2 Artificiell intelligens, sakernas internet och robotteknik ... 22
6 Metod ... 25
6.1 Datainsamling ... 25
6.2 Analysen – metodval och beskrivning... 27
6.3 Forskningsetiska principer ... 28
6.4 Generaliserbarhet ... 28
7 Resultat ... 29
7.1 Kunskapssynen ... 29
7.2 Undervisningsmetoderna ... 30
7.3 Ytterligare resurser ... 32
8 Diskussion... 35
8.1 Metoddiskussion ... 35
8.2 Resultatdiskussion ... 36
8.3 Fortsatta studier ... 40
9 Slutsats ... 41
Referenser ... 42
Bilaga 1 – Presentationsbrev ... 46
Bilaga 2 – Enkätfrågor ... 47
Bilaga 3 – Reflektioner och tips om lektionsmaterial ... 50
9
1 Inledning
”För mig försvann arbetsglädjen totalt”
Det inledande citatet är hämtat från det tredje avsnittet i Sveriges Radios just nu aktuella re- portageserie med namnet ”AI och jobben” (Sveriges_Radio, 2020). AI – artificiell intelligens, är en teknik som påverkar människan och samhället just nu, på liknande sätt som tidigare tekniska innovationer påverkat sin tids samhälle, exempelvis såsom ångmaskinen gjorde i slutet av 1800-talet. Människornas nuvarande livsförhållanden med avseende på arbete och fritid påverkas – till viss del i ännu okänd grad.
Att belysa teknikens betydelse för samhällsutvecklingen är en av punkterna i det centrala in- nehållet i gymnasiets kurs Teknik 1, vilken ingår i ämnesområdet Teknik, på gymnasiets tek- nikprogram (Skolverket, 2010). Vilka teknikområden som teknikutbildningen kommer att be- handla är till viss del avhängigt av lärarens val och preferenser, vilket innebär att tekniklä- rarna spelar en stor roll i samhällets digitalisering.
Vilka är då dessa val och vad baseras de på? Dessa saker kommer att studeras och diskuteras mera ingående i denna studie.
En av inspirationskällorna till detta arbete är ett examensarbete (Hrnjez, 2017) genomfört på högskolan i Malmö, där frågeställningen tar upp hur sakernas internet (Internet of Things)1 behandlas på gymnasiets teknikprogram. Resultatet från den studien visar att det lever i en undanskymd tillvaro och har en perifer plats i undervisningen. Kan det ha hänt något under de senaste åren?
En annan anledning till att mitt examensarbete ställer de frågor som ställs är min egen bak- grund som obehörig lärare. Redan vid senaste sekelskiftet användes på det då relativt nyin- rättade teknikprogrammet, projektarbeten med programmerbara ”robotbilar” som en metod för att förbättra elevernas kunskapsutveckling inom flera ämnen. Hur har användningen av robotteknik som läroobjekt inom teknikundervisningen utvecklats sedan dess?
Som blivande legitimerad teknik- och matematiklärare är jag övertygad om att de frågeställ- ningar som tagits upp ovan och som examensarbetet fördjupar sig i, kommer att ha stor in- verkan på hur mitt framtida arbete som lärare i den svenska gymnasieskolan gestaltar sig.
1. Internet of things översätts på Chalmers och KTH, samt vissa större IT-tidningar till ”Sa- kernas internet” på svenska. I möjligaste mån använder jag den översättningen, men jag använder även den engelska förkortningen IoT ibland, då det är en bland tekniker allmänt accepterad förkortning.
10
2 Bakgrund
Den svenska regeringen tillsatte för några år sedan en kommission, ”Digitaliseringskommiss- ionen”, vars uppdrag var att ta fram en digital agenda för Sverige (Digitaliseringskommiss- ionen, 2013). I sitt delbetänkande finns skolan med som ett av de områden som på olika sätt behöver förändras och som bör tilldelas resurser för detta.
Även inom svensk industri finns ett uttalat behov av stöd för digitaliseringen och i en rapport från Teknikföretagen skriver man bland annat:
Att staten bör se över hur IT-kunskap kan stärkas i läro- och kursplaner, både i grundskolan och gymnasiet (Teknikföretagen, 2015, s. 28).
Det svenska samhällets digitalisering har nu gått väldigt långt och att döma av de resurser som satsas på den från olika håll kommer den inte att avta. Exempelvis har bland andra Ener- gimyndigheten tilldelat medel för ett treårigt utvecklingsprojekt om sakernas internet i skolan (Hernwall & Ramberg, 2019).
Vilka effekter dessa satsningar får på samhällets utveckling inom olika områden går inte att förutsäga, men via en blick i backspegeln kan man i varje fall konstatera att arbetsmarknaden har påverkats i hög grad (Heyman, Norbäck & Persson, 2016).
Teknikutveckling, vilket digitaliseringen nog utan större protester kan anses kunna räknas som, har ju genom historien påverkat både samhällets produktionsmönster och sociala struk- tur. Med nya typer av arbetsuppgifter följer ett behov av nya kunskaper och här kommer sko- lans utveckling och betydelse in i bilden (Jarl & Rönnberg, 2015). Sedan lång tid tillbaka har skolan använts som ett sätt att förse industrin med välutbildad arbetskraft och när produkt- ionsmedlen har förändrats har också kraven på arbetstagares kunskaper förändrats, vilket då ställt krav på att också utbildningssystemet anpassar sig. Ett bevis på detta är att den senaste läroplansförändringen i digitaliseringens kölvatten är att alla elever i den svenska skolan ska lära sig programmering, samt att antalet undervisningstimmar i matematik ökat. Hur ska då detta hanteras i praktiken?
Enligt viss forskning om skolans styrdokument, så kallad läroplansteori (Linde, 2012), kan utbildningssystemet anses vara baserat på tre olika arenor och mer om detta kommer senare i texten, men dessa är formuleringsarenan, transformeringsarenan och realiseringsarenan.
För de två senare delarna har skolans medarbetare en mycket central roll och det gäller först och främst lärarna. Det är de som ska tolka och transformera styrdokumenten till praktiska lektionsplaner och sedan genomföra dessa lektioner i samarbete med eleverna. För att kunna göra detta finns vissa förutsättningar och det kan till exempel röra sig om att lärarna behöver ämneskunskaper, kunskaper i pedagogik och didaktik, att de får tillgång till ändamålsenliga lokaler och tid för att planera och genomföra undervisningen.
I Skolverkets rapport om digitaliseringen i skolan (Skolverket, 2018) handlar ett kapitel om lärarens kunskaper och om hur undervisningen bedrivs. Rapporten tar också upp vikten av kollegialt samarbete mellan lärarna, för att stärka varandra i sin undervisning.
Det finns även andra aktörer på utbildningsområdet som är berörda av digitaliseringen och i den här studien har ett par av dessa intervjuats och det gäller en representant för ett så kallat Science Center och en representant för en kommunal teknikskola, även kallat KomTek. Dessa aktörer har en annan funktion i samhället än gymnasieskolan, men de är likväl påverkade av samhällets digitalisering och av det skälet är det intressant att även få frågeställningarna be- lysta från deras synvinkel. Exempelvis säger representanten för KomTek så här gällande sta- tens tanke bakom stödet för att starta kommunala teknikskolor:
11
Men, men det kan nämnas också lite kort, det är det att intentionen från början var så tydlig när staten liksom gick ut med det här att vi skulle starta KomTek i Sverige. Det skulle liksom påminna om kultur och musikindustrin och vara en sån här verksamhet som var liksom mer lustfylld och kunna kopplas till skolorna, jobba mot företag och så vidare. Och sen har ju liksom hela rörelsen, ehh haft en lite tynande tillvaro liksom, men det finns en sådan grund i den och det är det jag tycker skulle vara så intressant om det egentligen gick att växla upp (E2).
