Modellenwerk deel 2 – Scientific literacy

Dit is deel 2 van mijn oratieblog, de – bewerkte – tekst van mijn oratie die ik op 18 mei uitsprak. In het eerste deel introduceerde ik de vraag waarom en waartoe we eigenlijk aan beta-onderwijs doen. In dit tweede deel een begin van een antwoord: het is onderdeel van onze geletterdheid, datgene waarmee wij structuur aanbrengen in onze wereld, net als literatuur en kunst dat kunnen doen. En een belangrijk onderdeel daarvan bestaat uit modellen. DIt was mijn tekst:

Als we de vergelijking met het vak Engels en de andere talen nog even doortrekken lenen we hiervan het woord geletterdheid of literacy. In de context van talen gaat dit begrip verder dan de basisvaardigheden voor lezen en schrijven, het omvat ook het op een goede manier kunnen omgaan met informatie en inhoud van het geschreven en gesproken woord. Geletterdheid impliceert ook een bepaalde mate van eruditie.  In het geval van geletterdheid in relatie met natuurwetenschap spreken we van scientific literacy. Niet voor niets is deze term gekozen als centraal begrip in het onderzoeksprogramma van het Freudenthal Instituut. Net zoals geletterdheid het doel is van talenonderwijs, variërend van elementaire lees- en schrijfvaardigheid, via het gebruik van de taal in praktische situaties tot begrip en waardering van literatuur en cultuur is wetenschappelijke geletterdheid het doel van onderwijs in wiskunde en natuurwetenschappen.

Research program FI

Scientific literacy is geen nieuwe term. In een toonaangevend artikel beschreef George de Boer (2000) de ontwikkeling van het begrip sinds de jaren 50 van de twintigste eeuw. Een van de eerste zinnen van zijn artikel luidt: “Although it is widely claimed to be a desired outcome of science education, not everyone agrees what that means.” Deze zin is natuurlijk een goed uitgangspunt om het begrip als uitgangspunt te nemen voor een onderzoeksprogramma. Het is dus nodig het begrip voor onze context beter te kunnen definiëren.

In het onderzoeksprogramma van het FI, dat ik in het afgelopen jaar samen met mijn collega’s heb opgesteld identificeren we drie niveaus van kennis, vaardigheden en houdingen die onderdeel zijn van scientific and mathematical literacy (Boerwinkel, Veugelers, & Waarlo, 2009):

  • Kennis en vaardigheden met betrekking tot concepten in wiskunde en natuurwetenschap;
  • Kennis over de aard van wetenschap (Nature of Science), inclusief de methoden en grondslagen van die wetenschappen;
  • Inzichten en houdingen over normen en waarden gerelateerd aan wetenschap, zowel persoonlijk als maatschappelijk.

Ik hoorde laatst iemand zich afvragen wat een timmerman met wetenschap moet. En inderdaad, het Higgs-deeltje hoeft hem niet te interesseren. Maar iedereen van VMBO tot VWO wordt ooit geconfronteerd met vragen waarbij wetenschappelijke kennis, en het waarderen daarvan, een belangrijke rol speelt. Dat zijn vragen als: “waarom moet ik mijn kind vaccineren en is dat gevaarlijk?”, “is er gevaar bij genetisch gemanipuleerde organismes?” en “wat betekenen de voorspellingen over het klimaat?”. Bij al deze vragen is het van belang om kennis van pseudokennis te kunnen onderscheiden, zeker in een tijd waarin ongefilterde informatie ons van alle kanten belaagt. Inzichten in de waarde van die kennis en de relatie met eigen en gedeelde normen en waarden kunnen helpen bij het afwegen van risico’s en het stellen van grenzen, bijvoorbeeld in ethische kwesties. Dit is samen te vatten onder de term “wetenschappelijk burgerschap”.

