Analiza ankiet badawczych przeprowadzonych wśród nauczycieli akademickich w Polsce

Analiza ankiet badawczych przeprowadzonych wśród nauczycieli akademickich w Polsce Szczecin, wrzesień 2012

Spis treści 1 Wprowadzenie... 3 2 Opis badania... 3 2.1 Przedmiot badania... 3 2.2 Cele badania... 3 2.3 Narzędzia badawcze... 3 2.4 Grupa badawcza... 4 3 Analiza danych... 5 3.1 Analiza statystyczna... 5 3.1.1 Analiza niezależności dla cech jakościowych... 17 3.1.2 Analiza niezależności dla cech ilościowych... 23 3.1.3 Analiza zależności dla cech jakościowych... 23 3.1.4 Analiza zależności dla cech ilościowych... 24 3.2 Analiza danych metodą zbiorów przybliżonych (rough sets)... 25 4 Podsumowanie wyników wnioski... 30 5 Załączniki... 33 5.1 Wzór ankiety... 33 5.2 Spis rysunków... 37 5.3 Spis tabel... 38 Strona 2 z 38

1 Wprowadzenie Prezentowany dokument przedstawia wyniki analizy ankiet badawczych przeprowadzonych na potrzeby projektu Innowacyjne nauczanie szansą wzmocnienia współpracy przedsiębiorców z sektorem nauki realizowanego w ramach Poddziałania 8.1.2 Wsparcie procesów adaptacyjnych i modernizacyjnych w regionie, Działania 8.1. Rozwój pracowników i przedsiębiorstw w regionie, Priorytetu VIII PO Kapitał Ludzki Regionalne kadry gospodarki. Dokument zawiera podsumowanie wyników oraz wnioski płynące z badania ankietowego przeprowadzonego w okresie od czerwca do września 2012 r. 2 Opis badania 2.1 Przedmiot badania Przedmiotem badania jest analiza 35 ankiet badawczych skierowanych do nauczycieli akademickich dotyczących wykorzystywania studiów przypadku w pracy dydaktycznej. 2.2 Cele badania Celem badania ankietowego było zbadanie jakie metody nauczania są stosowane przez nauczycieli akademickich na poszczególnych rodzajach zajęć oraz jak oceniają oni efektywność tych metod. Pytania miały na celu zbadanie jak bardzo rozpowszechniona jest metoda studium przypadku oraz czy podczas rozwiązywania studium wykorzystywane są systemy i aplikacje komputerowe. Kolejne pytania ankiety służyły zbadaniu opinii nauczycieli na temat celowości stworzenia komputerowego kreatora studiów przypadku i jego przydatności w nauczaniu. Celem pytań było także zebranie informacji dotyczących potencjalnych korzyści płynących z stosowania takiego narzędzia. Rezultaty badania ankietowego będą służyły jako materiały pomocnicze w procesie podejmowania decyzji dotyczących projektu komputerowego kreatora studiów przypadku, działającego w obszarze współpracy przedsiębiorców z sektorem nauki. Co z kolei jest elementem niezbędnym do realizacji głównego celu projektu, jakim jest podniesienie poziomu innowacyjnej oferty kształcenia praktycznego studentów oraz wsparcia przedsiębiorców w rozwiązywaniu problemów gospodarczych (w województwie zachodniopomorskim). 2.3 Narzędzia badawcze Na poniższym rysunku zaprezentowano generalne podejście do procesu badawczego zastosowane w niniejszym opracowaniu. Strona 3 z 38

Rysunek 1. Zastosowana procedura badawcza Opracowanie niniejsze obejmuje ostatnie trzy etapy procedury badawczej, tj. redukcję i analizę danych oraz sformułowanie wniosków (etapy te zostały zaznaczone na rysunku kolorem szarym). Podstawowym narzędziem badawczym w badaniu był kwestionariusz ankiety. Składał się on z dwóch części: metryczki nauczyciela akademickiego i pytań. W części metryczkowej pytano o płeć i o staż pracy na uczelni. Podstawowa cześć ankiety zawierała 13 pytań o charakterze zamkniętym lub półzamkniętym. W tym 4 pytania o charakterze dychotomicznym (kafeterie alternatywne wybór jednej z dwóch wykluczających się odpowiedzi), 3 pytania tabelaryczne, 2 kafeterie dysjunktywne (wybór tylko jednej odpowiedzi z podanych w kwestionariuszu) oraz 4 kafeterie koniunktywne (możliwy wybór więcej niż jednej odpowiedzi) o charakterze pytania półzamkniętego. 2.4 Grupa badawcza Badanie ilościowe zrealizowane zostało metodą ankietową (ankieta rozdawana) z wykorzystaniem zestandaryzowanego kwestionariusza (w formie papierowej). Respondentami byli nauczyciele akademiccy zatrudnieni na Uniwersytecie Szczecińskim. Łącznie w badaniu wzięło udział 35 wykładowców, w tym 14 osób o stażu pracy na uczelni mniejszym niż 4 lata, 11 osób o stażu 4-10 lat oraz 10 osób o stażu ponad 10 lat. W badaniu wzięły udział głównie kobiety 21 osób (co stanowi 60,0% respondentów). Strona 4 z 38

Rysunek 2. Nauczyciele akademiccy wg płci i stażu pracy 12 10 8 6 4 Mniej niż 4 lata 4-10 lat Ponad 10 lat 2 0 Kobiety Mężczyźni 3 Analiza danych 3.1 Analiza statystyczna Pierwsze trzy pytania zasadniczej części kwestionariusza odnosiły się do współpracy uczelni z przedsiębiorcami/firmami. Na pytanie: Czy Pani/Pana uczelnia współpracowała/współpracuje w celach dydaktycznych z firmami/przedsiębiorcami? większość nauczycieli odpowiedziała przecząco (60,0%). Osoby, które wybrały odpowiedź nie były poproszone dodatkowo o wskazanie powodów dla których uczelnia nie współpracuje w celach dydaktycznych z firmami/przedsiębiorcami (pytanie 2). Najczęściej wymienioną przyczyną był brak opłacalności tego typu współpracy dla przedsiębiorstw (68,6% respondentów podało tę odpowiedź). Kolejnymi powodami były: profil działalności uczelni nie odpowiada potrzebom biznesu (60,0% respondentów wybrało tę odpowiedź), nie ma takiej potrzeby (57,1%), współpraca nie jest opłacalna dla uczelni (48,6%), nie wiem jakie są potrzeby przedsiębiorstw (42,9%). Dodatkowo dwie osoby skorzystały z możliwości podania własnej odpowiedzi na analizowane pytanie. W obu przypadkach przyczyny braku współpracy w celach dydaktycznych między uczelnią a przedsiębiorstwami upatrywano w zbyt małej liczbie przedsiębiorstw zainteresowanych współpracą z Uniwersytetem Szczecińskim w okolicy. Szczegółowe zestawienie udzielonych odpowiedzi przedstawia rysunek 3. Strona 5 z 38

