Examensarbete projektförslag

Kontaktperson K-ULF:  Cecilia Kozma, kozma@kth.se 

K-ULF - Laborationer och praktiskt arbete  

Hur kan man arbeta laborativt och praktiskt med mätningar, observationer, simuleringar eller experiment för att stödja elever i deras kunskapsutveckling inom teknik, kemi, fysik och matematik?

Laborationer och praktiskt arbete till exempel som stöd för elever att öka sin

• problemlösningsförmåga  

• förmåga till matematiska modeller  

• förmåga till rimlighetsbedömningar  

• begreppsförståelse  

• socio-emotionella kompetens  

• språkliga kompetens  

I samarbete med skola och/eller Vetenskapens Hus (VH) undersöka någon aspekt av laborativt arbete och ta fram ett material för utvärdering eller genomförande av laboration.  

Exempel på frågeställningar kan t ex röra:

• Kommunikation under laborationer. Vad pratar elever om? Hur påverkar det lärandet? Hur kan läraren främja ett lärande samtal under laborationer?

• Jämföra hur elever agerar i en laborativ situation på VH jämfört med i skolan.

• Hur förhåller sig elever till artefakter i en laborativ situation?  

• I vilken omfattning tar elever till sig och börjar använda nya begrepp vid ett laborationstillfälle?  

K-ULF - Lärares self-efficacy

Inom ramen för K-ULF och tillsammans med Haninge kommun följa en insats tillsammans med Tekniska museet som inkluderar programmeringsundervisning, besök på museum och andra aktiviteter riktade till undervisning i no och teknik för elever i årskurs 3. Lärare kommer få utbildning samt undervisningsstöd kring programmeringsundervisning samt en del andra aktiviteter kopplat till det. Insatsen löper över flera år och erbjuder flera möjligheter till studier. Vi planerar att bygga vidare på tidigare forskning om lärares self-efficacy, men andra perspektiv från lärarna är också välkomna. Dessutom vill vi fokusera på elevernas intresse och kunskapsutveckling, till exempel genom att utvärdera verktyg för att följa deras lärande.

Kontaktperson: Eva Hartell, forskningsledare Utbildningsförvaltningen i Haninge samt koordinator och forskare i K-ULF ehartell@kth.se 08-6068245

K-ULF - Läxor som kompensatorisk pedagogik – hinder eller möjlighet i ett tänkande klassrum?

Läxor är en självklar del av skolvardagen – men för vem fungerar de egentligen? Den här studien utforskar läxans roll ur ett kompensatoriskt perspektiv: Hur påverkar olika typer av läxor elever med olika förutsättningar?

Med utgångspunkt i Peter Liljedahls modell för tänkande klassrum undersöks om frivilliga, reflekterande och tillgängliga läxor kan fungera som ett pedagogiskt stöd snarare än ett hinder – särskilt för elever i behov av stöd.

Syftet är att bidra med kunskap om hur läxor kan användas för att utjämna, snarare än förstärka, skillnader i elevernas förutsättningar.

Kontaktperson: John Rödin (Förstelärare Matematik, Åk 7-9, Torsviks skola, Lidingö stad) john.rodin@lidingo.se

K-ULF - Språklig sårbarhet i ämnesundervisning – En analys av NO/Teknik - och matematikundervisning för ökad förståelse

I språkintensiva ämnen som NO och matematik riskerar elever i språklig sårbarhet att halka efter – inte på grund av bristande förmåga, utan för att språket i undervisningen blir ett hinder för förståelse.

Forskning visar att cirka två elever per klass har en språkstörning. Men långt fler elever befinner sig i språklig sårbarhet – en bredare grupp som har svårigheter med att förstå eller uttrycka sig språkligt i olika undervisnings- och skolsammanhang, utan att nödvändigtvis ha en diagnostiserad språkstörning.

Detta examensarbete syftar till att undersöka hur språkliga och pedagogiska faktorer påverkar elevers möjligheter att tillägna sig innehållet. Fokus ligger på att identifiera förbättringsområden där språkutvecklande arbetssätt och tydliggörande pedagogik kan användas mer systematiskt för att stötta elevernas språk- och begreppsförståelse.

Som en del av arbetet används även kommunens omfattande analysmaterial från Lexplore, som kartlägger elevers läsutveckling. Det ger ett värdefullt underlag för att koppla elevernas språkliga nivå till deras förståelse i olika undervisningssituationer. I arbetet kan även det digitala matematikverktyget Magma studeras som en möjlig resurs för att stötta elever med språkliga utmaningar i matematik.

Målet är att ta fram konkreta förslag som gör undervisningen mer begriplig – inte förenklad – så att fler elever verkligen kan förstå och utvecklas inom ämnesinnehållet.

