Kapitel 5 Elevernes kompetencer
I dette kapitel præsenterer vi elevresultaterne af kompetencetestene. I den første halvdel ser vi på resultaterne af computer- og informationskompetencetesten for eleverne fra alle de deltagende lande med særligt fokus på de danske elever i sammenligning med elever fra Tyskland, USA og Finland samt – i denne kontekst – Sydkorea, idet de ligesom Danmark har placeret sig i toppen af skalaen. Vi går dybere ned i resultaterne for at undersøge hvad danske elever på forskellige kompetenceniveauer mere konkret er i stand til at udføre af opgaver. Derefter diskuterer vi hvad der kan have forårsaget den udvikling der er sket siden 2013.
I anden halvdel ser vi på resultaterne af testen af elevernes kompetencer til datalogisk tænkning. Også her sammenligner vi med de andre deltagende lande og undersøger hvad elever inden for de forskellige kompetenceområder mere konkret kan udføre af opgaver.
5.1 Elevresultater for computer- og informationskompetence
I figur 5.1 præsenteres resultaterne for elevernes computer- og informationskompetence. Til venstre i figuren vises fordelingen af elevernes resultat på computer- og informationskompetenceskalaen i hvert land med histogrammer, og til højre i figuren vises for hvert land elevernes gennemsnit samt procentandelen i hvert kompetenceniveau.
Ser man først på elevgennemsnittene, kan man se at danske elever har opnået det højeste gennemsnit på 553 point. Dette resultat er 11 point højere end de sydkoreanske elever der har det næsthøjeste gennemsnit på 542 point. Kigger vi nærmere på de tre lande hvis elever vi er særligt interesserede i at sammenligne de danske elever med, ser vi at finske elever i gennemsnit opnår 531 point, USA 519 point og Tyskland 518 point. Yderligere signifikanstests der tager højde for den statistiske usikkerhed forbundet med de estimerede gennemsnit, viser at de danske elevers gennemsnit er signifikant højere end elevgennemsnittet i hvert af de andre lande.
Figur 5.1: Computer- og informationskompetence opdelt på land. I figuren til venstre ses fordelingen som histogrammer med stiplede streger ved grænserne for de fem kompetenceniveauer, og i figuren til højre er elevernes gennemsnit samt andele af eleverne der befinder sig på hvert af de fem niveauer, angivet. Standardfejl er angivet i parentes. Histogrammerne er produceret på baggrund af den første plausible værdi. Gennemsnit, standardfejl og øvrige statistiske mål er beregnet på baggrund af alle fem plausible værdier.
Det fremgår i højre side af figur 5.1 at Sydkorea har flere elever (9 procent) på det højeste kompetenceniveau 4 end Danmark (3 procent). Forskellen er statistisk signifikant. Der er ikke flere danske elever på det øverste kompetenceniveau end der er finske, tyske og amerikanske. Danske elever udmærker sig i stedet ved at der er særligt mange elever placeret på kompetenceniveau 3 samt få elever i det nederste kompetenceniveau (under niveau 1).
En yderligere interessant iagttagelse kommer fra at inspicere histogrammerne og fordelingen af elevernes resultater. Hvis man anser det som et mål at eleverne klarer sig relativt ens (det vil sige at der er en lille ulighed i elevernes kompetencer), kan en smal klokkeform tolkes som et udtryk for succes. Standardafvigelsen der er et mål for spredningen i elevers resultater, er lavest for Danmark (65 point)38), mens den ligger på 80, 81 og 82 for tyske, amerikanske og finske elever samt på 94 for sydkoreanske elever. Disse resultater viser at der er noget ved Danmark, fx vores samfundsmodel, kultur eller vores skolesystem, der medfører at der hersker mindre ulighed. Det er oplagt at formode at skolesystemet spiller en central rolle heri, men disse data kan ikke afklare det.
Vi omtalte i kapitel 11 at skalaen for ICILS i 2013 blev fastsat til et gennemsnit på 500 og en standardafvigelse på 100. I 2018 anvendes samme skala som i 2013, så det er muligt at sammenligne elevernes resultater over tid. I 2018 er gennemsnittet for de deltagende lande 508 og altså lidt højere end i 2013. Standardafvigelsen er med 87 point væsentligt mindre end i 2013. Der er altså mindre spredning mellem de bedste og de dårligste elever i 2018. Dette fortæller ikke noget om udvikling, da det ikke var den samme gruppe lande der deltog i 2013 som i 2018.