Rysunek 3. Powody braku współpracy w celach dydaktycznych między uczelnią a przedsiębiorstwami (wg nauczycieli akademickich) Współpraca nie jest opłacalna dla przedsiębiorstw Współpraca nie jest opłacalna dla uczelni Nie ma takiej potrzeby Profil działalności uczelni nie odpowiada potrzebom biznesu Nie wiem jakie są potrzeby przedsiębiorstw Zbyt mało przedsiębiorstw zainteresowanych współpracą w okolicy 0 5 10 15 20 25 30 Odpowiadając na pytanie dotyczące oceny czy współpraca z firmami /przedsiębiorcami może wpłynąć na podwyższenie efektywności i jakości prowadzonych zajęć, większość respondentów (85,7%) wskazała wartości 4 i 5, oznaczające wysoką i bardzo wysoką efektywność i jakość. Na uwagę zasługuje fakt, że nikt nie wybrał wartości 1 i 2, które oznaczały bardzo niską i niską efektywność i jakość prowadzonych zajęć. Z analizy popularności metod nauczania stosowanych przez prowadzących podczas zajęć wynika, że większość nauczycieli akademickich charakteryzuje się tradycyjnym podejściem do prowadzenia wykładów, czyli stosuje prezentację wykładu (57,1% wykładowców wskazało tę odpowiedź). Kolejnymi najpopularniejszymi metodami nauczania były: burza mózgów (20,0%) i case study (11,4%). Dwoma rzadziej stosowanymi w ramach wykładów metodami są komputerowe symulacje i rozwiązywanie zadań (po 5,7% wskazań). Na rysunku 4 umieszczono wykres prezentujący szczegółowo odpowiedzi wykładowców dotyczące oceny metod nauczania stosowanych przez nich w ramach wykładów. Strona 6 z 38

Rysunek 4. Metody nauczania stosowane podczas wykładów 20,0% prezentacja wykładu rozwiązywanie zadań 11,4% 5,7% 57,1% komputerowe sumulacje case study (bez wykorzystania komputera) burza mózgów 5,7% Większą różnorodność w stosowaniu metod nauczania odnotowano w ramach prowadzonych zajęć ćwiczeniowych. Najczęściej stosowanymi metodami są: case study (23,6% odpowiedzi), rozwiązywanie zadań (22,8% odpowiedzi) i praca w grupach (14,6%) Mniejszą popularnością cieszą się: burza mózgów i dyskusja ze studentami (po 12,2%) oraz odpytywanie z tematu (6,5%). Rzadziej wykorzystywanymi metodami nauczania podczas ćwiczeń (poniżej 5,0% wskazań) są: odgrywanie ról, burza mózgów oraz inne wymienione przez samych respondentów (np. indywidualne wystąpienia, karty pracy). Szczegółowo rozkład odpowiedzi wykładowców dotyczących metod nauczania stosowanych przez nich w ramach ćwiczeń prezentuje rysunek 5. Strona 7 z 38

Rysunek 5. Metody nauczania stosowane podczas ćwiczeń 1,6% 6,5% 2,4% 1,6% 2,4% 22,8% prezentacja wykładu rozwiązywanie zadań komputerowe sumulacje 14,6% case study (bez wykorzystania komputera) dyskusja 12,2% 12,2% praca w grupach odgrywanie ról odpytywanie z tematu burza mózgów inne 23,6% Kolejną analizowaną formą zajęć były laboratoria i tutaj najczęściej stosowanymi metodami nauczania są: rozwiązywanie zadań (40,0% odpowiedzi) oraz case study (22,9% odpowiedzi). Mniejszą popularnością cieszą się: komputerowe symulacje (17,1%) i burza mózgów (14,3%). Najrzadziej wykorzystywanymi metodami nauczania podczas laboratoriów (2,9% wskazań) są: praca w grupach i odpytywanie z tematu. Szczegółowo rozkład odpowiedzi wykładowców dotyczących metod nauczania stosowanych przez nich w ramach laboratoriów prezentuje rysunek 6. Rysunek 6. Metody nauczania stosowane podczas laboratoriów 14,3% rozwiązywanie zadań 2,9% 2,9% 40,0% komputerowe sumulacje case study (bez wykorzystania komputera) praca w grupach 22,9% odpytywanie z tematu burza mózgów 17,1% Strona 8 z 38

Ostatnią analizowaną formą zajęć było seminarium. W tym przypadku najczęściej stosowanymi metodami nauczania są: dyskusja (45,7% odpowiedzi) oraz burza mózgów (31,4%). Mniejszą popularnością cieszą się: praca w grupach (11,4%), odpytywanie z tematu i wykład (po 5,7% wskazań). Szczegółowo rozkład odpowiedzi wykładowców dotyczących metod nauczania stosowanych przez nich w ramach seminarium przedstawia rysunek 7. Rysunek 7. Metody nauczania stosowane podczas seminarium 5,7% 31,4% 5,7% 45,7% prezentacja wykładu dyskusja praca w grupach odpytywanie z tematu burza mózgów 11,4% Bardziej pogłębioną analizę stosowalności metod nauczania prezentuje rysunek 8, na którym umieszczono wykresy dotyczące wykładów i laboratoriów, z uwzględnieniem stażu pracy nauczycieli akademickich. Strona 9 z 38

Rysunek 8. Porównanie stosowanych metod nauczania na wybranych formach zajęć z uwzględnieniem stażu pracy nauczyciela akademickiego 9 Wykłady 8 7 6 5 4 3 2 1 0 Mniej niż 4 lata 4-10 lat Ponad 10 lat prezentacja wykładu rozwiązywanie zadań komputerowe sumulacje case study (bez wykorzystania komputera) burza mózgów 8 7 6 5 4 3 2 1 0 Laboratoria Mniej niż 4 lata 4-10 lat Ponad 10 lat rozwiązywanie zadań komputerowe sumulacje case study (bez wykorzystania komputera) praca w grupach odpytywanie z tematu burza mózgów Kolejne pytanie kwestionariusza dotyczyło oceny efektywności stosowanych metod nauczania w ramach zajęć, które prowadzą respondenci. Ocenie poddano dziewięć metod nauczania: 1. wykład, 2. rozwiązywanie zadań, 3. case study (bez wykorzystania komputera), 4. komputerowe symulacje, Strona 10 z 38

5. dyskusja, 6. praca w grupach, 7. odgrywanie ról, 8. odpytywanie z tematu, 9. burza mózgów. Analizując wyniki ankiety, można zauważyć, że generalnie nauczyciele akademiccy oceniają wysoko efektywność stosowanych metod. Metodami nauczania, które najlepiej sprawdzają się w czasie zajęć ze studentami, są: rozwiązywanie zadań (91,4% wykładowców oceniło jej efektywność wysoko), odpytywanie z tematu (88,6% ocen wysokich) oraz burza mózgów (88,5 % respondentów oceniło efektywność wysoko). Także metoda case study i wykład są postrzegane jako metody o wysokiej efektywności (po 85,7% wskazań). Z kolei, wśród analizowanych metod najsłabsze oceny uzyskały: odgrywanie ról (22,9% respondentów oceniło efektywność nisko) i komputerowe symulacje (14,3% ocen niskich i bardzo niskich). Zestawienie odpowiedzi dotyczących metody najmniej i najbardziej efektywnej według nauczycieli przedstawia rysunek 9. Rysunek 9. Ocena efektywności wybranych metod nauczania Odgrywanie ról Rozwiązywanie zadań 18 16 14 12 10 8 6 4 2 0 Bardzo niska efektywność Niska efektywność Średnia efektywność Wysoka efektywność Maksymalna efektywność 20 18 16 14 12 10 8 6 4 2 0 Bardzo niska efektywność Niska efektywność Średnia efektywność Wysoka efektywność Maksymalna efektywność Na rysunku nr 10 przedstawiono wykres stanowiący szczegółowe zestawienie dokonanych przez wykładowców ocen efektywności poszczególnych metod nauczania stosowanych podczas zajęć. Strona 11 z 38