Kontaktperson:
John Rödin (Förstelärare Matematik, Åk 7-9, Torsviks skola, Lidingö Stad) john.rodin@lidingo.se
Tove Henning (Specialpedagog, Åk 7-9, Torsviks skola, Lidingö Stad) tove.e.henning@lidingo.se

K-ULF - Digitaliseringen i skolan

AI-stöd för lärande. SSIS har en AI-tjänst som heter TeachGPT.ssis.nu där vi driftar sju språkmodeller på egna grafikkort. Vi skräddarsyr agenter genom systemprompter så att de anpassas för olika ämnen/områden/behov. Vi vill gärna få följande frågor belysta i olika sammanhang.

• Hur kan vi designa situationer för lärande där AI används på ett meningsfullt sätt som ett stöd/verktyg i elevernas lärande?

• Vad har AI för effekt på elevens lärande i [välj ämne]?

Detta handlar om att sätta eleven i en situation där de inte bara tar en färdig text/produkt utan verkligen behöver anstränga sig. Vi kan spela in elevernas dialoger för analys av processen. Värt att undersöka kan exempelvis vara hur AI kan stödja elever i skrivande, programmering, teknikutveckling eller begreppsförståelse i matematik.

K-ULF – Matematik i högstadiet

Matematiska textuppgifter. I Nynäshamn upplever matematiklärare som undervisar klasser i åk 7-9 att elever alltför lätt ger upp sina uträkningar vid textuppgifter som kräver flerstegs-uträkningar i matematik. Tidigare har man testat olika tips som att elever använder blockmodellen enligt Singaporemetoden samt att elever sammanfattat uppgiften skriftligt innan de löser den. Men även detta tar tid för eleven vilket gör att uppgiften lämnas med kommentaren att den är för svår. Eleven klarar inte av att hålla flera fakta i arbetsminnet åt gången vilket gör att eleven ger upp och avbryter sitt arbete. För att komma åt problemet med att elever ger upp “för lätt” behöver vi utveckla och testa flera metoder.

Forskning har genomförts där elever har fått träna sin förmåga att tänka på hur olika geometriska former ter sig i rummet på en mängd olika sätt. Tillexempel om en bild som ser ut som en utvikt kub verkligen kan vikas ihop till en kub bara genom att titta på den utvikta varianten. En mer utvecklad variant är att en sida på den utvikta kuben ska limmas fast med vilken annan sida när den väl är hopvikt, vilken är den motsvarande sidan. Genom detta arbetssätt får eleven träna på att hålla flera fakta i huvudet samtidigt och tänka framåt i spatiala former.

Syftet med studien skulle kunna vara att ta reda på om träning i spatialt tänkande kan gynna elevers arbetsminne och därmed klara av textuppgifter med flerstegsuträkningar i matematik samt om det gynnar måluppfyllelsen i matematik.

Hur påverkar träning i spatialt tänkande elevers arbetsminne och deras förmåga att lösa textuppgifter med flerstegsuträkningar i matematik, samt hur denna träning påverkar måluppfyllelsen i matematik?

Bedömning av matematikämnet på högstadiet - jämförelse mellan skolor. Hur synliggörs bedömning i matematikämnet på olika skolor? Är det möjligt att hitta ett system som gör att elever blir medvetna om att även lektionsarbetet är en viktig del att visa sitt kunnande. Hur gör vi eleverna medvetna om att arbetet under lektionerna är viktigt för ökad måluppfyllelse och en betydande del av bedömningen?

Differentiering i klassrummet. Hur kan undervisningen läggas upp så att den passar alla, utan att behöva individanpassas? Vilka metoder finns, hur kan de se ut och hur väl fungerar de?

Särskilt begåvade elever inom matematik. Det finns elever som har fallenhet och ett starkt engagemang för vissa ämnen, t.ex. inom matematik. Dessa särskilt begåvade elever kan lätt bli uttråkade eller understimulerade och presterar långt under sin potential om man inte anpassar undervisningen och utmanar dem. Hur kan man som lärare stödja dessa särskilt begåvade elevers utveckling och lärande?

K-ULF – Digitalt arbete i matematik med Skolebots Matteguide

Bakgrund och syfte
Digitalisering i skolan skapar nya möjligheter att arbeta med stöd av AI. Skolebots Matteguide är en digital agent som hjälper elever att lösa matematikuppgifter genom att ställa frågor och ge ledtrådar istället för färdiga svar. Syftet med projektet är att undersöka hur ett sådant digitalt stöd kan främja elevers självständighet i matematik, särskilt i klasser med stora nivåskillnader.

Exempel på forskningsfråga / fokusområde
Hur kan en digital agent som Matteguiden stödja elevers lärande i matematik?

Projektet undersöker bland annat:

• Hur elever använder Matteguiden när de kör fast.

• Om den hjälper dem att komma vidare på egen hand.

• Hur elever upplever stödet – som hjälp, motivation eller frustration.

• Hur lärarens roll påverkas när fler elever kan arbeta självständigt.