We moeten bij het verwerven van inzicht in dit aspect wel rekening houden met het niveau en de keuzes van de leerling. Een leerling die zijn schoolopleiding vervolgt met een opleiding in natuurwetenschap en techniek moeten we anders voorbereiden dan een leerling die een maatschappijprofiel kiest of een vmbo-leerling met een profiel in uiterlijke verzorging. Allen hebben inzicht nodig in de rol van wetenschappelijke kennis, aard en niveau daarvan kunnen verschillen. Daarbij wil ik meteen opmerken dat we in onderzoek naar bèta-didaktiek veel te weinig aandacht hebben voor vmbo – tenslotte de plek waar meer dan de helft van onze leerlingen terecht komt. Ik zie voor het Freudenthal Instituut een taak om het programma in wetenschap en techniek voor vmbo te ontwerpen vanuit het gezichtspunt van haar leerlingen, en niet vanuit de disciplines zoals ze op vwo en universiteit worden gedoceerd.

Een belangrijk onderdeel van die wetenschappelijke geletterdheid is inzicht in de vraag hoe wetenschap werkt en wat je daarvan zou moeten weten.

Bij het ontwikkelen van inzicht in normen en waarden rond wetenschap is inzicht in de Nature of Science, het tweede aspect van scientific literacy belangrijk. Om de waarde van kennis te kunnen beoordelen is inzicht in de wijze waarop die kennis tot stand komt, en wat degenen dreef die die kennis voor het eerst verwierven van grote waarde. Door te weten dat wetenschappelijke kennis wordt opgebouwd via onderzoek met alle zekerheden en onzekerheden die daarbij horen weet je ook wat die kennis waard is. Dan komt er inzicht in het feit dat de evolutietheorie niet “maar een theorie” is, en hoe bepaald kan worden of een nieuw medicijn tegen een ziekte werkt of niet, en waarom we enorme apparaten bouwen op zoek naar een nog onontdekt elementair deeltje. Inzichten uit de wetenschapsfilosofie zijn hierbij van groot belang, en ik ben daarom blij te mogen samenwerken binnen het Freudenthal Instituut met de groep “History and Philosophy of Science”.

Bij de vraag hoe wetenschap werkt krijg je meestal dit plaatje te zien, of een plaatje dat er op lijkt:

Oratie.009

Dit wordt wel de empirische cyclus genoemd. Hoewel die cyclus in de verschillende bronnen verschillende vormen aanneemt, met soms vier, vijf of zelfs zeven stappen is de basisstructuur hetzelfde. Na een oriëntatie volgt het vormen van hypothesen, het toetsen daarvan met experimenten het analyseren van data, het trekken van conclusies die vervolgens kunnen leiden tot nieuwe hypothesen.

De vraag is of dit is wat je zou moeten leren. Er zijn methodes waarin gedacht wordt van wel, maar het gevaar is dat wetenschap dan een kookboek wordt. Dit plaatje is een model, dat probeert de werkelijkheid te vangen. Ik zou er niet voor zijn om al het onderwijs in wetenschap op dit precieze model te baseren.

Ten eerste is het proces niet zo strak als de cyclus het voorstelt. Iedere wetenschapper weet dat in het proces allerlei shortcuts, stappen terug en dode sporen zitten omdat hypothesen nu eenmaal niet goed toetsbaar kunnen zijn en moeten worden bijgesteld voor er een experiment is gedaan. En soms blijkt na een experiment data lastig te interpreteren.

Oratie.010

Ook past het model niet voor een wetenschap als astronomie, waarin het doen van een experiment daar niet mogelijk is men afhankelijk van waarnemingen. Ook is het niet zo dat het volgen van de onderzoekscyclus garantie geeft op goede wetenschap. Mark Windschnitl besprak in een artikel een situatie waarin leerlingen onderzoek deden naar planten en die voedden met cola, ze naar muziek lieten luisteren en ze op hun kop hingen. Het probleem dat hij constateerde was dat leerlingen de experimenten deden zonder een theoretische achtergrond of basiskennis. De resultaten van die experimenten dragen daardoor ook niet bij aan ontwikkelend inzicht, en blijven hooguit als losse feitjes achter.