Rysunek 10. Oceny efektywności metod nauczania stosowanych w ramach zajęć 20 18 16 14 12 10 8 6 4 2 0 Wykład Rozwiązywanie zadań Case study Komputerowe symulacje Dyskusja Praca w grupach Odgrywanie ról Odpytywanie z Burza mózgów tematu Bardzo niska efektywność Niska efektywność Średnia efektywność Wysoka efektywność Maksymalna efektywność W następnej części kwestionariusza ankietowego skupiono się na metodzie studium przypadku i umieszczono pytania dotyczące częstotliwości użycia tej metody i wspomagania jej narzędziami informatycznymi (systemy i aplikacje komputerowe). Pytanie 6 kwestionariusza dotyczyło liczby studium przypadków, jaką podczas zajęć z jednego przedmiotu dany wykładowca realizuje ze studentami. Jak wynika z udzielonych odpowiedzi metoda ta jest popularna ponad połowa nauczycieli (51,43%) realizuje od 6 do 10 case study. Ze względu na to, iż wszyscy respondenci zadeklarowali stosowanie min. jednego case study podczas zajęć pominięto analizę pytania 7 ( Proszę wymienić powody dlaczego, podczas zajęć nie stosuje Pani/Pan metody studium przypadku ). Wśród korzyści dla studentów związanych ze stosowaniem metody studium przypadku wykładowcy najczęściej wymieniali: większą aktywność na zajęciach (27,1% wskazań) i możliwość poznania zasad funkcjonowania konkretnych przedsiębiorstw (22,9%). Na dalszych miejscach znalazły się: możliwość rozwiązywania realnych problemów przedsiębiorstw (18,6%), przełożenie przekazywanej wiedzy teoretycznej na praktyczną (14,3%) oraz nabycie umiejętności współpracy w grupie (10,0%). Najrzadziej wskazywaną korzyścią wskazywaną przez nauczycieli było rozwijanie umiejętności krytycznego myślenia tylko 7,1% wskazań (por. rysunek 11). Strona 12 z 38

Rysunek 11. Korzyści dla studentów wynikające ze stosowania metody studium przypadku Przełożenie przekazywanej wiedzy teoretycznej na praktyczną Możliwość rozwiązywania realnych problemów przedsiębiorstw Możliwość poznania zasad funkcjonowania konkretnych przedsiębiorstw Większa aktywność na zajęciach Rozwijanie umiejętności krytycznego myślenia Nabycie umiejętności współpracy w grupie 0 2 4 6 8 10 12 14 16 18 20 Natomiast do największych zagrożeń dla studentów związanych ze stosowaniem metody studium przypadku wykładowcy zaliczyli przede wszystkim: niechęć i strach przed grupą do prezentowania własnych opinii (22,4% odpowiedzi), pracochłonność (19,4%), niską kreatywność oraz brak motywacji (po 16,4%). Na dalszych miejscach znalazły się: mniejsze zaangażowanie studenta (14,9%) i brak wystarczającej wiedzy (10,4% wskazań, por. rysunek 12). Rysunek 12. Zagrożenia dla studentów wynikające ze stosowania metody studium przypadku Brak wystarczającej wiedzy Pracochłonność (wymaga odpowiedniego przygotowania) Niska kreatywność Brak motywacji Niechęć i strach przed grupą do prezentowania własnych opinii Mniejsze zaangażowanie studenta 0 2 4 6 8 10 12 14 16 Kolejne pytanie dotyczyło wyrażenia opinii czy komputerowy system kreatora studiów przypadku jest efektywnym narzędziem nauczania. W odniesieniu do tego pytania większość Strona 13 z 38

nauczycieli akademickich udzieliła odpowiedzi twierdzącej (54,3%). Zdecydowanie negatywnych odpowiedzi było tylko 14,3% (por. rysunek 13). Rysunek 13. Ocena przydatności kreatora studium przypadków (wg nauczycieli) 31,4% Tak 54,3% Nie Nie mam zdania 14,3% Na pytanie: Czy używa Pani/Pan komputerowego systemu do tworzenia i prezentowania studium przypadku? nikt nie udzielił odpowiedzi twierdzącej. Oznacza to z dużą pewnością brak takiego systemu komputerowego w uczelni (potwierdzają to wyniki analizy kolejnego pytania). Wśród głównych powodów, dla których nauczyciele akademiccy nie używają komputerowego systemu kreatora studium przypadku, najczęściej podawanym był brak takowego systemu (42,9% odpowiedzi). W dalszej kolejności podawano następujące odpowiedzi: brak odpowiedniej infrastruktury (15,6%), czasochłonność (15,6%), brak wystarczających umiejętności obsługi programów komputerowych (10,4%), brak pracy zespołowej (10,4%), nie ma takiej potrzeby, gdyż prezentuję studium przypadku najczęściej w formie papierowej (5,2%). Szczegółowy rozkład odpowiedzi wykładowców dotyczących powodów nieużywania systemu kreatora przypadków przedstawia rysunek 14. Strona 14 z 38

Rysunek 14. Powody dla których nauczyciele akademiccy nie używają komputerowego systemu kreatora studium przypadku Brak takowego systemu Nie ma takiej potrzeby, gdyż prezentuję case study w formie papierowej Brak wystarczających umiejętności obsługi programów komputerowych Brak odpowiedniej infrastruktury Czasochłonność Brak pracy zespołowej 0 5 10 15 20 25 30 35 Kolejne pytanie dotyczyło wyrażenia ewentualnej chęci używania komputerowego systemu kreatora studium przypadku. W odniesieniu do tego pytania większość nauczycieli akademickich udzieliła odpowiedzi twierdzącej (54,3%). Zdecydowanie negatywnych odpowiedzi było tylko 14,3% (por. rysunek 15). Rysunek 15. Zadeklarowana przez nauczycieli akademickich chęć korzystania z kreatora studium przypadków 25,7% 8,6% 65,7% Tak Nie Nie wiem Strona 15 z 38

Bardziej pogłębioną analizę odpowiedzi udzielonych na pytanie 12 prezentuje rysunek 16, na którym umieszczono wykres ilustrujący zadeklarowaną przez nauczycieli chęć korzystania z kreatora studium przypadków, z uwzględnieniem ich stażu pracy w uczelni. Wynika z niego, że najbardziej zainteresowani używaniem takiego oprogramowania są nauczyciele o najmniejszym stażu. Brak także w tej grupie osób przeciwnych stosowaniu takiego kreatora. Osoby niechętne stosowaniu takich narzędzi występują tylko w grupie nauczycieli o średnim stażu (4-10 lat), chociaż odsetek zwolenników stosowania kreatora studium przypadku jest tutaj również duży. Najwięcej osób, które nie mają wyrobionego zdania na ten temat można znaleźć wśród wykładowców o najdłuższym stażu pracy w uczelni (ponad 10 lat). Rysunek 16. Zadeklarowana przez nauczycieli akademickich chęć korzystania z kreatora studium przypadków (z uwzględnieniem stażu pracy) 14 12 10 8 6 4 Tak Nie Nie wiem 2 0 Mniej niż 4 lata 4-10 lat Ponad 10 lat Ze względu na to, iż żaden z respondentów nie używa komputerowego systemu do tworzenia i prezentowania studium przypadku pominięto analizę pytania 13 ( Proszę wymienić główne powody dla których używa Pani/Pan komputerowego systemu kreatora studium przypadku ). Strona 16 z 38

