Il ruolo giocato complessivamen- complessivamen-te dagli indici psicosociali sui livelli di

achievement in scienze e della didattica sugli indici: i dati della quarta primaria e della terza secondaria di primo grado

A questo punto, dopo aver considerato il rap-porto tra i singoli indici e i livelli di achieve-ment, attraverso i punteggi medi dei cinque PV’s delle prove cognitive presenti nel

databa-se TIMSS, si rivela opportuno uno studio sul rapporto tra le variabili psicosociali, i livelli di achievement in scienze, e altre tipologie di va-riabili, riconducibili alla percezione, da parte degli studenti, dell’attività didattica organizzata in classe dai propri insegnanti per quanto ri-guarda lo studio delle scienze.

Attraverso modelli di regressione logistica si prenderà in considerazione, oltre agli indici precedentemente considerati, anche una serie di variabili presenti nel questionario studente del-la scuodel-la primaria e deldel-la scuodel-la secondaria di primo grado: da una parte dei riferimenti a una didattica più tradizionale (ad esempio «Imparo a memoria gli argomenti di scienze»), e dall’al-tra aspetti più innovativi, riferibili ad esempio all’organizzazione della classe in piccoli gruppi per la scuola primaria («Lavoro insieme ai miei compagni in piccoli gruppi»), in un probabi-le riferimento all’apprendimento cooperativo (Thurston et al., 2010), alla didattica nei cosid-detti «compiti autentici» per la scuola seconda-ria di primo grado («Applichiamo quello che impariamo in scienze alla vita quotidiana»; ad esempio Petraglia, 1998). Gli elementi conside-rati in questi modelli di regressione si basano su una serie di proposte presenti in letteratu-ra che hanno studiato gli effetti di variabili di background, e legate all’insegnamento attivo sui livelli di achievement in scienze (ad esempio Osborne, Simon & Collins, 2003). Le modalità degli indici sono state utilizzate come dummy (in modo tale che il valore 1 indichi la presenza delle modalità e 0 l’assenza), considerando solo i punteggi delle modalità che si collocano nei livelli di «alta presenza» della variabile misura-ta (cioè, nel nostro caso, «high»). Vediamo ora gli esiti dei tre modelli di regressione multipla.

Per quanto riguarda i punteggi di achievement, sono stati considerati contemporaneamente i cinque plausible values presenti nel dataset, come indicato dalla letteratura metodologica di settore (Rutkowski et al., 2010).

5.1. Esiti delle analisi per la scuola primaria Il primo breve modello presentato in Tabella 3 include in un unico blocco le modalità più

elevate dei due indici psicosociali sulle scien-ze. Il modello, intercettando solo una piccola porzione delle variabili che possono incidere sul punteggio composito alle prove cognitive in scienze, spiega poco meno del 7% della va-rianza complessiva (R² = 0,066; F(2,1) = 7,08, p < 0,05). Tra le due variabili indipendenti con-siderate solo la modalità più elevata dell’indi-ce «Fiducia nella propria capacità di imparare le scienze» risulta significativa (β = 6,20, p <

0,000). Vediamo ora, in una sorta di percorso a ritroso, quali sono gli elementi legati all’atti-vità didattica a influire maggiormente sull’en-tità di questa variabile psicosociale, nella sua connotazione più positiva, quindi di maggiore presenza.

Tabella 3

Modello di regressione multipla con variabili indipendenti le modalità più positive (high) dei due indici psicosociali sull’apprendimento delle scienze presenti

nel database della scuola primaria (rispettivamente N = 989, N = 907) e variabile dipendente i 5 PV’s in scienze

b eS β

z Score Sig.

costante 530,07 5,21 101,7 0,000

atteggiamento positivo del-lo studente verso le scienze

(high) 0,05 5,83 0,01 0,992

Fiducia nella propria capacità

di imparare le scienze (high) 29,66 4,78 6,20 0,000

Un successivo modello di regressione logi-stica (utilizzando la variabile dummy «Fidu-cia» come variabile dipendente) ha cercato di stimare l’impatto della didattica percepita a livello studente sulla modalità più elevata dell’indice «Fiducia». Il modello contiene dieci variabili indipendenti (con la scala di misura invertita rispetto all’originaria presente nel da-taset, che prevedeva il punteggio più basso, 1, per la modalità più frequente, e il più alto, 4, per la modalità meno frequente), corrispon-denti agli item della domanda numero 9 del questionario studente per la scuola primaria. Il modello nel suo complesso è risultato signifi-cativo, per χ² (10, N = 1462) = 46,78, p < 0,001,

corroborando l’abilità del modello nel distin-guere studenti che hanno un punteggio alto nell’indice «Fiducia», rispetto a coloro che, dall’altra parte, hanno punteggi più contenuti.

