Digitale geletterdheid in je vak

Digitale geletterdheid en je eigen (Bèta)vak

Met behulp van Digitale geletterdheid kun je je vak interessanter en relevanter maken. En omgekeerd kan je vak helpen met het versterken van de Digitale geletterdheid van de leerlingen.

Het gaat bij Digitale geletterdheid niet om de inzet onderwijs-ICT, zoals digitale leermiddelen. Bij Digitale geletterdheid is het leren werken met ICT een onderwijsdoel - hoewel ICT ook onderwijsmiddel kan zijn.

Inspiratie vanuit het vak: wetenschap en beroepspraktijk

Een eerste invalshoek is het gebruik van ICT in het wetenschappelijk onderzoek en in de beroepspraktijk van je vak. In vrijwel alle vakgebieden worden informatica en ICT breed ingezet: voor het verwerven, analyseren en verwerken van data; voor modelleren en simuleren; voor het aansturen van experimenten; enz. Daarnaast is het professioneel en wetenschappelijk communiceren en publiceren sterk bepaald door het gebruik van ICT.

Voorbeeld: Computer-Based Math

Een voorbeeld van het gebruiken van de mogelijkheden van computers om het vak Wiskunde anders vorm (en inhoud!) te geven vind je in Conrad Wolfram's Computer Based Math. Het basisidee hiervan is dat je door het gebruik van computers realistische problemen kunt oplossen, omdat je je niet hoeft te beperken tot sterk vereenvoudigde modellen die je met de hand kunt uitrekenen. De nadruk komt daarbij te liggen op het probleem en het oplossen daarvan, en niet op het eigenlijke rekenwerk.

• https://www.computerbasedmath.org/case-for-computer-based-math-education.php (zie ook de video!)
• https://www.computerbasedmath.org
• https://www.edsurge.com/news/2018-09-19-conrad-wolfram-let-s-build-a-new-math-curriculum-that-assumes-computers-exist
• https://www.wolfram.com/education/high-schools/

NB: Wolfram heeft ook materiaal, via bijv. Wolfram Alpha en apps, voor veel andere Beta-vakken.

Eenvoudig voorbeeld: je kunt statistiek uitvoeren op een realistisch probleem, bijvoorbeeld met behulp van een enquete die de leerlingen zelf kunnen uitvoeren, of op basis van open data die veel (overheids)instellingen beschikbaar hebben. Op de resultaten kun je allerlei analyses loslaten, zowel statistische berekeningen als allerlei soorten visualisatie. Dit kun je al met relatief eenvoudige spreadsheets doen.

Modelleren en simuleren

Modelleren en simuleren kun je gebruiken om leerlingen meer inzicht te geven in bepaalde onderwerpen. Met behulp van simulatiemodellen kunnen leerlingen simulatie-experimenten uitvoeren, bijvoorbeeld om te zien wat de gevolgen zijn van bepaalde parameter-instellingen van een systeem.

Een eerste aanpak van modelleren is het gebruik van differentievergelijkingen. Een eenvoudig model op basis van differentievergelijkingen kunnen leerlingen zelf opstellen en met behulp van een spreadsheetprogramma uitrekenen. Er zijn ook verschillende omgevingen voor dergelijke simulaties (o.a. modelleren in Coach).

Daarnaast zijn er andere bruikbare vormen van modelleren:

• agent-based modelleren en simuleren (vgl. het INF-materiaal, NetLogo, ook in code.org?)
  • NetLogo
  • NetLogo heeft een zeer uitgebreide library met modellen voor allerlei vakken en wetenschappen, van wiskunde tot natuurkunde, biologie en sociale wetenschappen
• conceptueel modelleren (UvA, HvA: Bert Bredeweg) - waaraan je geleidelijk meer kwantitatieve elementen toevoegt.
  • https://www.dynalearn.eu

(Er zijn mogelijk voor de verschillende vakken ook specifieke pakketten, soms professioneel, soms educatief. Ik heb daar geen zicht op, mogelijk kunnen vakdocenten mij verder helpen.)

Modelleren als vakoverstijgend onderwerp (Tu/e)

(Dit college wordt inmiddels -helaas- niet meer gegeven.)

• website van Kees van Overveld: http://www.keesvanoverveld.com/modeling/modelingStartsHere.htm (met dictaat, slides, video's)
• modelleren met Accel: http://www.keesvanoverveld.com/Accel/accel.htm?v=49

Data-analyse - aansluiting op data-science

Steeds meer disciplines gebruiken het analyseren van data ("big data") als onderdeel van het onderzoek of van de beroepspraktijk. Voor deze data-analyse is naast kennis van statistiek en visualisatie vaak ook kennis nodig van databases en van programmeren, bijvoorbeeld om data uit verschillende bronnen aan te passen en te combineren voor een eigen onderzoeksdoel.

Enkele voorbeelden hoe je dit kunt inzetten:

Wiskunde

• verwerven van data uit publieke bronnen ("open data") en/of eigen enquetes;
• visualiseren van deze data;
• toepassen van statistiek op deze data.

Als leerlingen dit beheersen, kunnen ze deze kennis en vaardigheden ook toepassen bij bijvoorbeeld geschiedenis, aardrijkskunde of economie.

In eerste instantie kun je hierbij spreadsheets gebruiken. Met enige programmmerkennis kun je ook Jupyter Notebooks inzetten.

Natuurkunde, Biologie

• verwerven van experimentele data met behulp van Physical Computing;
• visualiseren van deze data;
• toepassen van statistiek en eigen modellen

(Mogelijk ook: analyseren van data van simulaties; daar gebruik je vaak methodes als Monte Carlo simulaties, waarbij je een groot aantal simulatie-experimenten moet vergelijken.)

• data: verwerven
  • automatiseren met behulp van "physical computing" (Arduino's, micro:bits, Raspberry Pi's; sensoren & actuatoren)

• besturen, automatische systemen
  • Physical computing.

Algemeen

Digitale vaardigheden en informatievaardigheden zijn van belang voor en worden geoefend met:

• het schrijven van verslagen (en evt. het bijhouden van een logboek)
• het maken van presentaties
• het samenwerken in een project

Bijdrage vanuit je vak aan Digitale geletterdheid

Een andere invalshoek is de bijdrage die je vanuit je vak kunt leveren aan Digitale geletterdheid. Het gaat daarbij om onderwerpen die tot het eigen vak behoren, bijvoorbeeld:

• Natuurkunde: de fysische basis van computers en communicatie;
• Wiskunde: de logische basis van computers; codering/decodering, foutherstellende codes; encryptie;
• Biologie: biologie als informatiewetenschap; bio-informatica
• Filosofie/wiskunde: logica (en verzamelingen)
• (Scheikunde?)