3.1.1 Analiza niezależności dla cech jakościowych Analiza niezależności ocen rangowych poszczególnych metod nauczania - test zgodności Kołmogorowa Na podstawie zebranych danych dokonano ocen rangowych poszczególnych metod nauczania wśród 35 Nauczycieli, używając skali 5-punktowej. 1. Metoda nauczania: wykład Należy zweryfikować hipotezę, że na poziomie istotności α=0,05, rozkład ocen według przypisanych rang jest rozkładem równomiernym (prostokątnym). Sposób obliczeń przedstawia tabela 1. Największa różnica między wyrazami szeregów proporcji skumulowanych wynosi 0,46 a zatem wartość empiryczna statystyki λ Kołmogorowa wynosi: λ=0,46 Ponieważ próba statystyczna jest większa niż 100 obserwacji, porównano otrzymaną wartość λ z wartością krytyczną granicznego rozkładu Kołmogorowa równą 1,358. Tabela 1. Rozkład ocen rangowych metody wykład Proporcje Proporcje skumulowane Różnice E'- Ranga Liczba E H E' H' H' 1 0 0,00 0,20 0,00 0,20 0,20 2 1 0,03 0,20 0,03 0,40 0,37 3 4 0,11 0,20 0,14 0,60 0,46 4 14 0,40 0,20 0,54 0,80 0,26 5 16 0,46 0,20 1,00 1,00 0,00 Razem 35 1,00 1,00 Wartość krytyczna granicznego rozkładu Kołmogorowa jest mniejsza od wartości λ, należy więc odrzucić hipotezę, że rozkład ocen jest równomierny. 2. Metoda nauczania: rozwiązywanie zadań Należy zweryfikować hipotezę, że na poziomie istotności α=0,05, rozkład ocen według przypisanych rang jest rozkładem równomiernym (prostokątnym). Sposób obliczeń przedstawia tabela 2. Największa różnica między wyrazami szeregów proporcji skumulowanych wynosi 0,51 a zatem wartość empiryczna statystyki λ Kołmogorowa wynosi: Strona 17 z 38

λ=0,51 Ponieważ próba statystyczna jest większa niż 100 obserwacji, porównano otrzymaną wartość λ z wartością krytyczną granicznego rozkładu Kołmogorowa równą 1,358. Tabela 2. Rozkład ocen rangowych metody rozwiązywanie zadań Ranga Liczba Proporcje Proporcje Różnice E'- skumulowane H' E H E' H' 1 0 0,00 0,20 0,00 0,20 0,20 2 1 0,03 0,20 0,03 0,40 0,37 3 2 0,06 0,20 0,09 0,60 0,51 4 18 0,51 0,20 0,60 0,80 0,20 5 14 0,40 0,20 1,00 1,00 0,00 Razem 35 1,00 1,00 Wartość krytyczna granicznego rozkładu Kołmogorowa jest mniejsza od wartości λ, należy więc odrzucić hipotezę, że rozkład ocen jest równomierny. 3. Metoda nauczania: case study Należy zweryfikować hipotezę, że na poziomie istotności α=0,05, rozkład ocen według przypisanych rang jest rozkładem równomiernym (prostokątnym). Sposób obliczeń przedstawia tabela 3. Największa różnica między wyrazami szeregów proporcji skumulowanych wynosi 0,46 a zatem wartość empiryczna statystyki λ Kołmogorowa wynosi: λ=0,46 Ponieważ próba statystyczna jest większa niż 100 obserwacji, porównano otrzymaną wartość λ z wartością krytyczną granicznego rozkładu Kołmogorowa równą 1,358. Strona 18 z 38

Tabela 3. Rozkład ocen rangowych metody case study Proporcje Proporcje skumulowane Różnice E'- Ranga Liczba E H E' H' H' 1 0 0,00 0,20 0,00 0,20 0,20 2 1 0,03 0,20 0,03 0,40 0,37 3 4 0,11 0,20 0,14 0,60 0,46 4 14 0,40 0,20 0,54 0,80 0,26 5 16 0,46 0,20 1,00 1,00 0,00 Razem 35 1,00 1,00 Wartość krytyczna granicznego rozkładu Kołmogorowa jest mniejsza od wartości λ, należy więc odrzucić hipotezę, że rozkład ocen jest równomierny. 4. Metoda nauczania: komputerowe symulacje Należy zweryfikować hipotezę, że na poziomie istotności α=0,05, rozkład ocen według przypisanych rang jest rozkładem równomiernym (prostokątnym). Sposób obliczeń przedstawia tabela 4. Największa różnica między wyrazami szeregów proporcji skumulowanych wynosi 0,26 a zatem wartość empiryczna statystyki λ Kołmogorowa wynosi: λ=0,26 Ponieważ próba statystyczna jest większa niż 100 obserwacji, porównano otrzymaną wartość λ z wartością krytyczną granicznego rozkładu Kołmogorowa równą 1,358. Tabela 4. Rozkład ocen rangowych metody komputerowe symulacje Ranga Liczba Proporcje Proporcje Różnice E'- skumulowane H' E H E' H' 1 2 0,06 0,20 0,06 0,2 0,14 2 3 0,09 0,20 0,14 0,40 0,26 3 7 0,20 0,20 0,34 0,60 0,26 4 14 0,40 0,20 0,74 0,80 0,06 5 9 0,26 0,20 1,00 1,00 0,00 Razem 35 1,00 1,00 Strona 19 z 38

Wartość krytyczna granicznego rozkładu Kołmogorowa jest mniejsza od wartości λ, należy więc odrzucić hipotezę, że rozkład ocen jest równomierny. 5. Metoda nauczania: dyskusja Należy zweryfikować hipotezę, że na poziomie istotności α=0,05, rozkład ocen według przypisanych rang jest rozkładem równomiernym (prostokątnym). Sposób obliczeń przedstawia tabela 5. Największa różnica między wyrazami szeregów proporcji skumulowanych wynosi 0,43 a zatem wartość empiryczna statystyki λ Kołmogorowa wynosi: λ=0,43 Ponieważ próba statystyczna jest większa niż 100 obserwacji, porównano otrzymaną wartość λ z wartością krytyczną granicznego rozkładu Kołmogorowa równą 1,358. Tabela 5. Rozkład ocen rangowych metody dyskusja Ranga Liczba Proporcje Proporcje Różnice E'- skumulowane H' E H E' H' 1 0 0,00 0,20 0,00 0,2 0,20 2 0 0,00 0,20 0,00 0,40 0,40 3 6 0,17 0,20 0,17 0,60 0,43 4 20 0,57 0,20 0,74 0,80 0,06 5 9 0,26 0,20 1,00 1,00 0,00 Razem 35 1,00 1,00 Wartość krytyczna granicznego rozkładu Kołmogorowa jest większa od wartości λ, nie podstaw do odrzucenia hipotezy, że rozkład ocen jest równomierny. 6. Metoda nauczania: praca w grupach Należy zweryfikować hipotezę, że na poziomie istotności α=0,05, rozkład ocen według przypisanych rang jest rozkładem równomiernym (prostokątnym). Sposób obliczeń przedstawia tabela 6. Największa różnica między wyrazami szeregów proporcji skumulowanych wynosi 0,37 a zatem wartość empiryczna statystyki λ Kołmogorowa wynosi: λ=0,37 Strona 20 z 38

Ponieważ próba statystyczna jest większa niż 100 obserwacji, porównano otrzymaną wartość λ z wartością krytyczną granicznego rozkładu Kołmogorowa równą 1,358. Tabela 6. Rozkład ocen rangowych metody praca w grupach Ranga Liczba Proporcje Proporcje Różnice E'- skumulowane H' E H E' H' 1 0 0,00 0,20 0,00 0,2 0,20 2 1 0,03 0,20 0,03 0,40 0,37 3 9 0,26 0,20 0,29 0,60 0,31 4 15 0,43 0,20 0,71 0,80 0,09 5 10 0,29 0,20 1,00 1,00 0,00 Razem 35 1,00 1,00 Wartość krytyczna granicznego rozkładu Kołmogorowa jest mniejsza od wartości λ, należy więc odrzucić hipotezę, że rozkład ocen jest równomierny. 7. Metoda nauczania: odgrywanie ról Należy zweryfikować hipotezę, że na poziomie istotności α=0,05, rozkład ocen według przypisanych rang jest rozkładem równomiernym (prostokątnym). Sposób obliczeń przedstawia tabela 7. Największa różnica między wyrazami szeregów proporcji skumulowanych wynosi 0,20 a zatem wartość empiryczna statystyki λ Kołmogorowa wynosi: λ=0,20 Ponieważ próba statystyczna jest większa niż 100 obserwacji, porównano otrzymaną wartość λ z wartością krytyczną granicznego rozkładu Kołmogorowa równą 1,358. Strona 21 z 38