5.1.1 Ændringer i elevernes computer- og informationskompetence siden 2013
I figur 5.2 ses de ændringer der er sket for de fire lande der deltog i ICILS både i 2013 og 2018. Det fremgår at danske elever i 2018 er 11 point bedre end de danske elever der deltog i 2013. Eleverne fra Sydkorea ser også ud til at have udviklet sig positivt, men ikke tilstrækkeligt til at det er statistisk signifikant, så der kan altså være tale om en statistisk tilfældighed. Eleverne fra Tyskland og Chile klarer sig dårligere end deres jævnaldrende gjorde fem år før. Men heller ikke disse udviklinger er statistisk signifikante.
Det er således kun de danske elever der er statistisk signifikant bedre i 2018 end deres jævnaldrende fem år før. Når man skal beregne om en udvikling mellem to tidspunkter er statistisk signifikant, skal man ikke alene tage hensyn til den statistiske usikkerhed på resultatet af de to målinger, man skal også inddrage den usikkerhed der opstår ved tilføjelse af nye testopgaver. Det kaldes equating error eller på dansk testækvivalensfaktoren. Derfor skal forskellen være ganske stor (eller der skal deltage endnu flere elever i undersøgelsen end der gør i ICILS) for at være statistisk signifikant, og det er den altså for de danske elever. I højre side af figur 5.2 sammenlignes størrelsen på forskellen mellem de to undersøgelsesrunder. Stregerne på hver side af punktet viser 95 procent-konfidensintervallet. Det fremgår at Chiles elever er tæt på at være signifikant dårligere i 2018 end i 2013.
Figur 5.2: Computer- og informationskompetence opdelt på år og land. Tal viser elevernes gennemsnit på skalaen for computer- og informationskompetence. Standardfejl er angivet i parentes. Prikker viser forskellen mellem elevernes gennemsnit i 2018 og 2013. Positive værdier angiver at eleverne har forbedret sig siden 2013. Horisontale linjer angiver et 95-procentkonfidensinterval. Landene er rangeret efter forskellen mellem elevernes gennemsnit i 2018 og 2013.
5.1.1.1 Ændring i fordeling på niveauerne for computer- og informationskompetence
Tabel 5.1 angiver hvordan udviklingen har været inden for de enkelte computer- og informationskompetenceniveauer. Det fremgår at der er færre elever under niveau 1 (men da der i forvejen var forholdsvis få, er forskellen ikke statistisk signifikant). Også på niveau 1 er der (statistisk signifikant) færre elever. Der er cirka lige så mange elever på niveau 2 i 2018 som i 2013, men væsentligt flere på niveau 3.
| CIK | 2018 | 2013 | Forskel |
|---|---|---|---|
| Gennemsnit | 553 (2,0) | 542 (3,5) | 11 (5,6) |
| Under niveau 1 | 3 (0,4) | 4 (0,8) | -1 (0,9) |
| Niveau 1 | 14 (0,9) | 17 (1,4) | -4 (1,6) |
| Niveau 2 | 45 (1,3) | 46 (1,7) | -1 (2,0) |
| Niveau 3 | 36 (1,5) | 30 (1,6) | 6 (2,2) |
| Niveau 4 | 3 (0,5) | 2 (0,6) | 1 (0,7) |
| Note: | |||
| Tabellen viser elevernes gennemsnit på skalaen for computer- og informationskompetence samt andele af eleverne der befinder sig på hvert af de fem niveauer. Tal i kolonnen ‘Forskel’ kan forekomme inkonsistent i forhold til andre tal i tabellen på grund af afrunding. Standardfejl er angivet i parentes. |
Udviklingen går således generelt i den rigtige retning for elever på alle kompetenceniveauer. Hvor det i 2013 var cirka en tredjedel af eleverne der var på de to højeste niveauer, er det nu næsten 40 procent. Det betyder at en ganske stor andel af eleverne er i stand til at producere velformede multimodale meddelelser og til at forholde sig begyndende kritisk til de tekster og aktører de møder på internettet.