Det finns alltså ett behov av att närmare undersöka hur gymnasiets tekniklärares verklighet ser ut, i relation till digitaliseringen - men vilka teknikområden är då mest relevanta att un- dersöka?
Om detta råder naturligtvis delade meningar, men för den här studien har inspiration hämtats från organisationen EDUCAUSE (2020). Det är en ideell organisation vars mål är att assistera utbildningsinstitutioner med att dra nytta av IT-verktyg och den tekniska utvecklingen. De ger ut årliga publikationer kallade Horizon Report, där de beskriver trender inom bland annat teknisk utveckling. Följande citat från en av rapporterna klargör vad de vill hjälpa till med:
The NMC/CoSN Horizon Report: 2017 K–12 Edition examines emerging technologies for their potential impact on and use in teaching, learning, and creative inquiry in schools (Francoeur, Estrada & Gusky, 2017, s. 2).
Eftersom de har en viss framtidsspaning har teknikområden från en något äldre utgåva valts, då det är troligt att skolorna inte ligger i framkant av utvecklingen.
Ur 2017 års upplaga (Francoeur et al., 2017) av denna rapport kan dessa områden identifieras såsom intressanta för exempelvis gymnasiets teknikundervisning:
• Makerspaces
• Robotics
• Analytics Technologies
• Virtual Reality
• Artificial Intelligence
• Internet of Things
Även i 2020 års upplaga (Brown, Alexander & David Gibson, 2020) finns flera av dessa om- råden med, men även exempelvis öppna utbildningsresurser och interaktionsdesign.
Ytterligare exempel på intressanta framtidsområden på tekniksidan identifieras i McKinsey- rapporten (Manyika et al., 2013) där följande 12 områden förutspås få stor ekonomisk bety- delse i framtiden:
• Mobile Internet
• Automation of knowledge work
• The Internet of Things
• Cloud technology
• Advanced robotics
• Autonomous and near-autonomous vehicles2
• Next-generation genomics
• Energy storage
• 3D printing
• Advanced materials
• Advanced oil and gas exploration and recovery
• Renewable energy
2. Detta kan anses tillhöra teknikområdet artificiell intelligens.
12
Här framkommer att flera av dessa områden förekommer i båda dessa rapporter och om vi dessutom vänder oss till kursplanen i Teknik 1 (Skolverket, 2010) står där exempelvis i det centrala innehållet att undervisningen ska behandla:
• Kommunikations-, dator- och nätverksteknik för lärande och förmedling av teknik och information.
• Teknikens historia och teknikutvecklingens betydelse för samhället samt introduktion i aktuella utvecklingsområden inom teknik.
• Teknikens och teknikerns roll med fokus på framtidens teknik och ett hållbart samhälle, till exempel med utgångspunkt i energieffektivisering.
• Teknikutvecklingsprocessens alla delar från idé och modell, produkt eller tjänst till användning och återvinning med praktisk tillämpning av teknik och teknikutveckling inom ett eller flera teknikområden.
En läsning av övriga tekniska ämnens kursplaner kan ge ytterligare stöd för valet av teknik- områden och med dessa bakgrundsfakta anser jag att det är intressant att titta närmare på dessa tre teknikområden och hur de hanteras av lärarna:
• Robotics - Robotteknik
• Artificial Intelligence – Artificiell Intelligens, AI
• Internet of Things – Sakernas internet, IoT
Dessa ämnesområden knyter också väl an till digitaliseringen av samhället, bland annat med hänsyn tagen till vad som sägs om IoT och AI i publikationen ”State of the art kring undervis- ning och lärande” (Hernwall & Ramberg, 2019), men också med hänsyn till den tidigare nämnda Horizon Report (Francoeur et al., 2017). Att ta med robotteknik känns som ett na- turligt val, då robotteknik blir en allt större del av vår vardag, exempelvis robotgräsklippare, vilka finns i en stor andel av Sveriges alla villaträdgårdar.
13
3 Syfte och frågeställning
Med tanke på den tidigare beskrivna bakgrunden gällande samhällets digitalisering och lära- res kunskaper om de ämnesområden som berörs av digitaliseringen, är syftet med denna stu- die att se vilken syn lärarna har på sina kunskaper i att undervisa om dessa teknikområden, samt att utreda hur de skulle genomföra sin undervisning, samt även ta reda på vilka resurser de anser sig vara beroende av för genomförandet. Studiens syfte är alltså att försöka hitta svar på följande frågor:
1. Hur ser tekniklärare på sina kunskaper i att undervisa om nedanstående teknikområden?
• Robotteknik
• Artificiell intelligens (AI)
• Sakernas internet (IoT)
2. Vilka metoder skulle lärarna använda för att undervisa om dessa områden?
3. Vilka eventuella ytterligare resurser eller kunskaper krävs för att genomföra undervis- ningen?
3.1 Avgränsningar
Eftersom det inte är möjligt att i denna begränsade studie undersöka alla olika faktorer som styr lärarens arbete med omvandlingen från formulering till realisering har jag valt att foku- sera på lärarens kunskaper och mer specifikt på hens syn på sina kunskaper i att undervisa om dessa specifika ämnesområden.
Med tanke på vilka informanter som i slutändan valde att delta, exkluderas grundskolan från studien. Detta medför också att vissa externa aktörers representanter har en mer perifer roll i studien, då deras verksamhet till stor del fokuserar på grundskolan.
Det finns heller ingen avsikt att på något sätt belysa frågeställningarna från elevernas synvin- kel, vilket skulle kunna vara ett intressant framtida projekt.
14
4 Teoretiskt ramverk
Teorin om PCK har varit föremål för många forskares intressen och bearbetats och utvecklats på många sätt. Jag redogör här för ursprungsteorin och dess relevans för den här studien, samt även lite summariskt för några av de utvecklade varianterna. Dessutom behandlas här ramfaktorteorin, vilken har haft avgörande betydelse för den senare uppkomsten av forsk- ningsområdet läroplansteori.
4.1 Pedagogical Content Knowledge
Pedagogical Content Knowledge (PCK) är ett omtvistat begrepp inom utbildningsforskningen, vilket går att förstå av de många olika definitioner som existerar, samt alla vidareutvecklingar och bearbetningar som begreppet fått undergå.
4.1.1 Teorin om PCK byggs upp
Shulmans (1987; 1986) ursprungliga teori om PCK byggde på insikten att en lärare behövde ett antal olika kompetenser för att vara effektiv. Dessa var, enligt Shulmans (1986) första forskningsartikel i ämnet:
• Ämneskunskaper
• PCK, Pedagogical Content Knowledge, ibland översatt med ’ämnesdidaktisk kunskap’. Med detta menas i denna artikel sammansmältningen av ämneskunskaper och kunskaperna om läroplanen.
• Kunskap om läroplanen3.
En figur gör sammanhanget tydligare.
Figur 1. Hur ämnesdidaktisk kunskap (PCK) bildas av ämneskunskap och kunskaper om lä- roplanen.
Vad menade han då ingick i de olika delarna av dessa nödvändiga kunskaper? En kort sam- manfattning följer nedan:
4.1.1.1 Ämneskunskaper
Här menar Shulman att det för en lärare inte räcker med att endast kunna fakta och begrepp utan det krävs en djupare förståelse också av ämnets strukturer och grundläggande sanningar.
En lärare förväntas ha åtminstone lika mycket ämneskunskaper som en annan inom området
3. I originaltexten står curriculum, vilket här översatts till läroplan, men vissa hävdar att det engelska ordet har en bredare betydelse än den valda svenska översättningen. Ett alternativ kunde vara ’styrdokument’.
Ämneskunskaper Kunskaper om läroplanen PCK
15
utbildad person – en som exempelvis är yrkesverksam som civilingenjör. Läraren ska inte bara veta att, utan även kunna förklara varför.