Tabela 7. Rozkład ocen rangowych metody odgrywanie ról Proporcje Proporcje skumulowane Różnice E'- Ranga Liczba E H E' H' H' 1 0 0,00 0,20 0,00 0,2 0,20 2 8 0,23 0,20 0,23 0,40 0,17 3 17 0,49 0,20 0,71 0,60 0,11 4 7 0,20 0,20 0,91 0,80 0,11 5 3 0,09 0,20 1,00 1,00 0,00 Razem 35 1,00 1,00 Wartość krytyczna granicznego rozkładu Kołmogorowa jest mniejsza od wartości λ, należy więc odrzucić hipotezę, że rozkład ocen jest równomierny. 8. Metoda nauczania: odpytywanie z tematu Należy zweryfikować hipotezę, że na poziomie istotności α=0,05, rozkład ocen według przypisanych rang jest rozkładem równomiernym (prostokątnym). Sposób obliczeń przedstawia tabela 8. Największa różnica między wyrazami szeregów proporcji skumulowanych wynosi 0,49 a zatem wartość empiryczna statystyki λ Kołmogorowa wynosi: λ=0,49 Ponieważ próba statystyczna jest większa niż 100 obserwacji, porównano otrzymaną wartość λ z wartością krytyczną granicznego rozkładu Kołmogorowa równą 1,358. Tabela 8. Rozkład ocen rangowych metody odpytywanie z tematu Ranga Liczba Proporcje Proporcje Różnice E'- skumulowane H' E H E' H' 1 0 0,00 0,20 0,00 0,2 0,20 2 0 0,00 0,20 0,00 0,40 0,40 3 4 0,11 0,20 0,11 0,60 0,49 4 16 0,46 0,20 0,57 0,80 0,23 5 15 0,43 0,20 1,00 1,00 0,00 Razem 35 1,00 1,00 Wartość krytyczna granicznego rozkładu Kołmogorowa jest mniejsza od wartości λ, należy więc odrzucić hipotezę, że rozkład ocen jest równomierny. Strona 22 z 38

9. Metoda nauczania: burza mózgów Należy zweryfikować hipotezę, że na poziomie istotności α=0,05, rozkład ocen według przypisanych rang jest rozkładem równomiernym (prostokątnym). Sposób obliczeń przedstawia tabela 9. Największa różnica między wyrazami szeregów proporcji skumulowanych wynosi 0,49 a zatem wartość empiryczna statystyki λ Kołmogorowa wynosi: λ=0,49 Ponieważ próba statystyczna jest większa niż 100 obserwacji, porównano otrzymaną wartość λ z wartością krytyczną granicznego rozkładu Kołmogorowa równą 1,358. Tabela 9. Rozkład ocen rangowych metody burza mózgów Ranga Liczba Proporcje Proporcje Różnice E'- skumulowane H' E H E' H' 1 0 0,00 0,20 0,00 0,2 0,20 2 0 0,00 0,20 0,00 0,40 0,40 3 4 0,11 0,20 0,11 0,60 0,49 4 18 0,51 0,20 0,63 0,80 0,17 5 13 0,37 0,20 1,00 1,00 0,00 Razem 35 1,00 1,00 Wartość krytyczna granicznego rozkładu Kołmogorowa jest mniejsza od wartości λ, należy więc odrzucić hipotezę, że rozkład ocen jest równomierny. 3.1.2 Analiza niezależności dla cech ilościowych Brak odpowiednich danych do przeprowadzenia tego typu testów. 3.1.3 Analiza zależności dla cech jakościowych Ocena rangowa stosowanych metod nauczania Stosując współczynnik korelacji wielorakiej Kendalla przeprowadzono badanie zgodności opinii respondentów na temat stosowanych metod nauczania. Odejmując od sum rang poszczególnych cech (metod nauczania) średnią wartość wszystkich rang, która wynosi 141 i podstawiając do wzoru, otrzymamy wartość współczynnika korelacji wielorakiej Kendalla W = 0,005088 (tabela 10). Ponieważ liczba badanych cech jest > 7 dokonano aproksymacji rozkładu współczynnika W za pomocą chi-kwadrat z n-1 stopniami swobody według wzoru: χ 2 =k(n-1)w, gdzie k oznacza liczbę ocenianych cech, a n oznacza liczbę respondentów: χ 2 = 1,557. W tablicy rozkładu chi-kwadrat, dla α=0,05 oraz 35-1=34 stopni swobody odczytano wartość krytyczną χ 2 0,05 = 21,664. Ponieważ Strona 23 z 38

otrzymana wartość χ 2 = 1,557 jest niższa od wartości krytycznej różnice między ocenami poszczególnych metod nauczania dokonanymi przez respondentów są nieistotne. Tabela 10. Ocena rangowa stosowanych metod nauczania q10 q11 q12 q13 q14 q15 q16 q17 q18 p1 4 4 5 5 4 3 2 5 5 p2 4 4 4 5 4 5 2 5 5 p3 5 4 5 4 3 4 3 4 5 p4 5 4 5 4 3 4 2 4 4 p5 3 4 4 4 5 5 4 5 3 p168 4 5 5 5 3 4 4 5 4 p169 4 4 4 3 4 5 3 5 4 p170 4 5 5 2 4 2 3 5 5 p171 5 5 5 3 4 3 3 4 4 p172 5 2 2 4 4 3 4 4 5 Razem 150 150 150 130 143 139 110 151 149 Odchylenia 4,333 4,333 4,333 5,667 0,833 1,167 15,667 4,833 3,833 alfa 0,05 k 9 n 35 średnia 141 SKS 374 chi-kwadrat alfa 21,664 chi-kwadrat 1,557 W Kendalla 0,005088 3.1.4 Analiza zależności dla cech ilościowych Brak odpowiednich danych do przeprowadzenia tego typu testów. Strona 24 z 38

3.2 Analiza danych metodą zbiorów przybliżonych (rough sets) Zgodnie z teorią zbiorów przybliżonych dane zebrane przy pomocy ankiety zostały w pierwszej kolejności zapisane w postaci pierwotnej tablicy informacyjnej (tabela nr 11). Tabela 11. Fragment pierwotnej tablicy informacyjnej L.p. Płeć Staż pracy na uczelni 1. Czy Pani/Pana uczelnia współpracowała/ współpracuje w celach dydaktycznych z firmami /przedsiębiorcami? W kolumnie pierwszej wprowadzono numer nadany badanej osobie, zaś w pozostałych kolumnach zawarto odpowiedzi na pytania otrzymane od respondentów. Następnie dane zebrane w tablicy pierwotnej zostały zakodowane zgodnie z poniższym wzorem: a) symbolem q1 oznaczono zmienną płeć; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: K kobieta, M mężczyzna; b) symbolem q2 oznaczono zmienną staż pracy; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a staż os 0 mniej niż 4 lata, b staż od 4 10 lat, c staż większy niż 10 lat; c) symbolem q3 oznaczono pytanie nr 1; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: tak lub nie; d) symbolem q4 oznaczono pytanie nr 2; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a współpraca nie jest opłacalna dla przedsiębiorstw, b współpraca nie jest opłacalna dla uczelni, c nie ma takiej potrzeby, d profil działalności uczelni nie odpowiada potrzebom biznesu, e nie wiem jakie są potrzeby przedsiębiorstw, f inne, jakie; 12. Czy chciałby Pani/Pan używać komputerowego systemu kreatora studium przypadku p1 Kobieta mniej niż 4 lata Nie Tak p2 Kobieta mniej niż 4 lata Tak Tak p3 Kobieta mniej niż 4 lata Nie Tak p4 Kobieta mniej niż 4 lata Tak Tak p5 Kobieta 4 10 lat Tak Tak p6 Kobieta mniej niż 4 lata Nie Tak p7 Kobieta mniej niż 4 lata Nie Tak p8 Kobieta mniej niż 4 lata Nie Tak p9 Kobieta mniej niż 4 lata Nie Tak Strona 25 z 38