5.1.2 Hvad kan eleverne inden for computer- og kommunikationskompetence?
Men hvad vil det sige at de danske elever fordeler sig som det ses i figur 5.1 og at der er sket de ændringer som ses i tabel 5.1? Som omtalt i kapitel 3, kan man bruge kompetencetesten til at beskrive hvad elever på forskellige niveauer er i stand til at løse af opgaver. Se beskrivelserne i tabel 3.2.
I 2018 var det mindre end en femtedel af de danske elever som havde kompetencer på eller under kompetenceniveau 1. Eleverne på niveau 1 har kendskab til en række basale softwarekommandoer så de under vejledning kan tilgå filer og færdiggøre rutinepræget tekst- og layoutredigering. De kender de basale konventioner som anvendes i software til digital kommunikation, og de kender risikoen for misbrug af computeren fra ikke-autoriserede brugere. Elever på dette niveau vil have svært ved at identificere når nogen forsøger at narre dem via nettet, de vil have svært ved at finde oplysninger de skal bruge, og at vurdere relevansen og troværdigheden af dem, og de vil finde det svært at udvælge relevant information og sætte sig ind i modtagerens behov når de udarbejder multimodale tekster.
Både i 2013 og 2018 var knap halvdelen af eleverne i 8. klasse på kompetenceniveau 2. På dette kompetenceniveau kan eleverne anvende computere som kilder til information på en grundlæggende måde. De lokaliserer eksplicit information gennem enkle digitale resurser, udvælger og tilføjer indhold til digitale produktioner og udviser en vis kontrol over layout samt formatering af tekst og billeder i digitale produktioner. De er opmærksomme på behovet for at beskytte adgang til visse digitale informationer og på nogle mulige konsekvenser af at andre kan få adgang til information. Elever på kompetenceniveau 2 er ikke ret selvstændige i deres informationssøgning og har svært ved at forholde sig kritisk til de informationer de finder eller bliver udsat for. De har desuden svært ved at udvælge relevant information og præsentere den på en måde der er optimal for modtagerne.
Mens der i 2013 var knap en tredjedel elever på kompetenceniveau 3, var der i 2018 cirka seks procent flere. Elever på dette kompetenceniveau har tilstrækkelig viden, evner og forståelse til på egen hånd at søge efter og lokalisere information samt til at redigere og skabe digitale produktioner. De udvælger relevant information fra digitale resurser og skaber digitale produkter med et fungerende layout og design. De er også opmærksomme på om den information som de får fat i, er partisk, upræcis eller upålidelig. Elever på kompetenceniveau 3 har dog stadig svært ved at søge præcist og målrettet efter mere specialiseret information der fx kræver et nærmere studie af søgeresultater og hjemmesider. De er stadig heller ikke helt i stand til at vælge al den relevante information og fravælge den irrelevante når de producerer multimodale produkter, ligesom de ikke altid lykkes med at skabe et design og layout som fremhæver og relaterer informationer hensigtsmæssigt.
Både i 2013 og 2018 ligger meget få danske elever på kompetenceniveau 4. Elever på dette niveau kontrollerer og evaluerer de kilder de møder. De er opmærksomme på modtagere og formål når de søger efter information, og når de udvælger nødvendig og tilpas information der skal indgå i digitale produktioner, ligesom de tilpasser formatering og layout af de digitale produktioner de skaber, til sammenhængen. De er opmærksomme på det potentiale der ligger i at information kan være en kommerciel og omformelig handelsvare, og på de problemstillinger der knytter sig til anvendelsen af digitale kilder som udgøres af tredjeparts intellektuelle ejendom.
