Taustaa
Matemaattisilla oppimisvaikeuksilla voidaan yleisesti tarkoittaa sitä, että henkilön matemaattisten taitojen oppiminen ja hallitseminen on selvästi haastavampaa hänen ikätovereihinsa verrattuna. Matemaattiset oppimisvaikeudet ovat melko yleisiä, vaikka niiden tutkimus onkin jäänyt lukivaikeuksien tutkimuksen varjoon. Matematiikan oppimisvaikeuksia on viime vuosina tutkittu melko runsaasti, mutta tutkimus on keskittynyt etenkin alle kouluikäisten lasten matematiikan oppimiseen ja sen vaikeuksiin.
Matemaattisten oppimisvaikeuksien tunnistamiseen on Suomessa hyvin vähän luotettavaan tutkimustietoon perustuvia mittareita 9-16 -vuotiaille lapsille ja nuorille. Tilanteeseen on kuitenkin tulossa muutos, sillä tällä hetkellä on meneillään laaja, kansallisten ja kansainvälisten tutkijoiden FUNA-yhteishanke, jossa kehitetään koulujen ja tutkijoiden käyttöön uutta laskutaitojen ja matematiikan oppimisen ja oppimisvaikeuksien sähköistä arviointivälinettä. Tutkimukseni tarkoituksena oli selvittää nimenomaan oppimisvaikeuksien tunnistamiseen tarkoitetun osatestin, FUNA-DB:n luotettavuutta vertaamalla sitä aiemmin kehitettyyn ja tutkittuun RMAT-mittariin.
Tutkimustehtävä
Tutkimustehtävänä oli selvittää FUNA-DB -mittarin luotettavuutta samanaikaisvaliditeetin kannalta. Samanaikaisvaliditeettia arvioidaan vertaamalla uutta mittaria aiempaan mittariin, ja tarkoituksena on selvittää, toimivatko mittarit samalla tavalla (tai toimiiko uusi mittari aiempaa paremmin). Tutkimuksessani selvitin, miten FUNA:n ja aiemmin kehitetyn RMAT-mittarin osa-alueet korreloivat keskenään, ja miten FUNA-DB ja RMAT tunnistivat samoja heikkoja osaajia.
Toteutus
Tutkimus toteutettiin kvantitatiivisena tutkimuksena syksyllä 2021. Tutkimukseen osallistui yhteensä 318 9-13 -vuotiasta lasta ja nuorta, joilla teetettiin sekä FUNA-DB, että RMAT -testit. Aineisto analysoitiin kvantitatiivisesti. Keskeiset tutkimusmenetelmät olivat Pearsonin korrelaatiokerroin sekä konfiguraalinen frekvenssianalyysi. Näiden lisäksi aineistosta tarkasteltiin kuvailevia tunnuslukuja, ryhmien välisiä eroja (sukupuolen ja kielen osalta) t-testin avulla sekä luokka-asteiden välisiä eroja varianssianalyysin avulla.
Tulokset ja johtopäätökset
Tutkimuksessa saatiin selville, että FUNA-DB ja RMAT korreloivat keskenään kaikkien tehtävä-osioiden osalta, ja korrelaatio oli tilastollisesti merkitsevää. FUNA-DB ja RMAT tunnistivat molemmat myös samat heikosti testissä suoriutuvat oppilaat, ja myös tämä havainto oli tilastollisesti merkitsevä.
Nämä tulokset antavat vahvistusta sille, että uusi FUNA-DB vaikuttaa olevan samanaikaisvaliditeetin osalta luotettava ja toimiva arviointiväline, joka kykenee tunnistamaan matemaattisia oppimisvaikeuksia.
Mielenkiintoisena havaintona tutkimuksessa kävi ilmi, että FUNA-DB -testissä oppilaan parhaiten puhumalla kielellä ei ollut merkitystä testissä pärjäämiseen. Muuta kieltä kuin suomea parhaiten puhuvat oppilaat menestyivät testissä yhtä hyvin kuin suomea parhaiten puhuvat oppilaat. RMAT-testissä taas suomea parhaiten puhuvat menestyivät paremmin. Tämä on tärkeä ja kiinnostava havainto, sillä FUNA-DB näyttää mittaavan nimenomaan matematiikan osaamista ilman, että se on sidoksissa oppilaan kielitaitoon. Muuta kuin suomea parhaiten puhuvien oppilaiden osaaminen arvioidaan usein todellista heikommaksi, mikä ei tämän mittarin kohdalla pidä paikkaansa.
Sähköiset arviointivälineet helpottavat myös opettajan työtä, kun testejä ei tarvitse pisteyttää enää kynällä ja paperilla. Hyvä, laadukas, tutkimustietoon perustuva oppimisvaikeuksien tunnistamisen mittari helpottaa opettajan työtä. FUNA-projekti on vielä käynnissä, joten FUNA-DB:n luotettavuutta ja toimivuutta tullaan arvioimaan vielä jatkossakin.
Katri Veinola
Tutkielma: FUNA-DB -mittarin luotettavuus samanaikaisvaliditeetin näkökulmasta