e) symbolem q5 oznaczono pytanie nr 3; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a1 bardzo niska efektywność, a2 niska efektywność, a3 średnia efektywność, a4 wysoka efektywność, a5 bardzo wysoka efektywność; f) symbolem q6 oznaczono metodę nauczania wykład ; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a wykład, b rozwiązywanie zadań, c komputerowe symulacje, d case study, e dyskusja, f praca w grupach, g odgrywanie ról, h odpytywanie z tematu, i burza mózgów, j inne, jakie; g) symbolem q7 oznaczono metodę nauczania ćwiczenia ; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a wykład, b rozwiązywanie zadań, c komputerowe symulacje, d case study, e dyskusja, f praca w grupach, g odgrywanie ról, h odpytywanie z tematu, i burza mózgów, j inne, jakie; h) symbolem q8 oznaczono metodę nauczania laboratoria ; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a wykład, b rozwiązywanie zadań, c komputerowe symulacje, d case study, e dyskusja, f praca w grupach, g odgrywanie ról, h odpytywanie z tematu, i burza mózgów, j inne, jakie; i) symbolem q9 oznaczono metodę nauczania seminarium ; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a wykład, b rozwiązywanie zadań, c komputerowe symulacje, d case study, e dyskusja, f praca w grupach, g odgrywanie ról, h odpytywanie z tematu, i burza mózgów, j inne, jakie; j) symbolem q10 oznaczono opcję wykład w pytaniu nr 5; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a1 bardzo niska efektywność, a2 niska efektywność, a3 średnia efektywność, a4 wysoka efektywność, a5 bardzo wysoka efektywność; k) symbolem q11 oznaczono opcję rozwiązywanie zadań w pytaniu nr 5; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a1 bardzo niska efektywność, a2 niska efektywność, a3 średnia efektywność, a4 wysoka efektywność, a5 bardzo wysoka efektywność; l) symbolem q12 oznaczono opcję case study w pytaniu nr 5; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a1 bardzo niska efektywność, a2 niska efektywność, a3 średnia efektywność, a4 wysoka efektywność, a5 bardzo wysoka efektywność; m) symbolem q13 oznaczono opcję komputerowe symulacje w pytaniu nr 5; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a1 bardzo niska efektywność, a2 niska efektywność, a3 średnia efektywność, a4 wysoka efektywność, a5 bardzo wysoka efektywność; Strona 26 z 38

n) symbolem q14 oznaczono opcję dyskusja w pytaniu nr 5; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a1 bardzo niska efektywność, a2 niska efektywność, a3 średnia efektywność, a4 wysoka efektywność, a5 bardzo wysoka efektywność; o) symbolem q15 oznaczono opcję praca w grupach w pytaniu nr 5; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a1 bardzo niska efektywność, a2 niska efektywność, a3 średnia efektywność, a4 wysoka efektywność, a5 bardzo wysoka efektywność; p) symbolem q16 oznaczono opcję odgrywanie ról w pytaniu nr 5; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a1 bardzo niska efektywność, a2 niska efektywność, a3 średnia efektywność, a4 wysoka efektywność, a5 bardzo wysoka efektywność; q) symbolem q17 oznaczono opcję odpytywanie z tematu w pytaniu nr 5; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a1 bardzo niska efektywność, a2 niska efektywność, a3 średnia efektywność, a4 wysoka efektywność, a5 bardzo wysoka efektywność; r) symbolem q18 oznaczono opcję burza mózgów w pytaniu nr 5; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a1 bardzo niska efektywność, a2 niska efektywność, a3 średnia efektywność, a4 wysoka efektywność, a5 bardzo wysoka efektywność; s) symbolem q19 oznaczono pytanie nr 6; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a 1-5, b 6-10, c powyżej 10, d wcale; t) symbolem q20 oznaczono opcję Korzyści z pytania nr 8; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a przełożenie przekazywanej wiedzy teoretycznej na praktyczną, b możliwość rozwiązywania realnych problemów przedsiębiorstw, c możliwość poznania zasad funkcjonowania konkretnych przedsiębiorstw, d większa aktywność na zajęciach, e rozwijanie umiejętności krytycznego myślenia, f nabycie umiejętności współpracy w grupie; u) symbolem q21 oznaczono opcję Zagrożenia z pytania nr 8; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a brak wystarczającej wiedzy, b pracochłonność, c niska kreatywność, d brak motywacji, e niechęć i strach przed grupą do prezentowania własnych opinii, f mniejsze zaangażowanie studenta. v) symbolem q22 oznaczono pytanie nr 9; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a tak, b nie, c nie mam zdania; w) symbolem q23 oznaczono pytanie nr 10; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a tak, b nie; Strona 27 z 38

x) symbolem q24 oznaczono pytanie nr 11; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a brak takowego systemu, b nie ma takiej potrzeby, c brak wystarczających umiejętności obsługi programów komputerowych, d brak odpowiedniej infrastruktury, e czasochłonność, f brak pracy zespołowej, g inne, jakie; y) symbolem d oznaczono pytanie nr 12; wartości jakie może przyjmować ta zmienna oznaczono odpowiednio: a tak, b nie, c nie wiem; Tak zakodowane dane wprowadzono do tablicy informacyjnej otrzymując w ten sposób tzw. wtórną tablicę informacyjną (tabela nr 12). Atrybuty oznaczone symbolami od q1 do q24 stanowią atrybuty warunkowe, natomiast atrybut oznaczony symbolem d stanowi atrybut decyzyjny. Celem przeprowadzonej analizy było sprawdzenie, które z pośród zbioru atrybutów warunkowych miały największy wpływ na udzielenie takiej a nie innej odpowiedzi w pytaniu nr 12. Tabela 12. Fragment wtórnej tablicy informacyjnej Lp. q1 q2 q3 d p1 K a Nie a p2 K a Tak a p3 K a Nie a p4 K a Tak a p5 K b Tak a p6 K a Nie a p7 K a Nie a p8 K a Nie a p9 K a Nie a Dane zebrane w pierwotnej tablicy informacyjnej poddano więc analizie metodą zbiorów przybliżonych. Na podstawie przeprowadzonych wstępnie obliczeń tj. wyznaczeniu zbiorów elementarnych (czyli zbiorów przykładów zawierających te same wartości atrybutów warunkowych), konceptów decyzyjnych (czyli zbiorów przykładów zawierających tę samą wartość decyzji) podjęto próbę zredukowania zbioru atrybutów warunkowych zarówno w sposób względny, jak i bezwzględny. W wyniku przeprowadzonych badań otrzymano redukt względny, czyli najmniejszy możliwy zbiór atrybutów warunkowych. Usunięto więc z tablicy informacyjnej atrybuty redundantne (nadmiarowe). W skład reduktu weszły następujące atrybuty warunkowe: q2, q6, q14, q15. Zbadano również istotność atrybutów warunkowych tworzących redukt (tabela nr 13) obliczając znormalizowany współczynnik istotności. Strona 28 z 38