La varianza spiegata dal modello è compresa tra il 4% (Cox and Snell R square) e il 5%

(Nagelkerke R square). Questa soglia esigua di varianza spiegata sottolinea un contributo comunque ridotto da parte della didattica nel-lo spiegare i punteggi alti vs bassi nell’indice

«Fiducia».

Il modello in Tabella 4 presenta unicamente le variabili che riescono a dare un contributo significativo rispetto alla variabile dipendente considerata. Si può notare come le tre varia-bili «sopravvissute» siano in realtà riconduci-bili a modalità più tradizionali della didattica delle scienze, maggiormente centrate sull’in-dividuo e su compiti cognitivi, piuttosto che ad attività sociali e maggiormente «pratiche».

Nello specifico «Imparo a memoria gli ar-gomenti di scienze» (β = -1,172), «Scrivo o fornisco una spiegazione per qualcosa che sto studiando in scienze» (β = -1,17) e «Risolvo i problemi di scienze da solo/a» (β = -1,142).

Rimane sullo sfondo «Lavoro insieme ai miei compagni, in piccoli gruppi, su un esperimen-to o su un’indagine sperimentale di scienze»

(p = 0,224).

Tabella 4

Modello di regressione logistica con variabili indipendenti tutti gli item della domanda 9 del questionario

studente per la scuola primaria (in tabella sono riportati solo i contributi significativi) e variabile dipendente la modalità più elevata (dummy) dell’indice «Fiducia nella propria

capacità di imparare le scienze»

b eS β

z Score Sig.

costante -1,058 0,353 0,347 0,003

imparo a memoria gli

argo-menti di scienze 0,159 0,060 1,172 0,008 scrivo o fornisco una

spie-gazione per qualcosa che

sto studiando in scienze 0,157 0,057 1,170 0,006 risolvo i problemi di

scien-ze da solo/a 0,133 0,049 1,142 0,006

5.2. Esiti delle analisi per la scuola seconda-ria di primo grado

Lo stesso tipo di analisi può essere replicato per i punteggi degli studenti di terza secondaria di primo grado del campione trentino.

Il primo breve modello presentato in Tabella 5 include in un unico blocco le modalità più elevate dei tre indici psicosociali sulle scien-ze. A differenza del modello precedente per la scuola primaria, il modello spiega circa il 13% della varianza complessiva (R² = 0,129;

F(3,1650) = 51,54, p < 0,001). Tra le tre variabi-li indipendenti considerate, due risultano dare un contributo significativo. Nello specifico la modalità più elevata dell’indice «Atteggiamen-to positivo dello studente verso le scienze» (β

= 2,13, p < 0,05) e dell’indice «Valori attribuiti allo studio della scienze» (β = 9,71, p < 0,001).

Anche in questo caso, vediamo quali sono gli elementi legati all’attività didattica a influire maggiormente sull’entità di queste due variabili psicosociali.

Tabella 5

Modello di regressione multipla con variabili indipendenti le modalità più positive (high) dei tre indici psicosociali sull’apprendimento delle scienze presenti

nel database della scuola secondaria di primo grado (rispettivamente n = 649, N = 461, N = 798) e variabile dipendente

i 5 PV’s in scienze Variabili considerate b eS β

z Score p > |z|

costante 500,51 2,92 171,41 0,000

Fiducia nella propria capa-cità di imparare le scienze

(high) 6,08 4,06 1,49 0,134

atteggiamento positivo del-lo studente verso le scienze

(high) 9,61 4,51 2,13 0,033

Valori attribuiti allo studio

delle scienze (high) 41,62 4,28 9,71 0,000

Il successivo modello di regressione logistica (utilizzando la variabile dummy «Atteggiamento»

come variabile dipendente) ha cercato di stimare l’impatto della didattica percepita a livello stu-dente sulla modalità più elevata dell’indice