5.1.3 Hvad skyldes den positive udvikling i elevernes computer- og informationskompetence?
11 point på ICILS-skalaen svarer til godt en sjettedel af spredningen af de danske elever i 2018. Det kan betragtes som en ganske stor udvikling på fem år, og det er derfor interessant at overveje hvad årsagen til den positive udvikling kan være. ICILS er et såkaldt tværsnitsstudie hvilket vil sige at man undersøger et udsnit af elever (i dette tilfælde på baggrund af en repræsentativ stikprøve) på et givet tidspunkt og ikke følger disse elever over tid. Det betyder at det er svært at sige noget om hvad der er årsagen til forskelle mellem to målepunkter – altså i tilfældet for ICILS mellem 2013 og 2018. Vi kan derfor alene komme med bud på faktorer der kan forklare udviklingen. Til at kvalificere sådanne bud kan vi bruge viden fra kontekststudierne, det vil sige viden om læreres holdninger til og brug af it i undervisningen, viden fra skoleledernes og it-vejledernes spørgeskemaer samt viden om den generelle udvikling på området i skolen siden 2013.
Som vi beskrev i kapitel 2, er der sket meget på området i de fem år mellem de to undersøgelser:
- Den daværende regering igangsatte i 2011 en styrket indsats for it i folkeskolen hvor der mellem 2012 og 2017 blev givet midler til finansiering af henholdsvis udvikling og køb af digitale læremidler samt styrkelse af it-infrastrukturen.
- I forbindelse med skolereformen kom der nye Fælles Mål hvor omdrejningspunktet skiftede fra indholdet af undervisningen til elevernes læring, herunder videns- og færdighedsmål for fagenes centrale kompetencer. I den forbindelse blev det med det tværfaglige tema it og medier tydeliggjort at it-faglige mål skulle indgå i alle fag, ligesom dele af computer- og informationskompetence eksplicit indgår i Fælles Mål for henholdsvis danskfaget og forsøgsfaget teknologiforståelse (se kapitel 3 hvor sammenhænge og relationer mellem ICILS’ definition af computer- og informationskompetence og dansk læseplan er beskrevet).
- I og omkring skolerne er der blevet iværksat samt eksperimenteret med en række ikkeobligatoriske fag og kurser, blandt andet FabLab@SCHOOLdk, Coding Class, DR ultra:bit, spilbaseret læring, DigiPippi (for piger) og en lang række andre initiativer – samt skolernes egne undervisningsaktiviteter med eksempelvis robotter i undervisningen.
Derudover har debatter været fokuseret omkring it-indkøb versus it-pædagogik/-didaktik. Overvejelser omkring it-pædagogik og -didaktik er i nogen grad kommet efter massive it-indkøb, og det har ikke altid været klart for lærerne hvordan de skulle anvende de mange indkøb til bedre undervisning (Caeli og Bundsgaard 2019a). Udviklingsprojekter som eksempelvis demonstrationsskoleprojekterne har haft fokus på dette og har måske sat deres spor på it-dagsordenen. Det lader således til at der i dag er en større grad af forståelse for at it ikke i sig selv skaber en bedre undervisning.
Derudover kan man ikke se bort fra at erfaringer med brug af computere må skabe en positiv udvikling i den del af computer- og informationskompetence der omhandler mere færdighedsorienterede kompetencer i brug af computere (se kapitel 3), herunder eksempelvis at kunne redigere et billede, omdøbe en fil, formatere titler eller bruge et grafikprogram. Uanset ønsker om at didaktik, indkøb af udstyr og forbedret infrastruktur i højere grad kunne have gået hånd i hånd, har den høje adgang til it-udstyr og den massive brug vi ser i Danmark, sandsynligvis haft en positiv effekt. Dette kan dog ikke forklare udviklingen alene, for som vi så i det foregående afsnit, har eleverne rykket sig på andre og mere avancerede områder end blot færdighedsorienteret brug. Men man kan argumentere for at adgang til udstyr og færdighedsorienterede kompetencer på lavere niveauer sandsynligvis har været et godt fundament for den udvikling vi ser i dag hvor eleverne har udviklet kompetencer også på højere niveauer.