4.1.1.2 Kunskaper om läroplanen
I dessa kunskaper menar Shulman att det ingår kunskaper om undervisningsmaterial och när och hur de ska användas. Vidare anser han att läraren också bör ha kunskap om sina elevers övriga ämnens kursplaner, detta för att underlätta ämnesövergripande arbete. Dessutom me- nar han, att här ingår kunskaper om ämnesinnehållet i den undervisning som bedrivs på både lägre och högre nivåer i skolsystemet.
4.1.1.3 Pedagogical Content Knowledge
Denna del av kunskapsbasen beskriver Shulman som pedagogiska kunskaper, men med en speciell inriktning mot att undervisa i ämnet. Exempelvis bör läraren känna till de bästa re- presentationsformerna, analogierna, förklaringarna och metaforerna i ämnet. Läraren ska alltså kunna göra ämnet förståeligt för en elev. Dessa kunskaper ska inte bara komma från forskning och akademi, utan även från lång erfarenhet4. I denna del ingår också kunskaper om elevernas förförståelse och missuppfattningar om ämnet. För att komma tillrätta med detta behöver läraren veta vilka strategier som för varje unik situation leder till det mest gynn- samma resultatet. PCK uppstår alltså i sammansmältningen av ämneskunskaperna och läro- planskunskaperna.
4.1.2 Teorin utvecklas
Då den ursprungliga teorin fick kritik för att vara för trubbig, uppdaterades den av Shulman och ytterligare fyra kategorier tillkom till kunskapsbasen, nämligen:
• Generell pedagogisk kunskap
• Kunskaper om elever
• Kunskaper om kontext
• Övergripande kunskaper
Vad ingick då i dessa fyra nya delar?
4.1.2.1 Generell pedagogisk kunskap
Här ingår exempelvis ledarskap i klassrummet och övriga pedagogikkunskaper, vilka är obe- roende av ämnesinnehållet
4.1.2.2 Kunskaper om elever
Under denna rubrik samlas kunskaper om elevernas förförståelse och missuppfattningar om ämnet. Tidigare ingick detta under PCK mer allmänt.
4.1.2.3 Kunskaper om kontext
Här hittar vi exempelvis yttre betingelser såsom skolans ekonomiska förutsättningar och styr- ning, elevstorlekar och samhällets påverkan i stort.
4.1.2.4 Övergripande kunskaper
Med detta menas de kunskaper som avser syftet med utbildning, dess filosofiska och histo- riska aspekter med mera.
Nu märker vi att teorin börjar bli lite mer komplicerad, varför en figur kan vara på sin plats för att försöka klargöra sambanden.
4. Här står det 'the wisdom of practice' i originaltexten.
16
Figur 2. Vad en lärares kunskapsbas bör bestå av, enligt min tolkning av Shulman (1987;
1986)
Det framgår av figuren att PCK alltså är en syntes av pedagogisk kunskap och ämneskunskap.
Det som däremot inte helt tydligt framgår är att en lärares PCK alltså inte är en konstant, utan den är beroende av bland annat lärosituationen och ämnet. Om exempelvis storleken av figu- rens olika cirklar ändras, påverkas också PCK.
4.1.3 Bearbetningar av PCK-teorin
4.1.3.1 Anpassning till naturvetenskap
Med utgångspunkt i PCK-teorin gjorde Magnusson m.fl. (Magnusson, Krajcik & Borko, 1999) en bearbetning, vilken anpassades för undervisningen i naturvetenskap. Originalbeteckning- arna på de olika kategorierna som de kom fram till är här nedan översatta:
• Knowledge of science curricula – Kunskap om läroplanen (kursplanen) i naturvetenskap
• Knowledge of assessment of scientific literacy – Kunskap om bedömning av kunskaper i naturvetenskap
• Knowledge of instructional strategies – Kunskap om undervisningsstrategier
• Knowledge of students’ understanding of science – Kunskaper om elevers förståelse av na- turvetenskap
• Orientation to teaching science – Orientering (Inställning) till att undervisa om naturve- tenskap.
17
En tydlig skillnad mot Shulman är att bedömning har fått en egen kategori. Dessutom speci- ficeras kategorin ’Orientering’ i 9 underkategorier, vilka alltså ska spegla lärarens övergrip- ande inställning till sin undervisning i naturvetenskap. Dessa kategorier är:
• Processer – Ser till att eleverna utvecklar kunskaper om den naturvetenskapliga processen
• Akademisk strikt orientering – Inriktning mot ett speciellt kunskapsområde, exempelvis fysik
• Didaktisk orientering – Koncentrerar sig mot vetenskapliga fakta
• Konceptutmanande – Konfronterar eleverna med sammanhang där deras ’naiva’ begrepps- uppfattningar utmanas
• Aktivitetsinriktning – Praktisk inriktning på undervisningen, laborationer, känna och upp- leva
• Upptäckarinriktning – Stödjer eleverna i deras egna upptäcktsfärder inom naturvetenskap
• Projektbaserad inriktning – Jobbar med att undersöka lösningar till verkliga (ej fiktiva) problem
• Frågeinriktning – Baserar undervisningen på frågor
• Lärarledd utfrågning – Delat ansvar mellan elever att de ska förstå den fysiska verkligheten, med särskild inriktning mot naturvetenskapens verktyg
För detta examensarbetes del är dessa 9 underkategorier att betrakta som överkurs, då de inte hjälper till att belysa studiens syfte.
4.1.3.2 Anpassning till teknikämnet
Fahrman m. fl. (Fahrman, Norström, Gumaelius & Skogh, 2019) har med utgångspunkt i den för naturvetenskap anpassade modellen ovan, gjort en anpassning till teknikundervisning, där då de i PCK ingående kategorierna anses vara följande:
• Kunskaper om läroplanen
• Kunskaper om eleverna och deras förståelse för teknik
• Kunskaper om undervisningsmetoder (strategier)
• Kunskaper om bedömning
• Övergripande inställning till teknikundervisning
Den här modellen är den som bäst passar in för den här studiens frågeställningar. Den enda kategorin som egentligen inte direkt har en koppling till studiens syfte är bedömningskun- skaperna, men de övriga fyra kategorierna kommer att användas som stöd för textens teore- tiska innehåll.
Detta val motiveras med att övriga i teoriavsnittet redovisade versioner av PCK-teorin är onödigt invecklade för denna studie.
Kunskaper om undervisningsmetoder har i arbetet lyfts upp och fått extra betydelse, i form av en egen frågeställning, men i teorin om PCK finns undervisningsmetoderna också med, varför den teoretiska grunden om PCK används även för forskningsfråga 2.
För den tredje forskningsfrågan hämtas det teoretiska stödet både ur teorierna om PCK och från läroplansteori (Linde, 2012; Lundgren, 2015), med fokus på ramfaktorerna, främst i form av tid och ekonomi, men även med avseende på läroplansteorins tre olika arenor.
4.1.3.3 Konsensusmodellen
Då forskarvärlden ända sedan PCK-teorins uppkomst haft svårt att enas om hur den ska tol- kas och användas, gjordes ett försök till att enas under en sammankomst som hölls år 2012, kallad ’PCK Summit’. Mötet resulterade då bland annat i den så kallade konsensusmodellen (CM) (Gess-Newsome, 2015) av PCK, vilken införde ytterligare begrepp till PCK och gjorde den än mer omfattande.
18 Den nu relativt komplicerade modellen syns i Figur 3.
Figur 3. Konsensusmodellen som visar PCK och dess förutsättningar och beroenden. Bild från Pennegård (2020)
4.1.3.4 Technological Pedagogical And Content Knowledge
En annan typ av bearbetning gjordes i ett forskningsprojekt (Koehler & Mishra, 2009), där man ville ta hänsyn till den digitala utvecklingen och således har ytterligare en komponent kommit in i teoribildningen. Den behandlar lärarens kunskaper i att hantera moderna digitala hjälpmedel i sin undervisning. Det gäller då inte bara exempelvis datorer, utan även moderna lärplattformar för distansundervisning och andra typer av kommunikationsredskap, alltså både hård- och mjukvara.
