Hoe je kun je onderwijs in de STEM-vakken boeiender en relevanter kunt maken voor leerlingen? Eén manier is om contextgebaseerd leren (CBL) te gebruiken. Dit is een aanpak die wetenschappelijke concepten integreert in authentieke situaties uit de echte wereld. CBL kan leerlingen helpen het verband te zien tussen wetenschap en hun dagelijks leven en kan hun nieuwsgierigheid en interesse aanwakkeren.
Maar niet alle contexten spreken leerlingen evenveel. En leerlingen kunnen de voorkeur geven aan verschillende soorten contexten, afhankelijk van bijvoorbeeld hun voorkennis en interesse. Sommige leerlingen geven bijvoorbeeld de voorkeur aan contexten die betrekking hebben op hun persoonlijke ervaringen, terwijl andere leerlingen de voorkeur geven aan contexten die betrekking hebben op ongewone verschijnselen of laboratoriumomgevingen.
Dus, moet je leerlingen hun eigen contexten laten kiezen, of moet je ze contexten toewijzen die bij hun kenmerken passen? Een recente studie van Güth en van Vorst (2024) probeerde deze vraag te beantwoorden door drie interventies te vergelijken in een scheikundeles over zure en alkalische oplossingen. In de eerste interventie konden leerlingen een context kiezen uit drie mogelijkheden: tandbederf, zure regen of chemische analyse. In de tweede interventie kregen leerlingen een context toegewezen die overeenkwam met hun individuele kenmerken, deze overeenkomst werd voorspeld met machine learning. In de derde interventie kregen leerlingen een context toegewezen die niet overeenkwam met hun individuele kenmerken.
De onderzoekers onderzochten de situationele interesse, cognitieve belasting en taakgerelateerde tevredenheid van leerlingen na elke deeltaak. Ze ontdekten dat het voor deze uitkomsten niet uitmaakte of de context wel of niet werd gekozen door leerlingen, zolang de context maar paste bij de individuele kenmerken van de leerlingen. Met andere woorden: het was niet de keuze zelf die een positief effect had, maar eerder de congruentie tussen de context en de leerling.
Het abstract
Context-based learning (CBL) environments are widely used in science education to create authentic learning opportunities. Contexts can be authentic through their relation to everyday life, to uncommon scientific phenomena, or to the chemical laboratory. Previous research revealed that students choose contexts that are authentic in different ways depending on their individual characteristics. Self-determination theory and psychological research indicate that it is not the choice itself that is beneficial for learning, but rather the congruence between the characteristics of the participants and the task. The extent to which these results are transferable to CBL in chemistry education and the effects on cognitive load have not yet been analyzed. The focus of the present study was to investigate whether the choice of a contextualized task or the congruence between context and student are causal for beneficial effects in situational interest, cognitive load, and task-related satisfaction. We conducted an experimental study with 217 third-year chemistry students comparing three treatments while learning in a CBL environment. In the first group, students could choose a contextual task that was varied in terms of authenticity. Students in the second group were assigned a contextual task by an artificial neural network that matched their individual characteristics. Students in the third group were assigned a contextualized task by the neural network that did not match their individual characteristics. Multilevel analyses show that whether the context is chosen or not is irrelevant for situational interest and task-related satisfaction if the context fits the individual characteristics of the students.