Det sidste bud på forklaring vi vil fremføre, er at udviklingen kan være forårsaget af de indsatser vi nævner i det foregående. I kapitel 7 og kapitel 8 viser vi nemlig at der er sket en række ændringer i danske læreres holdninger og selvtillid i forhold til it i undervisningen samt i deres brug af it i undervisningen. Danske lærere er generelt blevet mere kritiske og på nogle punkter mindre positivt indstillede over for it i undervisningen end i 2013, men samtidig er deres tiltro til egne evner steget på en række punkter. Brugen af it er til gengæld steget på alle parametre og i meget stort omfang. Denne dobbelte udvikling mod mere kritisk indstilling, men med højere tiltro til egne evner og langt højere brug af it i undervisningen giver anledning til at opstille den helt oplagte hypotese at udviklingen i elevernes kompetencer blandt andet skyldes at danske lærere i meget højere grad anvender it i undervisningen. Det vil kræve yderligere forskning at understøtte en sådan hypotese.
I kapitel 10 formidler vi resultaterne af en række avancerede statistiske analyser som kan bruges til at se sammenhænge mellem elevernes resultater og en række kontekstfaktorer. Disse resultater kan dog ikke umiddelbart forklare den udvikling vi ser i dette kapitel.
5.2 Elevresultater for datalogisk tænkning
I figur 5.3 ses fordelingen af elevers resultater i testen af datalogisk tænkning. Til venstre i figuren vises fordelingen af elevernes resultat i testen, og til højre i figuren vises for hvert land elevernes gennemsnit samt procentandelen i hvert kompetenceområde. Som tidligere nævnt deltog kun otte af de deltagende lande i ICILS også i testen af elevernes datalogiske tænkning. Som det fremgår, klarer danske elever sig med et gennemsnit på 527 forholdsvis godt sammenlignet med elever fra de andre deltagende lande. Kun elever i Sydkorea har med 536 et højere gennemsnit, men det er ikke signifikant forskelligt fra det danske. Danske elever har et signifikant højere gennemsnit end de øvrige deltagende landes elever, herunder også Finland, USA og Tyskland.
Figur 5.3: Datalogisk tænkning opdelt på land. I figuren til venstre ses fordelingen som histogrammer med stiplede streger ved grænserne for de tre kompetenceområder, og i figuren til højre er elevernes gennemsnit samt andele af eleverne der befinder sig i hvert af de tre områder, angivet. Standardfejl er angivet i parentes. Histogrammerne er produceret på baggrund af den første plausible værdi. Gennemsnit, standardfejl og øvrige statistiske mål er beregnet på baggrund af alle fem plausible værdier.
Herudover fremgår det af fordelingerne at der ligesom ved computer- og informationskompetence er en mindre spredning i danske elevers resultater på datalogisk tænkning end blandt elever i de lande vi sammenligner med. Da skalaen for datalogisk tænkning er udviklet i forbindelse med ICILS-undersøgelsen i 2018, er spredningen af de internationale resultater sat til 100 point. Danske elevers spredning er med sine 84 point således noget mindre end den internationale spredning. For Sydkorea og USA’s vedkommende er den på 110 og 108 og altså større internt i disse lande end på tværs af de otte deltagende lande. De finske og tyske elevers spredning ligger med 98 og 103 point omkring den internationale spredning.
Det høje danske gennemsnit samt den relativt begrænsede spredning i kompetencer indikerer at det danske samfund lykkes bedre end andre lande med at støtte elevernes udvikling af kompetencer uden at der skabes stor ulighed imellem dem. Selv om det er helt oplagt, har vi dog ikke belæg for at sige at resultatet faktisk skyldes de danske skoler og ikke andre egenskaber ved det danske samfund. I kapitel 10 rapporterer vi fra en multivariat analyse som giver mere indsigt i sammenhængen mellem skolekontekst og elevbaggrund på den ene side og elevernes resultater på den anden.
5.2.1 Hvad kan danske elever inden for datalogisk tænkning?
Som omtalt i afsnit 4.3 har det med den anvendte test kun været muligt at beskrive tre kompetenceintervaller. Grænserne for disse intervaller er angivet i figur 5.3 med stiplede linjer, og procentandele af elever i hvert interval er angivet for hvert land i tabellen til højre i figuren. Der er signifikant flere danske elever i det øvre interval end der er i Tyskland og USA, og statistisk set lige så mange som Finland. Der er signifikant flere danske elever i det midterste interval og signifikant færre i det nederste interval end i de øvrige lande vi sammenligner med (Tyskland, USA og Finland).