I denna modell ska lärarens kunskaper alltså smältas samman av tre olika delar, vilket fram- går av figuren nedan; teknisk kunskap (TK), pedagogisk kunskap (PK) och ämneskunskap (CK). Detta bildar då TPCK (eller oftare TPACK, där A:et står för det engelska ordet ’And’) Modellen kan ses i Figur 4.
Figur 4. Komponenterna i TPACK. (Återgiven med tillstånd från utgivaren © 2012, tpack.org)
19
Med hänsyn tagen till digitaliseringen i skolans värld är det måhända så att det i framtiden blir denna modell som övertrumfar Shulmans ursprungsmodell av PCK.
4.2 Content Representations
För att få fram den information som behövs för att identifiera PCK har ibland ett frågepaket kallat CoRe använts (Bertram & Loughran, 2012). CoRe står för Content Representations och är ett sätt att försöka planera undervisning, baserat på att man centrerar sina planeringsfrågor kring så kallade ’Big Ideas’ i ämnet som ska undervisas. En sådan ’Big Idea’ kan exempelvis vara addition av bråk i matematiken, eller stavning av sje-ljudet i undervisningen i svenska.
Tabell 1. Mall för Content Representations, som den beskrivs av Bertram & Loughran (2012)
A CoRe template
Your level for which this CoRe is de- signed____________________
Content Area_______________
Important science ideas/concepts Big
Idea A
Big Idea B
Big Idea C
Big Idea D
Big Idea E
Big Idea F What do you intend the students to learn about this idea?
Why is it important for students to know this?
What else do you know about this idea (that you do not in- tend students to know yet)?
What are the difficulties/limitations connected with teach- ing this idea?
What is your knowledge about students’ thinking that in- fluences your teaching of these ideas?
Are there any other factors that influence your teaching of these ideas?
What are your teaching procedures (and particular reasons for using these to engage with this idea)?
Specific ways of ascertaining students’ understanding or confusion around this idea (include a likely range of re- sponses).
Även andra forskare har intresserat sig för användningen av CoRe, bland annat vid utbild- ningen av lärare (Hume & Berry, 2011). Studien ämnade att försöka hitta en metod för lärar- studenter inom naturvetenskap att utöka sin PCK. Detta skulle ske genom att låta lärarstu- denterna jobba med CoRes, vilka var gjorda av erfarna lärare. Med dessa som förebild förbätt- rade lärarstudenterna sin PCK, genom att skriva egna CoRes för sin egen undervisning.
I takt med tiden finns det även studier (Nilsson & Karlsson, 2019) som visar på hur lärarstu- denter kan utnyttja digitala verktyg (YouTube) för att jobba med PCK med hjälp av CoRe. Här spelade lärarstudenterna in sina lektioner på video och kopplade med hjälp av videoprogram- mets annoteringsfunktion ihop kritiska punkter under lektionen med sin CoRe och PCK.
4.3 Läroplansteori och ramfaktorer
Läroplansteori är ett forskningsfält som har stark koppling till den tidiga ramfaktorteorin och här ges en ytterst kort introduktion till grunderna om dessa teorier (Broady, 1999; Klasander,
20
2010; Linde, 2012; Sundberg, 2007). Det viktigaste med dessa teorier är ur detta arbetes syn- vinkel tankarna om de yttre begränsningarnas inverkan, men även om hur styrdokumenten formuleras av politiker.
4.3.1 Ramfaktorteori
Ursprunget till ramfaktorteorin är från forskning av Urban Dahllöf (Lindholm, 2015) och se- nare även Ulf P. Lundgren. Dahllöf var doktor i pedagogisk psykologi och sedermera professor i pedagogik vid Uppsala universitet och en av de första forskare som intresserade sig för den svenska skolans kursplaner. Lundgren var Skolverkets förste generaldirektör och tidigare rek- tor vid lärarhögskolan i Stockholm och en av politiker flitigt anlitad skolexpert.
Kärnpunkten i ramfaktorteorin (Lundgren, 1999) är att undervisningen kan anses vara styrd av yttre ramar som kommer att påverka resultatet i form av den kunskap eleverna uppvisar.
Exempel på ramar kan vara elevernas förkunskaper och tillgänglig tid. Dessa ramar kopplades till politikers möjligheter att tilldela skolan resurser. När teorierna utvecklades mer tillkom även begrepp som styrgrupp, med vilket menas den grupp av elever som kom att styra takten på undervisningen i klassrummet. Detta ansågs vara de elever som läraren menade låg på nedre delen av kunskapsskalan. Senare kopplades även klassrumskommunikationen ihop med ramtänkandet, exempelvis på så sätt att läraren ställde frågor till de elever som läraren trodde kunde avge ett korrekt svar, när lektionstiden började bli knapp. (Lundgren, Säljö &
Liberg, 2017, ss. 340-346)
4.3.2 Läroplansteori
Ramfaktorteorin fick avgörande betydelse för uppkomsten av forskning kring teorier om lä- roplaner. Enligt en sådan teori (Linde, 2012) sker styrningen av skolans undervisning på tre olika arenor, där det på varje arena sker en påverkan av hur undervisningen gestaltas och till slut kommer att genomföras. Dessa tre arenor är formuleringsarenan, transformeringsare- nan, eller medieringsarenan, enligt (Klasander, 2010) och realiseringsarenan.
4.3.2.1 Formuleringsarenan
På formuleringsarenan agerar de skolbyråkrater och politiker som beslutar om vad styrdoku- menten ska innehålla. Med detta menas att de i text formulerar vad de menar att eleverna ska ha lärt sig och vad undervisningen ska innehålla.
4.3.2.2 Transformeringsarenan
På transformeringsarenan agerar de lärare och skolledare som ska tolka de formuleringar som styrdokumenten innehåller, skapade på formuleringsarenan. Här finns en risk för att tolk- ningarna inte blir de som aktörerna på formuleringsarenan förväntar sig. Detta kan bland annat leda till ojämlikhet.
4.3.2.3 Realiseringsarenan
På realiseringsarenan agerar lärare och elever tillsammans i klassrummet. Den tolkning som skett på transformeringsarenan omsätts här till praktisk verksamhet i klassrummet, i form av teorigenomgångar, laborationer, projektarbeten osv. Vad som i slutänden realiseras är alltså styrt av de yttre faktorer som kan identifieras på vägen från formulering till realisering. Här anses ingå alla begränsande och inramande faktorer, exempelvis tid, pengar, kunskaper med mera.
21
5 Tidigare forskning
Den tidigare forskningen med anknytning till denna studie, kan delas in i två delar – en som behandlar forskning med inriktning på lärare och en del som behandlar tidigare forskning om de olika teknikområdena och deras relation till skola och undervisning.
5.1 Studier fokuserade på lärare
Ett resultat som visats i tidigare forskningsstudier är att den enskilt viktigaste faktorn för att kunna ge eleverna ett bra stöd för deras kunskapsinhämtning är lärarens kunskaper (Hattie, 2003). I studien framgår det att lärarens betydelse är större än de andra faktorerna tillsam- mans (hemmiljö, skola, rektor och skolkamrater), om vi bortser från studentens egen inver- kan.
Ett liknande resultat som Hatties framkommer i en studie (Mattsson, 2012) som visar att lä- rares teknikdidaktiska kompetens har stor inverkan på grundskolelevers teknikintresse och på deras val av gymnasieinriktning. Elevernas teknikintresse och deras önskan om vidare tek- nikkunskaper ökade, när de undervisats av kunniga lärare. I den studien användes den i teo- riavsnittet beskrivna teorin om PCK, som grund för argumentationen.