«At-teggiamento». Il modello contiene sedici variabili indipendenti (anche in questo caso con la scala di misura invertita), corrispondenti agli item della domanda numero 13 del questionario studente per la scuola secondaria di primo grado. Il modello nel suo complesso è risultato significativo, per χ² (16, N = 1569) = 117,01, p < 0,001, corrobo-rando l’abilità del modello stesso nel distinguere studenti che hanno un punteggio alto nell’indice

«Atteggiamento», rispetto a coloro che, dall’al-tra parte, hanno punteggi più contenuti. La va-rianza spiegata dal modello è compresa tra il 7%

(Cox and Snell R square) e il 10% (Nagelkerke R square). Una porzione più consistente di varian-za rispetto al precedente modello per la scuola primaria. Come si può vedere (Tabella 6), delle sedici complessive variabili considerate, solo una,

«Applichiamo quello che impariamo in scienze alla vita quotidiana», risulta avere un ruolo pre-dittivo (β = 1,68, p < 0,001). L’aspetto legato ai compiti autentici, dunque, si rivela presente, in li-nea con le indicazioni della letteratura (Petraglia, 1998), mentre l’aspetto più collaborativo e sociale non riesce a emergere in questo caso: la variabile

«Lavoriamo in piccoli gruppi su un esperimento o un’indagine sperimentale» non è risultata infatti significativa nel suo contributo (p = 0,668).

L’ultimo modello di regressione logistica è presentato in Tabella 7. In questo caso il match tra la modalità più elevata dell’indice «Valori»

e le sedici variabili legate alla didattica delle scienze produce un modello significativo, per χ²

(16, N = 1567) = 57,71, p < 0,001, corroborando l’abilità del modello stesso nel distinguere stu-denti che hanno un punteggio alto nell’indice

«Fiducia», rispetto a coloro che, dall’altra parte, hanno punteggi più contenuti. La varianza spie-gata dal modello è compresa tra il 4% (Cox and Snell R square) e il 5% (Nagelkerke R square).

Come per la scuola primaria, questa soglia esi-gua di varianza spiegata sottolinea un contri-buto comunque ridotto da parte della didattica nello spiegare i punteggi alti vs bassi nell’indice

«Fiducia».

Tabella 7

Modello di regressione logistica con variabili indipendenti tutti gli item della

domanda 13 del questionario studente per la scuola secondaria di primo grado (in tabella sono riportati solo i contributi

significativi) e variabile dipendente la modalità più elevata (dummy) dell’indice

«Valori attribuiti allo studio delle scienze»

b eS β

z Score Sig.

costante -1,81 0,31 0,16 0,000

osserviamo l’insegnante mentre fa un esperimento

o un’indagine sperimentale -0,18 0,07 0,83 0,017 applichiamo quello che

im-pariamo in scienze alla vita

quotidiana 0,13 0,06 1,14 0,038

ascoltiamo l’insegnante

che fa lezione 0,22 0,06 1,25 0,000

In questo caso i predittori migliori risultano essere caratterizzati da una parte per la cen-tratura sulla didattica innovativa («Applichia-mo quello che imparia(«Applichia-mo in scienze alla vita quotidiana»; β = 1,14, p < 0,05), ma anche per caratteristiche spiccatamente tradizionali, come il modellamento dell’insegnante mentre esegue un’attività in laboratorio (Bandura, 1977), oppu-re per il semplice ascolto da parte degli studenti nei confronti dello stesso insegnante. Riman-gono dunque sullo sfondo, anche per la scuola secondaria di primo grado, apparentemente con un ruolo scarso nello spiegare la variabilità dei punteggi alle prove cognitive in scienze, aspet-ti legaaspet-ti agli atteggiamenaspet-ti nei confronaspet-ti dello studio delle scienze.

Tabella 6

Modello di regressione logistica con variabili indipendenti tutti gli item della

domanda 13 del questionario studente per la scuola secondaria di primo grado (in tabella sono riportati solo i contributi

significativi) e variabile dipendente la modalità più elevata (dummy) dell’indice

«Atteggiamento positivo dello studente verso le scienze»

b eS β

z Score Sig.

costante -3,3 0,37 0,04 0,000

applichiamo quello che im-pariamo in scienze alla vita

quotidiana 0,52 0,07 1,68 0,000