5.2.1.1 Fordeling på intervallerne for datalogisk tænkning
Men hvad vil det så sige at der er mange danske elever særligt i det midterste interval? I kapitel 4 fremgår det dels hvad datalogisk tænkning indebærer, dels hvad datalogisk tænkning inddelt i de tre kompetenceintervaller for elevpræstationer indebærer.
Intervalskalaen afspejler en stigende grad af udvikling fra det nederste interval hvor elever er i stand til at interagere med digitale systemer under direkte instruktion, til det midterste interval hvor elever kan udvikle algoritmer til programmerbare løsninger på problemer, til det øverste interval hvor elever viser stigende grad af uafhængighed i forhold til at udforske og udlede digitale systemers handling ud fra deres output. Dette interval inkluderer også elevernes kompetencer til at evaluere kvaliteten af deres egne algoritmiske løsninger i forhold til definerede mål og restriktioner.
Kigger vi specifikt på det midterste interval hvor de fleste danske elever placerer sig, ser vi at elever i dette interval viser forståelse for at datalogiske beregninger kan anvendes til praktisk løsning af problemer i den virkelige verden. I planlægningen af deres løsning kan de systematisk foretage iterationer og ændre input for at observere mulige forskellige output. De kan implementere færdige komplekse kodningsløsninger og finde fejl ved brug af ikke-lineær logik (det vil sige at de kan bruge løkker og lignende spring i kodeforløbet).
Eksempler på specifikke opgaver elever i dette interval kan løse, fremgår af kapitel 11. Blandt andet kan de færdiggøre et beslutningstræ med korrekt syntaks og logik, og de kan udvikle en effektiv algoritme til at løse et semikomplekst problem gennem brug af hvis-betingelser. Forskellen mellem det midterste og det nederste interval er overordnet set at elever der placerer sig i det nederste interval overvejende har udviklet mere færdigheds- og brugsorienterede kompetencer. De anvender i højere grad kun lineær logik til problemløsning og er altså i mindre grad i stand til at udvikle selvstændige og kreative løsninger end elever der placerer sig i det midterste interval. Forskellen mellem det midterste og det øverste interval er overordnet set at elever på det øverste interval i tillæg kan generalisere deres datalogiske løsninger på problemer så de altså kan overføre dem på andre problemer og at de besidder metakognitive kompetencer til at forklare for eksempel systematiske iterationer. Deres løsninger er mere effektive og forfinede, de anvender mere kompleks kodning, og de kan lokalisere problemer gennem brug af ikke-lineære logikker og givne betingelser. I det følgende ser vi nærmere på hvad det kan skyldes at flest danske elever placerer sig i det midterste interval, og vi diskuterer hvordan de har lært datalogisk tænkning.
5.2.2 Hvordan har eleverne lært datalogisk tænkning?
Som beskrevet i kapitel 2 havde danske elever i 2018 ikke obligatorisk undervisning i fag der indeholdt krav om fokus på datalogisk tænkning. Derfor kan det måske undre at danske elever alligevel i gennemsnit er forholdsvis dygtige. Dette kan skyldes flere ting.
Først og fremmest er datalogisk tænkning ikke blot et spørgsmål om at have erfaring med at programmere computere. Som det fremgår af kompetencebeskrivelserne, handler datalogisk tænkning om at identificere problemer og udvikle løsninger, og væsentlige dele af disse kompetencer er ikke umiddelbart afhængige af at man kan konkretisere dem i algoritmer og programmer. En nærmere undersøgelse af elevbesvarelser vil kunne afdække om der er en sammenhæng mellem om eleverne i spørgeskemaet angiver at have erfaring med udvikling af algoritmer og programmer og er i stand til at løse opgaver inden for kompetenceområde 2’s aspekt 2: At udvikle algoritmer, programmer og brugerflader. Denne type analyser kunne være genstand for sekundære analyser af ICILS’s datamateriale.
For det andet kan det skyldes at danske elever trods manglende centralt initierede og bredt udfoldede projekter alligevel har haft lejlighed til at stifte bekendtskab med nogle af de praktiske aspekter der indgår i udvikling af algoritmer og programmer. Det kunne fx være som deltager i nogle af de initiativer vi omtaler i kapitel 2 såsom Coding Class, FabLab@SCHOOLdk eller skolernes individuelle it-initiativer, eller det kunne være ved at spille computerspil som Minecraft (som i avanceret brug har megen lighed med udvikling af algoritmer) eller ved at følge videovejledninger eller på andre måder af egen kraft tilegne sig disse kompetencer.