Tidigare studier (Fahrman, Norström & Gumaelius, 2018; Fahrman et al., 2019) med PCK som utgångspunkt har riktat in sig mot lärare på grundskolenivå. Förutom den ovan nämnda studien av Mattson, undersöktes i en relativt ny studie (Fahrman et al., 2018) hur attityderna till undervisningen i teknik hos redan utbildade lärare på grundskolan, förändrades när de fortbildades till att bli tekniklärare. Med hjälp av teorierna om PCK kom forskarna fram till att lärarna efter studierna ökat sina kunskaper inom många områden, men att lärarna också behövde mer praktisk erfarenhet för att bli fullödiga tekniklärare.
Även den studie (Fahrman et al., 2019) som genomfördes för att undersöka redan legitime- rade och erfarna tekniklärares undervisningspraktik, inriktades mot grundskolelärare. Resul- tatet av den studien visade bland annat att skolornas teknikundervisning var starkt präglad av de oftast praktiskt inriktade klassrumsaktiviteter som genomfördes och i mindre grad på- verkad av de aktuella styrdokumentens formuleringar om innehåll och syfte.
I båda dessa studier användes den modifierade versionen av PCK-teorin, baserad på forskning av Magnusson m.fl. (1999).
I en nyligen publicerad doktorsavhandling (Doyle et al., 2020) diskuterar Doyle PCK och ut- vecklar en utvidgad modell för att synliggöra tekniklärares kunskaper och klassrumspraktik.
Den bygger på data från 3 olika länder (Irland, Nya Zeeland och Sverige) och där studeras även tekniklärare på högre nivåer i utbildningssystemet. Studien använder bland annat den modifierade PCK-teorin som framkom vid 2012 års PCK Summit, vilken behandlats under teoriavsnittet.
I en studie (Nordlöf, Hallström & Höst, 2019) som undersökte vilka attityder tekniklärare i grundskolan hade till sin egen teknikundervisning, kom man bland annat fram till att även om lärarna hade legitimation som tekniklärare, saknades kunskaper inom vissa ämnesområ- den och det förelåg ett behov av stöd och fortbildning. Som ytterligare ett resultat av studien framkom att det fanns ett stort behov av omfördelning av resurser till teknikundervisningen, för att se till att den ska kunna följa med i utvecklingen, eftersom lärarna i studien uppvisade en tendens att hålla sig till att undervisa om det som de kände sig mest bekväma med och redan hade goda kunskaper om. Studien baserades på ett nytt teoretiskt ramverk (van Aalderen‐Smeets, Walma Van Der Molen & Asma, 2012) om attityder, som framtagits av fors- kare i Nederländerna. Med utgångspunkt i tidigare använda koncept vid undersökningar om
22
lärares attityder, utfördes en slags konsolidering och ett nytt för framtida forskning förhopp- ningsvis användbart ramverk konstruerades. En del i detta ramverk behandlar begreppet
”self-efficacy”5 och Nordlöf m. fl.(2019) använder detta som ett tema, med underkategorier såsom erfarenhet, utbildning och ämnesmässiga kunskaper.
Ytterligare en studie (Hartell, Gumaelius & Svärdh, 2015) med utgångspunkt i begreppet ”self- efficacy”, undersökte tekniklärare i grundskolan. Studien avsåg att belysa om det fanns skill- nader i synen på bedömning av eleverna, hos lärare med respektive utan tekniklärarutbild- ning. Undersökningen genomfördes med kvantitativa metoder, där de undersökta lärarnas utsagor kvantifierades på en Likertskala6. Resultatet påvisade signifikanta skillnader mellan de båda lärargruppernas syn på sin bedömningsförmåga, där de utbildade lärarna i högre ut- sträckning följde styrdokumenten och således bidrog till en högre likvärdighet i bedöm- ningen.
Det har även genomförts forskning (Viberg, Frykedal & Sofkova, 2019) på lärarutbildare och deras syn på sin undervisningspraktik. Den studien är inte direkt kopplad till just de tre tek- nikområden som undersöks i detta arbete, men den belyser lärarutbildarnas upplevda arbets- situation i förhållande till samhällets digitalisering, vilket ju dessa områden är en del av. Re- sultatet visade bland annat att lärarutbildarna upplevde ett glapp mellan det de förväntades göra och det som verkligen blev gjort, med avseende på att hantera digitala hjälpmedel. De kämpade med att hålla sina kunskaper uppdaterade, samtidigt som de förväntades ge lärar- studenterna god undervisning.
Då flerparten av de studier som tidigare genomförts tycks vara inriktade mot grundskolan, är det viktigt att även försöka ge ett perspektiv från ett trappsteg upp i skolsystemet – i detta fall den svenska gymnasieskolan och dess teknikundervisning.
5.2 Artificiell intelligens, sakernas internet och robotteknik
Stora delar av den befintliga forskningen behandlar hur exempelvis sakernas internet kan an- vändas i skolan, men då inte i första hand som ämnesinnehåll, utan mer som verktyg för lä- rarna. STEM-forskningen (Science, Technology, Engineering, Mathematics), där denna stu- dies tre teknikområdena får anses ingå - under teknikdelen, är expanderande och här är ett axplock av tidigare forskning inom de områden jag anser har relevans för min studie.
5.2.1 Digitaliseringen och skolan
I en slags framtidsvision (Resnick, 2002), ger forskaren och MIT-professorn Mitchel Resnick en bild av hur moderna teknikområden kan komma att påverka utbildningen och skolans verksamhet. Han talar om samhällets utveckling från 80-talets informationssamhälle, via 90- talets kunskapssamhälle och menar att framtida framgång kommer vara mer baserad på vår förmåga att tänka och agera på ett kreativt sätt, än på rätta kunskaper – vi kommer in i det kreativa samhället. Artikeln är nu några år gammal och det går att ifrågasätta om han var på rätt väg. Kanske har han rätt, men var väldigt tidigt ute?
Den i inledningskapitlet omtalade läroplansförändringen, där programmeringskunskaper in- fördes i grundskolans kursplaner, undersöktes i en studie (Heintz, Mannila, Nordén, Parnes
& Regnell, 2017) och resultatet visade att det kommer att ta tid innan förändringen får önskat
5. Detta kan ungefär översättas till uppskattning av sin egen effektivitet inom det aktuella om- rådet.
6. Svarsskala med ett visst antal steg där respondenten bedömer ett påstående. Exempelvis,
"Håller helt med" (5) eller "Tar helt avstånd" (0)
23
genomslag. Orsakerna är bland annat behovet av lärarfortbildning och behovet av undervis- ningsmaterial. Dessutom behövs stöd från skolledningen med att ge lärarna utrymme för att kunna göra det bästa av förändringarna.
I en studie (Kjällander, Åkerfeldt, Mannila & Parnes, 2018) av hur Makerspaces7 skulle kunna samarbeta med lärarutbildare för att öka lärarstudenters digitala kompetens, programme- ringskunskaper och datalogiska tänkande, utvärderades tre olika samarbeten mellan akademi och Makerspace i detta avseende – två stycken i Sverige och ett i Finland. Bakgrunden till studien var de beslutade förändringarna av läroplanen (den svenska), där programmering från och med 2018 blev ett nytt moment. Studien genomfördes på lärarutbildare och lärarstu- denter när de i samarbete med dessa Makerspaces utvecklade sina kunskaper om digital tek- nik och programmering. Resultatet visade att de olika miljöerna hade en ömsesidig inverkan på varandra. Den lite mer informella Makerspacemiljön påverkades till viss del av den akade- miska andan, såtillvida att man kunde märka att verktyg och hjälpmedel valdes ut med större fokus på deras akademiska trovärdighet än vad som var fallet innan samarbetet med lärarut- bildare och lärarstudenter inletts. Akademin å andra sidan, påverkades på så sätt att de blev mer öppna mot att jobba med att etablera samarbeten med mera informella externa aktörer, såsom Makerspaces. Speciellt när det gäller programmering för lärarstudenter.