Wetenschap is modellenwerk

Windschitl betoogt, en met hem anderen zoals de wetenschapsfilosofen als Ronald Giere en Nancy Nersessian, dat dergelijke onderzoeksactiviteiten zinloos zijn omdat ze geen aandacht hebben voor onderliggende theorieën en modellen. Zij plaatsen modellen in het hart van de wetenschap. Wetenschappelijke kennis wordt uitgedrukt in modellen, en wetenschappers sleutelen continu aan de modellen om ze te verfijnen, uit te breiden of, in een enkel geval, ze door iets totaal anders te vervangen. Modellen worden ook gebruikt om nieuwe voorspellingen te doen, ideeën te genereren en ze zijn soms zelf onderwerp van onderzoek. Ik zal dat toelichten met een twee voorbeelden.

Toen Einstein zijn speciale relativiteitstheorie had gepubliceerd was het voor hem duidelijk dat er een algemenere theorie nodig was. Zijn speciale theorie had slechts betrekking op waarnemers die met constante snelheid ten opzichte van elkaar bewegen. Einstein zocht een theorie die voor alle waarnemers, onafhankelijk van hun bewegingstoestand, moest gelden. In 1907 al bedacht hij een modelsysteem waarin het basisidee van zijn algemene relativiteitstheorie kon uitdrukken: personen in een lift zonder ramen. Die personen kunnen geen onderscheid maken tussen een verblijf op aarde en een toestand waarin de lift in een raket gemonteerd is en waarvan de motor een versnelling genereert die gelijk is aan de zwaartekrachtsversnelling op aarde. In beide gevallen voelt de persoon een kracht in de richting van zijn voeten. Ook kan de persoon geen onderscheid maken tussen een lift in vrije val en een in een baan om de aarde.

Einsteins inzicht met behulp van dit modelsysteem was dat als een persoon geen onderscheid ziet of voelt er ook geen onderscheid is vanuit natuurkundig gezichtspunt. Het model leidde tot de voorspelling dat licht wordt afgebogen door zwaartekracht. Het kostte Einstein nog jaren om de wiskundige beschrijving van dit model rond te krijgen in een volledige theorie, maar de voorspelling over de afbuiging van licht bleek te kloppen. De kracht van het model als representatie van gedachten en ideeën en als middel om verder te redeneren komt in dit experiment bijzonder tot uiting.

Een ander voorbeeld is computationele wetenschap. In bijvoorbeeld de astronomie, waarin experimenten met de onderzochte werkelijkheid nu eenmaal niet mogelijk zijn, worden modellen gebouwd op basis van de natuurkunderegels die we kennen zoals de wetten van Newton. Die modellen worden gesimuleerd in de computer en de resultaten kunnen worden vergeleken met observaties.

Via deze weg is bijvoorbeeld ontdekt dat er donkere materie moet zijn, hoewel de nieuwste theorie van Erik Verlinde beweert dat die niet nodig is als we uitgaan van andere basisregels en principes. Dit laat zien dat modellen in principe een eindig leven hebben. Ze zijn bruikbaar binnen bepaalde contexten, op basis van de aannames die aan het model ten grondslag liggen. Als een aanname veranderd moet worden, verandert het model ook. En als het model voorspellingen geeft die niet met de werkelijkheid kloppen is het noodzakelijk de aannames ter discussie te stellen. Computationele modellen spelen in veel wetenschappen een rol. Naast astronomie zijn dat bijvoorbeeld de biochemie en de economie.

In de volgende blogs ga ik verder in op de rol van ICT en hoe dat kan worden ingezet om modellen en modelleren toegankelijk te maken voor jonge kinderen.

Een gedachte over “Modellenwerk deel 2 – Scientific literacy

Geef een reactie