Tabela 13. Istotność atrybutów warunkowych tworzących redukt Atrybut Istotność q2 0.5429 q15 0.4857 q6 0.1714 q14 0.1714 Kolejnym krokiem było dokonanie aproksymacji (przybliżenia) zbioru, czyli wyznaczenie dolnych i górnych przybliżeń, brzegu zbioru oraz obszarów pozytywnych i negatywnych zbioru. Na podstawie otrzymanych wyników obliczono współczynnik jakości przybliżenia gamma, który informuje o tym w ilu procentach analizowane przykłady oraz atrybuty warunkowe pozwalają wyznaczyć reguły pewne. Jakość przybliżenia zbioru F wyraża się następującym wzorem: card ( Pos ~ ( F)) Q ~ Q ( F) card ( U), gdzie w liczniku znajduje się liczebność przykładów zawartych w pozytywnym regionie zbioru a w mianowniku liczebność przykładów zawartych w całym uniwersum zbioru. W tym wypadku wartość współczynnika gamma wyniosła 0,9857%, co oznacza że na podstawie 98,57 % przykładów zebranych w tablicy można otrzymać reguły, które są w 100% pewne. W wyniku przeprowadzenia dalszych analiz otrzymano tablicę decyzyjną zawierająca 31 reguł. Otrzymane reguły przeanalizowano. Usunięto reguły sprzeczne i dokonano uproszczenia reguł podobnych. Poniżej przedstawiono regułę popartą największą liczbą przypadków: 1. Jeżeli q2=a lub b i q6=a, d lub i i q14= 4 lub 5 i q15=4 lub 5 to d=a (wparcie reguły =20) Po odkodowaniu regułę tę należy rozumieć w następujący sposób: Nauczyciele, których staż pracy nie przekraczał 1o lat, a jednocześnie stosowali na wykładzie takie metody nauczania jak: wykład, case study i burza mózgów, a na ćwiczeniach wysoko oceniali stosowanie dyskusji jako metody nauczania oraz pracę w grupach chętnie używaliby komputerowego kreatora studiów przypadków na swoich zajęciach. 2. Jeżeli q2=c i q6=a to d=c (wparcie reguły =13) Po odkodowaniu regułę tę należy rozumieć w następujący sposób: Nauczyciele, których staż pracy przekraczał 10 lat, a jednocześnie jedyną metodą stosowaną na wykładzie był właśnie wykład, nie potrafili stwierdzić czy chcieliby używać na swoich zajęciach komputerowego kreatora studium przypadków. Strona 29 z 38

Wniosek: Nauczyciele, posiadający staż pracy nie dłuższy niż 10 lat i stosujący różne metody nauczania wyrazili chęć używania komputerowego kreatora studiu przypadków. Nauczyciele z dłuższym stażem nie potrafili stwierdzić czy takie narzędzie przydało by się im na zajęciach. Kontrola jakości otrzymanych reguł W celu skontrolowania otrzymanych reguł dla każdej z reguł obliczono następujące wskaźniki (tabela nr 14): Wsparcie - ilość przykładów popierających daną regułę Siła - wsparcie/ilość przykładów w tablicy informacyjnej Pokrycie - wsparcie/liczebność danego konceptu Pewność - dla reguł niesprzecznych = 1 Tabela 14. Kontrola jakości otrzymanych reguł Dla d=a: Koncept X1 = {p1, p2, p3, p4, p5, p6, p7, p8, p9, p10, p12, p14, p15, p16, p19, p22, p24, p25, p27, p29, p30, p33, p34}, card(x1) = 23 Dla d=c: Koncept X3 = {p11, p17, p18, p20, p21, p23, p31, p32, p35}}, card(x3) = 9 4 Podsumowanie wyników wnioski Na podstawie analizy odpowiedzi zawartych w ankietach przeprowadzonych wśród polskich Nauczycieli stwierdzono, że 60% z badanych osób twierdzi, że uczelnia, na której pracują nie współpracuje z przedsiębiorstwami (firmami). Najczęściej wymienianą przyczyną takiego stanu jest zdaniem Nauczycieli brak opłacalności tego typu współpracy dla przedsiębiorstw (68,6% respondentów podało tę odpowiedź). Kolejnymi powodami były: profil działalności uczelni nie odpowiada potrzebom biznesu 60,0% respondentów wybrało tę odpowiedź), nie ma takiej potrzeby (57,1%), q2 q6 q14 q15 d Wsparcie Siła Pewność Pokrycie Reguła 1 a lub b a, d lub i 4 lub 5 4 lub 5 a 20 20/35 1 20/23 Reguła 2 c a c 13 13/35 1 13/9 współpraca nie jest opłacalna dla uczelni (48,6%), nie wiem jakie są potrzeby przedsiębiorstw (42,9%). Strona 30 z 38

Dodatkowo dwie osoby skorzystały z możliwości podania własnej odpowiedzi na analizowane pytanie. W obu przypadkach przyczyny braku współpracy w celach dydaktycznych między uczelnią a przedsiębiorstwami upatrywano w zbyt małej liczbie przedsiębiorstw zainteresowanych współpracą z Uniwersytetem Szczecińskim w okolicy. Z analizy popularności metod nauczania stosowanych przez prowadzących podczas zajęć wynika, że większość nauczycieli akademickich charakteryzuje się tradycyjnym podejściem do prowadzenia wykładów, czyli stosuje prezentację wykładu (57,1% wykładowców wskazało tę odpowiedź). Kolejnymi najpopularniejszymi metodami nauczania były: burza mózgów (20,0%) i case study (11,4%). Dwoma rzadziej stosowanymi w ramach wykładów metodami są komputerowe symulacje i rozwiązywanie zadań (po 5,7% wskazań). Większą różnorodność w stosowaniu metod nauczania odnotowano w ramach prowadzonych zajęć ćwiczeniowych. Najczęściej stosowanymi metodami są: case study (23,6% odpowiedzi), rozwiązywanie zadań (22,8% odpowiedzi) i praca w grupach (14,6%) Mniejszą popularnością cieszą się: burza mózgów i dyskusja ze studentami (po 12,2%) oraz odpytywanie z tematu (6,5%). Rzadziej wykorzystywanymi metodami nauczania podczas ćwiczeń (poniżej 5,0% wskazań) są: odgrywanie ról, burza mózgów oraz inne wymienione przez samych respondentów (np. indywidualne wystąpienia, karty pracy). Jeśli chodzi o zajęcia laboratoryjne najczęściej stosowanymi metodami nauczania są: rozwiązywanie zadań (40,0% odpowiedzi) oraz case study (22,9% odpowiedzi). Mniejszą popularnością cieszą się: komputerowe symulacje (17,1%) i burza mózgów (14,3%). Najrzadziej wykorzystywanymi metodami nauczania podczas laboratoriów (2,9% wskazań) są: praca w grupach i odpytywanie z tematu. Ostatnią analizowaną formą zajęć było seminarium. W tym przypadku najczęściej stosowanymi metodami nauczania są: dyskusja (45,7% odpowiedzi) oraz burza mózgów (31,4%). Mniejszą popularnością cieszą się: praca w grupach (11,4%), odpytywanie z tematu i wykład (po 5,7% wskazań). Analizując wyniki ankiety, można zauważyć, że generalnie nauczyciele akademiccy oceniają wysoko efektywność stosowanych metod. Metodami nauczania, które najlepiej sprawdzają się w czasie zajęć ze studentami, są: rozwiązywanie zadań (91,4% wykładowców oceniło jej efektywność wysoko), odpytywanie z tematu (88,6% ocen wysokich) oraz burza mózgów (88,5 % respondentów oceniło efektywność wysoko). Także metoda case study i wykład są postrzegane jako metody o wysokiej efektywności (po 85,7% wskazań). Z kolei, wśród analizowanych metod najsłabsze oceny uzyskały: odgrywanie ról (22,9% respondentów oceniło efektywność nisko) i komputerowe symulacje (14,3% ocen niskich i bardzo niskich). W następnej części kwestionariusza ankietowego skupiono się na metodzie studium przypadku i umieszczono pytania dotyczące częstotliwości użycia tej metody i wspomagania jej narzędziami informatycznymi (systemy i aplikacje komputerowe). Jak wynika z udzielonych odpowiedzi metoda ta jest popularna ponad połowa nauczycieli (51,43%) realizuje od 6 do 10 case study. Wśród korzyści dla studentów związanych ze stosowaniem metody studium przypadku wykładowcy najczęściej wymieniali: większą aktywność na zajęciach (27,1% wskazań) i możliwość poznania zasad Strona 31 z 38