5.2.2 Artificiell intelligens
Hur AI kan användas som stöd för undervisningen undersöktes av Murphy (2019). I sin studie recenserar han olika befintliga verktyg som kan användas som stöd för inlärning och han ger även råd till bokförlag, skolledare, forskare och tillverkare av AI-verktyg, gällande implemen- tering av AI i undervisningen.
En webbaserad plattform för att programmera med hjälp av blockprogrammering undersök- tes i en studie (Estevez, Garate & Grana, 2019), avseende dess lämplighet som verktyg för inlärning av nya kunskaper om AI. Plattformen heter Scratch (https://scratch.mit.edu/) och används av en stor mängd personer över hela världen. I studien beskriver forskarna innova- tiva metoder för att lära gymnasieelever två av de vanligast använda algoritmerna inom AI.
De beskriver ett lektionsupplägg där de stegvis går igenom hur algoritmerna kan program- meras med Scratch. De deltagande elevernas kunskaper och inställning till AI testas, både före och efter genomförd lektion. Resultatet visar att elevernas förståelse för AI och algoritmerna fördjupats.
5.2.3 Sakernas internet
I en studie (Assante & Fornaro, 2019) undersökte forskare hur lärare arbetade med att bygga ett nätverk av internetbaserade fukt- och temperatursensorer tillsammans med sina elever.
Detta nätverk av givare kunde sedan användas i forskningssyfte – värden samlades in, bear- betades och analyserades och nätverket användes också som ett didaktiskt verktyg i undervis- ningen.
Ett liknande forskningsprojekt (Hernwall, Ramberg, Hylén, Nielsen & Johansson, 2020) ge- nomfördes i Sverige, i vilket man utvecklade en sensorbyggsats. Sensorn kunde efter monte- ring användas för att kontrollera luft- och vattenkvalitet via internet. Byggsatsen distribuera- des ut till utvalda projektskolor, vilka sedan på olika sätt, efter eget tycke, använde den i sin undervisning. Resultatet blev att elevernas och även lärarnas nyfikenhet för IoT ökades.
7. Det finns ingen riktigt bra svensk översättning av ordet, varför jag med viss motvilja känner mig nödgad att begagna mig av 'svengelska' till vissa delar. Väldigt summariskt kan sägas att ett sådant 'skaparutrymme'(?!) är en plats där personer som vill skapa saker tillsammans träffas och är kreativa.
24
Vilken påverkan IoT kan få på skolan kartlades i studien ”Kartläggning och beskrivning av behov” (Nielsen & Johansson, 2019). Skolor studerades och aktörer intervjuades för att fast- ställa hur IoT kan stödja skolornas verksamhet på olika områden. Några sådana behovsom- råden befanns vara säkerhet och övervakning, miljö, administration och kommunikation.
Ytterligare ett mera praktiskt inriktat forskningsprojekt (Jang, Kim & Lee, 2018) studerade vilka svårigheter som uppstod i samband med att en grupp elever, med stöd av lärare, skulle utveckla hårdvara för sakernas internet. Vilka verktyg skulle behövas och vilka krav skulle ställas på dessa? Dessutom gjordes en jämförelse mellan den egenutvecklade hårdvaran och ett Arduinokort. Resultatet blev att det egna kortet i vissa avseenden uppvisade bättre pre- standa, men att inlärningseffekterna för elevernas del gällande kunskaper om IoT, inte påver- kades i någon större utsträckning av att använda ett egenutvecklat kort.
5.2.4 Robotteknik
Ett projekt som fokuserade på att använda robotar som verktyg i utbildningen är ER4STEM (http://er4stem.eu/). Akronymen står för Educational Robotics for STEM. I projektet skap- ades ett ramverk, vilket ämnade tydliggöra förhållandet mellan undervisningsstrategier, ro- botteknik och 2000-talets kunskapskrav. Ramverket skulle hjälpa till att guida de inom ut- bildningsområdet berörda parterna i deras användning av robotteknik inom undervisningen.
Under arbetet med detta ramverk genomfördes ett antal olika projekt. Ett av dessa projekt (Yiannoutsou, Nikitopoulou, Kynigos, Gueorguiev & Fernandez, 2017) handlade om att fram- ställa en standardiserad plan för hur undervisningen kan dra nytta av robotteknik, oberoende av vilken hårdvara som väljs. Resultatet blev en aktivitetsplan som kan användas som stöd för läraren, vid planeringen av undervisningen.
Ett annat exempel (Alimisis, 2013) undersökte den aktuella situationen för ’educational robo- tics’ med fokus på kreativiteten och forskarna efterlyste ett Europeiskt forskningsnätverk för att ge stöd åt den framtida utvecklingen av robotteknik i undervisningen.
Förlaget Springer ger ut ett antal bokserier med samlad forskning om olika teknikområden, bland annat om STEM och ’educational robotics’, vilket motsvarar ungefär ’robotteknik i ut- bildningen’. Dessa bokserier innehåller mängder av intressant information och beskrivningar av forskningsprojekt. Ett exempel på en bok i serien är (Štuikys, 2018), ”Smart STEM-driven Computer Science Education”.
25
6 Metod
Studiens tillvägagångssätt beskrivs här, från datainsamling via enkät och intervjuer, vidare till urval av informanter, hanteringen av data och transkriptioner till den slutliga analysen.
6.1 Datainsamling
För denna studie har frågorna i (Tabell 1) översatts till svenska och en ytterligare modifikation har utförts, nämligen att ’Big Ideas’ har ersatts av de tre teknikområden som studien avser att fokusera på. I (bilaga 2) framgår resultatet av bearbetningarna, vilket ingick i det mejl som skickades ut till studiens informanter.
Lärarenkäten (bilaga 2) hade tre olika avsnitt. Det första avsnittet utgjordes av frågor om bak- grund, det andra om studiens valda teknikområden och det tredje avsnittet behandlade undervisningsmetoder.
Enkäten följdes senare upp av semistrukturerade intervjuer, där frågorna var desamma som i enkäten, men informanten gavs mer utrymme till utvikningar och fördjupningar.
6.1.1 Urval
För att genomföra denna studie valdes ett antal informanter ut. Här gjordes ett bekvämlig- hetsurval av lärarna. Jag har haft kontakt med samtliga tre gymnasielärare i tidigare sam- manhang, och gjorde här bedömningen att de skulle kunna vara behjälpliga med svar på en- kät- och intervjufrågor.
Frågorna i studien är anpassade efter de olika grupper som valts ut och som bedömts kunna ha intressanta åsikter om studiens frågeställningar. Lärarna som tillfrågades arbetar på olika platser i utbildningssystemet, dels på gymnasiet och grundskolan, dels hos, från skolans syn- vinkel sett, externa aktörer, såsom Science Center och Kommunala Teknikskolor (KomTek).
Avsikten med urvalet var att få en bred bakgrund för studiens empiri. Genom att höra externa aktörer erhålls en bild av om de studerade frågeställningarna även är intressanta i utbild- ningssammanhang i allmänhet i samhället.
Frågeformulären sändes ut till följande personer:
• 1 st. tekniklärare på grundskolan
• 4 st. externa aktörer
• 3 st. tekniklärare på gymnasiet
Alla svarade inte och sammanfattningsvis deltog följande personer i studien:
26 Tabell 2. Som informanter för empirin
Beteckning Informanttyp Legitimation Lärarerfarenhet Utbildning Kommentar
G1 Gymnasielärare Nej 30 år Civilingenjör
G2 Gymnasielärare Ja 20 år Lärare Allmänna ämnen, kom-
pletterat med teknikstu- dier på högskola/universi- tet
G3 Gymnasielärare Ja 3 år Civilingenjör
Tabell 3. För bakgrund och förankring av studien
Beteckning Informanttyp Legitimation Lärarerfarenhet Utbildning Kommentar
E1 Extern aktör Ja 9 år Civilingenjör
E2 Extern aktör Nej - Ekonomi Verksamhetsansvarig
De i studien ingående lärarnas arbetslivserfarenhet är brokig. Ett par av lärarna (G1, G2) har tidigare erfarenhet som lantbrukare och G2 har även en karriär som datortekniker bakom sig.