Derudover vil vi igen fremhæve den styrkede indsat på området i kraft af de midler der blev afsat af regeringen og Kommunernes Landsforening i perioden 2012 til 2017 hvor et af formålene blandt andet var at inddrage erfaringer fra forsøgs- og forskningsprojekter på området. Flere af disse forsøg samt diskussionerne på området peger som nævnt på at autentisk problemløsning skal i fokus for arbejdet med it og digitale teknologier, og det er sådanne kompetencer der er afspejlet i det midterste interval – frem for udvikling af isolerede færdighedsorienterede kompetencer og lukkede løsninger som i højere grad er afspejlet i det nederste interval.
Også i forhold til udvikling af datalogisk tænkning kan vi pege på interessante resultater fra undersøgelsen af lærernes praksis. Det viser sig nemlig i kapitel 8 at danske lærere i ret høj grad har fokus på at eleverne udvikler nogle af de færdigheder og kompetencer der indgår i eller er en forudsætning for datalogisk tænkning. Det kan fx være at opdele en kompleks proces i mindre dele og at planlægge opgaver ved at redegøre for de trin der er nødvendige for at færdiggøre dem. Men også her er det op til yderligere analyser at understøtte en sådan sammenhæng.
En anden og dybereliggende grund kan måske findes i dansk kultur og traditioner for folkeskolen, herunder det almendannende formål om at eleverne udvikler erkendelse og fantasi samt får tillid til egne muligheder. Et sådant formål kræver at der gives plads til selvstændig og kreativ tænkning, og at mange løsninger er acceptable.
5.3 Sammenfatning
Danske elever klarer sig godt både i testen af computer- og informationskompetence og i testen af datalogisk tænkning sammenlignet med elever i de andre deltagende lande. Danske elever er desuden signifikant bedre i 2018 end de var i 2013 målt på skalaen for computer- og informationskompetence. Disse resultater kan give grund til at være tilfreds med undersøgelsens resultater.
Men når man kigger nærmere på hvad danske elever faktisk er i stand til, kan der være grund til at overveje en ekstra gang om det er godt nok. Over halvdelen af de danske elever har en computer- og informationskompetence på eller under kompetenceniveau 2. Elever på kompetenceniveau 2 er som sagt ikke ret selvstændige i deres informationssøgning, de har svært ved at forholde sig kritisk til de informationer de finder eller bliver udsat for, og de har svært ved at udvælge relevant information og præsentere den på en måde der er optimal for modtagerne. Alle disse aktiviteter er og vil være en central del af langt de fleste borgeres liv. Eleverne går jo stadig kun i 8. klasse, og grundskolen og ungdomsuddannelserne har stadig mulighed for at bidrage til at eleverne udvikler endnu bedre computer- og informationskompetencer, men det kræver en indsats og en opmærksomhed på lige netop disse ganske komplicerede kompetencer.
Også i testen af datalogisk tænkning klarer danske elever sig sammenligneligt godt. Da de færreste danske elever (eller elever i de andre deltagende lande) på jævnlig basis har stiftet bekendtskab med datalogiske aktiviteter, kan resultatet betragtes som positivt og som et godt udgangspunkt for de nye initiativer med forsøgsfaget teknologiforståelse i folkeskolen og informatik og lignende fag i ungdomsuddannelserne. Det bliver spændende at se om man kan se konsekvenserne af indsatserne i den næste ICILS-undersøgelse i 2023.
B Referencer
Caeli, Elisa Nadire, og Jeppe Bundsgaard. 2019a. “Datalogisk Tænkning Og Teknologiforståelse i Folkeskolen Tur-Retur”. Tidsskriftet Læring og Medier (LOM) 11 (19). https://doi.org/10.7146/lom.v11i19.110919.
Hvis eleverne er normaltfordelt, betyder det at 68 procent af de danske elever ligger inden for 553 point plus/minus 65 point, det vil sige mellem 488 og 618 point.↩