funkcjonowania konkretnych przedsiębiorstw (22,9%). Na dalszych miejscach znalazły się: możliwość rozwiązywania realnych problemów przedsiębiorstw (18,6%), przełożenie przekazywanej wiedzy teoretycznej na praktyczną (14,3%) oraz nabycie umiejętności współpracy w grupie (10,0%). Natomiast do największych zagrożeń dla studentów związanych ze stosowaniem metody studium przypadku wykładowcy zaliczyli przede wszystkim: niechęć i strach przed grupą do prezentowania własnych opinii (22,4% odpowiedzi), pracochłonność (19,4%), niską kreatywność oraz brak motywacji (po 16,4%). Z przeprowadzonej analizy wynika również, że mimo tego, że Nauczyciele stosują metodę case study na zajęciach to jednak nie używają komputerowego kreatora studiów przypadków. Główną przyczyną jest brak takowego systemu (42,9% odpowiedzi). W dalszej kolejności podawano następujące odpowiedzi: brak odpowiedniej infrastruktury (15,6%), czasochłonność (15,6%), brak wystarczających umiejętności obsługi programów komputerowych (10,4%), brak pracy zespołowej (10,4%), nie ma takiej potrzeby, gdyż prezentuję studium przypadku najczęściej w formie papierowej (5,2%). Jednocześnie 65,7% Nauczycieli stwierdziło, że chętnie korzystałoby z komputerowego kreatora case study na swoich zajęciach. Z dalszej analizy wynika, że zachodzi istotna zależność między stażem pracy a chęcią korzystania z komputerowego kreatora studiów przypadków na zajęciach. Nauczyciele, posiadający staż pracy nie dłuższy niż 10 lat i stosujący różne metody nauczania wyrazili chęć używania komputerowego kreatora studiu przypadków. Nauczyciele z dłuższym stażem nie potrafili stwierdzić czy takie narzędzie przydało by się im na zajęciach. Zaprezentowane wyniki są satysfakcjonujące w świetle założeń projektu i pozwalają prognozować, że stworzenie komputerowego kreatora studiów przypadku przyczyni się do spopularyzowania tej metody nauczania i osiągnięcia celu projektu, jakim jest jakim jest podniesienie poziomu innowacyjnej oferty kształcenia praktycznego studentów oraz wsparcia przedsiębiorców w rozwiązywaniu problemów gospodarczych (w województwie zachodniopomorskim). Strona 32 z 38

5 Załączniki 5.1 Wzór ankiety Metryczka nauczyciela akademickiego 1. Płeć (proszę zaznaczyć właściwe): Kobieta Mężczyzna 2. Staż pracy na uczelni 0 mniej niż 4 lat 4 10 lat więcej niż 10 lat PYTANIA: 1. Czy Pani/Pana uczelnia współpracowała/współpracuje w celach dydaktycznych z firmami /przedsiębiorcami? a) tak b) nie W przypadku odpowiedzi twierdzącej na pytanie 1 proszę przejść do pytania 3 2. Proszę wymienić powody dla których uczelnia nie współpracuje w celach dydaktycznych z firmami /przedsiębiorcami? ( maksymalnie proszę zaznaczyć trzy opcje) a) współpraca nie jest opłacalna dla przedsiębiorstw b) współpraca nie jest opłacalna dla uczelni c) nie ma takiej potrzeby d) profil działalności uczelni nie odpowiada potrzebom biznesu e) nie wiem jakie są potrzeby przedsiębiorstw f) inne. ( jakie?) 3. Czy współpraca z firmami /przedsiębiorcami może wpłynąć na podwyższenie efektywności i jakości prowadzonych przez Panią/Pana zajęć?. Proszę za znaczyć odpowiednią wartość (Skala 1-5, gdzie 1 oznacza bardzo niską efektywność i jakość, 2 niską, 3 średnią, 4 wysoką, zaś 5 maksymalną) 1 2 3 4 5 Strona 33 z 38

4. Jakie metody nauczania stosuje Pani/Pan podczas swoich zajęć? Proszę zaznaczyć krzyżykiem właściwe odpowiedzi. wykład rozwiązywanie zadań komputerowe sumulacje case study ( bez wykorzystania komputera) dyskusja praca w grupach odgrywanie ról odpytywanie z tematu burza mózgów Inne, jakie? wykład ćwiczenia laboratoria seminarium 5. Proszę dokonać oceny efektywności stosowanych przez Panią/Panna metod nauczania na zajęciach. Skala 1-5, gdzie 1 oznacza bardzo niską efektywność, 2 niską, 3 średnią, 4 wysoką, zaś 5 maksymalną. Proszę wpisać odpowiednią wartość. Jeżeli przedstawiona metoda nauczania nie była nigdy stosowana proszę wpisać 0 (zero). SKALA 1-5 wykład ćwiczenia laboratoria seminarium wykład rozwiązywanie zadań case study ( bez wykorzystania komputera) komputerowe symulacje dyskusja praca w grupach odgrywanie ról odpytywanie z tematu burza mózgów Inne, jakie? 6. Proszę zaznaczyć liczbę case study jaką podczas zajęć z jednego przedmiotu Pani/Pan realizuje ze studentami a) 1 5 b) 6 10 c) powyżej 10 d) wcale, Strona 34 z 38

W przypadku zaznaczenia w pytaniu 6 odpowiedzi a, b, c proszę przejść do pytania numer 8 7. Proszę wymienić powody dlaczego, podczas zajęć nie stosuje Pani/Pan metody studium przypadku (maksymalnie proszę zaznaczyć trzy) a) brak czasu, b) przyzwyczajenie do stosowania sprawdzonych innych metod, c) brak wiedzy dotyczącej metody studium przypadku, d) niska efektywność zastosowania takiej metody, e) inne.( jakie?) 8.Proszę wymienić jakie korzyści a także zagrożenia dla studentów związanie są z stosowaniem metody studium przypadku podczas prowadzonych przez Panią/Pana zajęć (proszę maksymalnie zaznaczyć dwie opcje) Korzyści Przełożenie przekazywanej wiedzy teoretycznej na praktyczną Możliwość rozwiązywania realnych problemów przedsiębiorstw Możliwość poznania zasad funkcjonowania konkretnych przedsiębiorstw Większa aktywność na zajęciach Rozwijanie umiejętności krytycznego myślenia Nabycie umiejętności współpracy w grupie Zagrożenia Brak wystarczającej wiedzy Pracochłonność (wymaga odpowiedniego przygotowania) Niska kreatywność Brak motywacji Niechęć i strach przed grupą do prezentowania własnych opinii Mniejsze zaangażowanie studenta 9.Czy uważa Pani/Pan, iż wykorzystanie komputerowego systemu kreatora studiów przypadku przypadku jest efektywnym narzędziem nauczania? a) tak b) nie c) nie mam zdania 10. Czy używa Pani/Pan komputerowego systemu do tworzenia i prezentowania studium przypadku? a) tak b) nie Strona 35 z 38