Lärare G3 har jobbat som projektledare inom telekomindustrin i c:a 25 år, innan vederbö- rande bytte till en lärarkarriär.
Det är här på sin plats att påpeka att informanterna undervisar eller har undervisat om dessa områden enligt nedanstående tabell:
Tabell 4. Informanternas erfarenhet av undervisning om de aktuella teknikområdena.
Beteckning AI IoT Robotteknik
G1 Nej Nej Ja, en hel del, tidigare
G2 Nej Ja, lite, nyligen Ja, lite, nyligen
G3 Ja, sedan något år Nej, men inplanerat
kommande termin Ja, sedan något år
6.1.2 Genomförande och hantering
En av enkätfrågorna var om informanten var villig att ställa upp på en intervju med möjlighet till fördjupad diskussion och då vissa avgav ett positivt svar, genomfördes dessa intervjuer på distans, eftersom det var mest praktiskt, med tanke på den just nu rådande pandemin.
Totalt genomfördes fyra intervjuer – tre med lärare (G1, G2, G3) och en med en extern aktör (E2). Vid intervjutillfällena kopplade vi upp oss i kommunikationsverktyget och efter sam- tycke spelades samtliga fyra intervjuer in på intervjuarens dator, för senare transkribering och analys. Intervjuernas längd varierade mellan 45 – 60 minuter.
När transkriptionerna var klara klassificerades materialet i ett antal teman, enligt den tema- tiska analysens grundprinciper – mer om detta kommer under rubriken ”Analysbeskrivning”.
Till slut identifierades vissa teman som de mest intressanta ur resultat- och analyssynvinkel.
Vid framtagningen av empirin användes ett antal programbaserade verktyg för redigering av ljudfiler, transkribering och efterföljande dataanalys.
Processen framgår kanske tydligast med hjälp av en figur.
27
Figur 5. Arbetsprocessen från intervju till och med analys.
6.2 Analysen – metodval och beskrivning
Då studiens frågeställningar är komplexa, är en metod där man har möjlighet att hantera svar som är sammansatta och relativt omfattande att föredra. En metod för analys som är väl be- prövad i liknande sammanhang är den tematiska analysen (Braun & Clarke, 2006), varför den valdes också för denna studie. Den är ett verktyg för kvalitativ analys av data, vilket lämpar sig väl att använda i detta fall.
För att genomföra den tematiska analysen användes programmet QDA Miner Lite (Prova- lis_Research, 2020). Det kan användas för olika typer av kvalitativ analys och det förenklar arbetet med kodning av materialet. Det ger också möjlighet till enkel sökning av text i materi- alet, vilket var till stor hjälp, då studiens empiri omfattade c:a 40 000 ord efter transkription.
Efter en hel del funderande enligt den iterativa process som beskrivs av Braun och Clarke (2006) resulterade analysarbetet i en kodbok med relativt många koder, vilket framgår av Figur 6.
Figur 6. Koder och kategorier i den tematiska analysen
I första hand hittades temana via deduktiva principer, baserat på PCK-teorins fem kategorier, men även induktivt, genom att samla teman som framkom ur de transkriberade intervjuerna.
De teman som ligger till grund för analysresultatet är således:
Inspelning av intervju i Zoom
(c:a 60 min)
Import till Audacity för uppdelning i 10- minutersklipp och
konvertering till WAV-format
Tal-till-text- omvandling av 10- minutersklippen via
Microsoft Azures onlineapplikation
Slutlig transkription i Easytranscript, av
den delvis missuppfattade texten. Export till
MS Word
Import av Wordfiler till QDA
Miner Lite, för kvalitativ analys.
28
• Lärarens ämneskunskaper och inställning
• Undervisningsmetoderna
• Ytterligare resurser (ramfaktorer)
6.3 Forskningsetiska principer
Vid genomförandet av denna studie har Vetenskapsrådets principer varit vägledande (Vetenskapsrådet, 2017). Samtliga informanter erhöll det introduktionsbrev som medföljer denna text som (bilaga 1). I de fall inspelningar av intervjuer genomfördes, godkändes detta av alla informanter, via en funktion i kommunikationsverktyget. Alla personer som förekom- mer i texten är anonymiserade. När studien är genomförd kommer samtliga empiriska data att raderas.
6.4 Generaliserbarhet
På grund av det fåtaliga antalet informanter går det inte att göra några generella antaganden gällande de resultat som framkommer i studien, med avseende på gymnasielärare i teknik i allmänhet, men studien går att generalisera på ett annat sätt – det skulle gå att genomföra en liknande studie på lärare i de andra skolformerna och hos de externa aktörerna.
29
7 Resultat
Resultatet presenteras nedan, strukturerat utifrån studiens frågeställningar.
7.1 Kunskapssynen
Hur ser tekniklärare på sina kunskaper i att undervisa om nedanstående teknikområden?
• Robotteknik
• Artificiell intelligens (AI)
• Sakernas internet (IoT)
Eftersom informanterna ansåg att de valda teknikområdena är relativt besläktade, uppvisar utsagorna gällande kunskaperna inom områdena inte så stora skillnader.
7.1.1 Lärarens ämneskunskaper och inställning
När det gäller teknikkunskaper i allmänhet uttrycker några av informanterna osäkerhet och de säger också att de helst arbetar med de områden som de redan är bekanta med, bland annat för att det är mycket jobb med att hålla sig uppdaterad och lära sig nya ämnesområden. Detta ligger i linje med de resultat som Nordlöf (Nordlöf et al., 2019) tidigare erhållit.
En lärare (G3) ser själva lärarjobbet som en nyttig repetition av sina egna teknikkunskaper och visar entusiasm inför arbetsuppgifterna.
Jag skulle vilja ha lärt mig något programmeringsspråk bättre än vad jag gjort … Jag har allde- les för bred syn på allting. Jag har ingen djup kunskap i någonting och det har jag väl känt i 20 år nu säkert (suck) (G1).
Sen blir man ju insnöad där, tror jag också, om man ska vara helt ärlig, för man, hmm, lite kunskapsmässigt också men, men man...det är svårt att ta till sig nya, man kör sitt gamla, för det är man säker på och, och, och hmm så är det ju. Om man ska vara självkritisk så är det ju svårt att ta till sig kanske nya grejer. Det försöker man göra, men så, så...det är så otroligt mycket (G2).
Framför allt har det ju varit kul att börja jobba med tekniken igen, så att säga, som det har varit för mig lite ... eller väldigt mycket bortglömd och undanstoppad nånstans (G3).
Kunskaperna inom de i studien aktuella teknikområdena, AI, IoT och robotteknik är det ännu mer osäkerhet kring. Det är mest osäkerhet på AI-området, men varken robotteknik eller IoT uttrycks som områden som de har kunskap inom.
Ja (suck) alltså. När det gäller AI då, då känner jag nog att jag inte kan. Ehh. De andra områ- dena tror jag att jag kan sätta mig in i hyfsat bra. Men .... det är alltså ... det var lättare förr när man var mer entusiastisk, ehh och inte hade kört huvudet in i väggen alltför många gånger (G1).
Det där med Arduino och såna här prylar har jag ju inte hållit på med själv utan det har varit färdiga saker som att man har kunnat komma åt...ehh, små servrar hemifrån och videoka- mera och smågrejer bara, men jag är inte så duktig på såna grejer själv (G2).