Metod och genomförande
Projektet genomförs i samarbete med en skolklass som arbetar med Matteguiden. Observationer, elevintervjuer och lärarreflektioner används för att analysera hur verktyget påverkar lärande och klassrumsdynamik. 

Den kan kopplas till annan forskning

• Bloom “the two sigma problem”
  https://read.bookcreator.com/WaVX4zOUzLMresX63V44FpW5Uvn1/q0ui7S3-Qmq8nf6pwT2KgQ/9VEHHR2mT5eZSDbrzlS_cw

• En ramverk för att använda AI som ett verktyg för att främja matematisk förståelse av Sigbjørn Hals

Förväntad betydelse
Projektet förväntas ge insikter om hur digitala agenter kan:

• stödja differentierad undervisning,

• öka elevers självständighet, och

• fungera som ett komplement till lärarens handledning.

K-ULF - Utveckla näsa för kvalitet

Nyfiket utforska metoden komparativ bedömning (comparative judgement) i teknik, naturvetenskap och/eller matematik (och andra ämnen) som i olika sammanhang har lyfts fram som framtidens melodi inom bedömningsfältet.

1. träna lärares bedömarförmåga

2. kommunicera lärandemål och framgångskriterier till lärare och elever/studenter

3. utforska peer assessment

Kontaktperson: Eva Hartell, eva.hartell@haninge.se ehartell@kth.se

K-ULF Gymnasieexamen

Hur kan vi få fler elever att nå en gymnasieexamen i Haninge kommuns gymnasieskolor? Många gymnasieelever samlar ihop tillräckligt antal poäng men får ändå inte ihop till en gymnasieexamen. En del elever når inte upp till tillräckligt antal poäng för att få ut gymnasieexamen. Hur hänger det ihop och vad kan vi göra åt det?

Detta är angelägna frågor som vår kommun brottas med men det är också en fråga som vi delar nationellt.

Kontaktperson: Eva Hartell eva.hartell@haninge.se

K-ULF Matematik 1 – varför lyckas vissa och inte andra?

Syfte: Identifiera vilka undervisningsstrategier, moment eller stödformer som mest effektivt hjälper elever att klara Matematik 1v(eller annan kurs).
Exempel på forskningsfrågor:

• Hur påverkar undervisning med visuella modeller (t.ex. GeoGebra) elevers förståelse av algebraiska begrepp?

• Vilka faktorer bidrar mest till att elever fullföljer kursen – motivation, undervisningsform, relationer, eller struktur

Metod: Klassrumsobservationer, intervjuer, och analys av elevresultat.
Resultat: Förslag på framgångsfaktorer och stödmodeller för skolor med liknande elevgrupper.

Kontaktperson: erik.isakson@ntig.se philip.gullberg@ntig.se

KULF - AI för differentiering och anpassning av undervisning

Bakgrund: Individualisering är en central del av skolans uppdrag, men tidskrävande för läraren. AI-stöd som t.ex. Learn Your Way erbjuder möjligheter att skapa anpassade lärvägar.

Syfte: Att undersöka hur AI kan användas för att differentiera och individualisera undervisning på gymnasiet.

Exempel på forskningsfrågor:

• Hur kan AI användas för att anpassa uppgifter och återkoppling efter elevers behov?

• Är plattformar som Learn Your Way ett pedagogiskt hållbart sätt att arbeta differentierat?

• Hur påverkas elevens motivation, prestation och självreglering när undervisningen personaliseras med AI?

Metodidé: Experimentell eller jämförande studie mellan klasser som använder AI-stödd anpassning och kontrollgrupp.

Kontaktperson: erik.isakson@ntig.se, philip.gullberg@ntig.se

KULF - AI och dataskydd i undervisningen – lokala AI-servrar som alternativ till molntjänster

Bakgrund:
AI-tjänster som ChatGPT och Gemini används allt mer i undervisningen, men väcker frågor om elevers integritet och dataskydd enligt GDPR. För att kunna arbeta säkert och långsiktigt krävs lösningar som gör det möjligt att använda AI utan att personuppgifter lämnar skolans kontroll.

Syfte: Att undersöka hur lokalt driftade AI-modeller (på egna servrar) kan användas i skolmiljöer för att säkra integritet, samtidigt som de stödjer elevernas lärande.

Exempel på forskningsfrågor:

• Hur kan lokala AI-modeller konfigureras för att efterleva GDPR och skydda elevdata?

• Vilka pedagogiska möjligheter och begränsningar uppstår med lokala AI-lösningar jämfört med molnbaserade modeller?

• Hur upplever lärare och elever balansen mellan dataskydd, användbarhet och tillgänglighet?

Metodidé: Fallstudie på en eller flera NTI-skolor med installation av en lokal AI-server. Observationer, intervjuer och enkäter med lärare och elever.

Kontaktperson: erik.isakson@ntig.se, philip.gullberg@ntig.se

Kontakt