Abstract
Tutkimuksessa selvitetään matematiikan pedagogiikan kurssille osallistuneiden luokanopettajaopiskelijoiden (n = 122) motivaation yhteyttä ViLLE-oppimisympäristössä tapahtuvaan matematiikan opiskeluun erityyppisten tehtävien tekemisen ja ajankäytön avulla. Aineisto kerättiin lomakekyselyllä ja ympäristön lokitiedostosta. Motivaation mittaaminen perustui Ecclesin ja Wigfieldin odotukset–arvo-motivaatioteoriaan. Tehtävät luokiteltiin neljään tyyppiin proseduraalis–konseptuaalisen tietopainotuksen sekä vaativuustason avulla. Odotusten ja hyötyarvon kokemukset erottelivat voimakkaimmin opiskelijat vahvemman ja heikomman motivaatiotaustan kategorioihin. Opiskelijoiden työskentelyn tarkastelussa informatiivisimmaksi menetelmäksi osoittautui opiskelijoiden erottelu kolmeen erilaiseen ajankäytön ryhmään. Vahvimman motivaation opiskelijat suoriutuivat tehtävistä nopeammin. Heikomman motivaation opiskelijat jakautuivat eniten ja vähiten aikaa käyttäneisiin. Eniten aikaa käyttäneet suorittivat tehtävät sinnikkäästi. Vähiten aikaa käyttäneiden työskentelyssä näkyi luovuttaminen monimutkaisempien tehtävien kohdalla ja kasvava periksi antamisen trendi. Aikaisemmissa tutkimuksissa esitetään samankaltaisia yhteyksiä sinnikkyyden ja motivaation välille.
The connection between the motivation of prospective elementary teachers and the working in ViLLE learning environment
The study investigates the connection between the motivation of prospective elementary teachers (n = 122) and the working in ViLLE learning environment during the mathematics pedagogy course. The data was collected using a questionnaire and ViLLE learning analytics. Eccles and Wigfield's Expectancy-value theory were used measuring students’ motivation towards mathematics. The learning analytics data consists of the time used in the environment and the amount of finalized tasks. The tasks were classified into four types using the axis of knowledge (procedural-conceptual) and the axis of difficulty (simple-complex). The study revealed the experiences of expectancies and utility value most strongly separated the students into the categories of stronger and weaker motivation background. A greater experience of attainment value was connected to the amount of doing tasks, regardless of the type of task. Using a k-means cluster analysis to the time data of the learning analytics the separation of students into three different groups proved to be the most informative method. Students with the strongest motivation performed the tasks fastest. Students with weaker motivation were divided into those who spent the most and the least time in the environment. Those who spent the most time performed the tasks persistently. By contrast the ones who spent the least time gave up on complex tasks and a growing trend of giving up were recognized in this group. Previous studies have shown similar connections between persistence and motivation.
Keywords: Mathematics, Motivation, Expectancy-value theory, Persistence, Teacher education