Jag är väl kanske mer... jag är kanske inte så duktig på det heller egentligen. Robotteknik … Ehh, jag vet inte, men jag är nog inte så duktig på AI heller (G2).
Ja, och det första man kan konstatera, det är inte för att jag kan robotteknik (skratt) och jag kan egentligen ingen av de här teknikområdena kan jag säga. Alltså rent stoffmässigt, kun- skapsmässigt så att säga inom ... det kan jag ingenting om egentligen (G3).
Lärarnas syn på sin kunskap i att undervisa om dessa teknikområden skiljer sig något från synen på ämneskunskaperna. Av svaren på frågan om vad de i första hand skulle luta sig mot
30
för att undervisa om dessa teknikområden hänvisar de till både tidigare yrkeserfarenheter och lång lärarerfarenhet.
Ja, jag får väl luta mig .... jag får väl luta mig på ... min lärarerfarenhet, för jag har ju inte ....
det var så länge sen jag höll på med, med det andra 8. Det var ju på nittiotalet (G2).
Och då tänker jag att då är det ju framförallt mina erfarenheter från just industrin som är ....
som har något värde (G3).
7.2 Undervisningsmetoderna
Vilka metoder skulle lärarna använda för att undervisa om dessa områden?
7.2.1 Undervisningsmetoder
Trots att de valda teknikområdena uppfattas som besläktade skiljer sig uppfattningarna om arbetsmetoderna åt en del. Dessa skillnader kopplas till de tillgängliga resurserna. Vissa före- språkar både ämnes- och årskursövergripande projekt. Lärarna tar också upp att de kommer att använda sig av laborationer, programmeringsexempel, filmer och studiebesök ute i sam- hället, i sin undervisning.
7.2.1.1 Projekt och grupparbeten
På en av skolorna har projekt och ämnesövergripande arbetsformer starkt stöd av skolled- ningen, medan de andra inte nämner det, varför det här framkommer delade meningar om dessa arbetsmetoder. En svårighet som uttrycks är hur grupper ska bildas och hur allting ska hinnas med. Tidspress medför att man avstår från projektarbetsformen.
Det svåra är väl att sätta ihop grupper, så att ... som funkar … Det är inte ehh ... Jag tycker det finns fördelar och nackdelar och jag vill inte ha alltför många i en grupp. Alltså 2 är bra, 3 är väl ok kanske, men 4 då börjar det bli jobbigt, tycker jag. (skratt) (G1).
Hmm, man ska hinna med så mycket och, och, och ska allting, allting hmm behandlas så blir det inte mycket tid över till stora projekt … men jag skulle gärna kunna tänka mig något projekt.
Hmm. Kanske i datateknik (G2).
Det vi har gjort på, på min skola är att vi har ju nånting som heter projektveckor. Så vi har 2 veckor på hösten och 2 veckor på våren där vi jobbar helt ämnesöverskridande … Helt schema- brutet, så att säga, vi har inga vanliga lektioner över huvud taget och det, det har faktiskt varit jättebra och vi har jobbat med just precis de här sakerna tillsammans med till exempel hållbar energi och lite andra saker också (G3).
Lärare G3 ger också exempel på ett projekt med mer praktisk inriktning i följande dialog med intervjuaren. Det gäller ämnesområdet artificiell intelligens (AI):
IP: Vad vi gjorde där som jag tycker ändå blev ganska bra, det är att vi använde en Google, Googleprogramvara som heter Dialog Flow.
Roger: Jaha
IP: Som är en, vad ska jag säga, en, en liten verktygslåda, där man kan då så mer ... (skratt) och här pratar vi då blockprogrammering kan jag väl säga förresten
Roger: Jaa
IP: Man har, man har motorn. En AI-motor, som man sen kan, så att säga, hmm, lägga in dialoger hmm de fick till exempel uppdraget där de skulle ha en en cykelreparations .... en cykel cykelverkstad.
Roger: Jaha, ja9.
8. Här avses den tidigare anställningen som datortekniker/reparatör.
9. Är Roger måhända en chatbot??
31
IP: Och de skulle då göra en sån här automatisk tjänst som som skulle kunna ställa frågor och hantera svar från en som ringer upp och ska boka tid för en punktering.... laga en punktering, tillsammans några stycken då va.
7.2.1.2 Traditionella lektioner
Med traditionell lektion avses här den typ av lektion där eleverna sitter vid sina bänkar och lyssnar på en lärare som står vid tavlan och informerar och kommunicerar med eleverna. Att arbeta på det sättet inom de av studien omfattade områdena föredras inte, men ses som en nödlösning, om inte tillräckliga resurser ställs till förfogande, vilket G2 ger uttryck för.
Då tror jag inte att jag skulle köra traditionellt för jag känner inte att ... det här är mera att bygga och praktisera och ... ehh ... jaa (G1).
Näe, alltså det förekommer ju, jag har ju traditionella lektioner också, men då är det väl när jag har något moment som .... men det rör ju inte de här tre teknikområdena va (G1).
Och då blir det ju det att som jag, som jag ser det just i dag som jag säger, hmm, har man övergripande som jag, som jag ... vi har på de där tre områdena så blir det att man har tradi- tionella för ... ehhh, lektioner och föreläsningar. Men skulle man jobba med kanske internet of things lite mer, så skulle man kanske ha något projekt (G2).
Även om lärare (G3) gärna jobbar i projekt när det är möjligt, poängterar G3 att den mesta tiden används för traditionella lektioner.
Ja, men vadå 90% av läsåret och kursen är ju vanliga lektioner vill jag påstå och laborationer (G3).
7.2.1.3 Ämnesövergripande arbete
Det finns en vilja till ämnesövergripande samarbete och gärna då med ekonomiämnet, men detta sker under förutsättningen att resurser tillhandahålls och att vilja från kollegor finns för detta. Lärare (G3) beskriver ett försök till kollegialt samarbete, där önskat gehör från kollegan uteblev. Det är även viktigt att hitta bra ämnesområden som det går att enas om, när ämnes- övergripande arbete ska göras. Att jobba ämnesövergripande och i projektform är också gi- vande, enligt vad (G3) tycks erfara.
Kan vi inte göra något gemensamt, du lär ut hur man skriver, ja, men rapportteknik eller refe- ren ... eller referatteknik, eller vad det nu är för någonting, nu va, eller hur man skriver ett abstract, så kan jag ta in det i min kurs och sen så kan vi göra en gemensam bedömning. Ja, jo, jovisst, det lät ju bra och det ska vi fundera på. Men sen fanns det ju inget som helst intresse att göra någonting (G3).
Klart att man om man hade lite mer möjlighet att fördjupa sig, då skulle det bli, bli i projekt- form och kanske blir det lite över ... ämnesövergripande kanske då. …. Då skulle man kunna ju tänka sig att läraren sa att oj nu ska det finnas en ekonom i varje projekt och några tekniker i varje projekt (G2).
Att kanske skapa en projektgrupp som består av ekonomer och teknikelever till exempel, då va (G3).
Och det gäller ju liksom att hitta ett sånt här, en sånt här tema, som inte är ren teknik, utan det skulle liksom innehålla alla de här olika perspektiven och smarta städer är ju ett sådant brett begrepp, men som ändå är väldigt inne liksom, va. Och, så att min, min tanke, min plan var ju då att att utifrån det stora perspektivet smarta städer så skulle de inom teknikområdet då dyka in i just internet of things (G3).
Det funkade hur bra som helst och språk; svenska, engelska också, med rapportskrivning och presentationsteknik och allt vad det nu är för något. Det är hur bra som helst så att jag är ju ...
att som lärare, om man inte har den supporten och inte har den, liksom drivet från, från skol- ledningen att själv, som du då säger, så att säga skapa eller jobba för något sånt ämnesöver- skridande med andra ämneslärare, det är …. det är nästan omöjligt, det (skratt) är hur svårt som helst (G3).
