jelaskan
Literasi Matematika dalam Program Pendidikan Guru
Reformasi
An Nguyen , Duyen Nguyen , Phuong Ta , Toan Tran
1 * 1 2 2
1
Departemen Matematika, Hue University of Education, VIETNAM
2
SMA Thuan Hoa, Kota Hue, VIETNAM
* CORRESPONDENCE: tanan0704@gmail.com
ABSTRAK
Untuk memenuhi permintaan reformasi kurikulum sekolah yang
masuk yang berfokus pada pembelajaran berbasis kompetensi di
Vietnam, makalah ini melaporkan proyek inovasi pengembangan
literasi matematis guru matematika pra-layanan matematika (PST)
dan mempersiapkan mereka untuk mengajar matematika secara
kontekstual. Kami mengembangkan kurikulum dan mempelajari
efektivitas implementasi untuk program pendidikan PST
matematika sekunder yang mengintegrasikan literasi matematika
(ML) dalam kursus metode. Kursus ini menawarkan peluang
kerja PST untuk mengalami ML sebagai pelajar aktif dan
mempersiapkan mereka untuk mengajar ML. Dalam makalah ini,
kami membahas hasil pada tugas pemodelan berbasis
proyek. Hasil penelitian menunjukkan bahwa PST mulai
mengembangkan pemahaman tentang ML ketika mereka terlibat
dengan fasesiklus pemodelan pada berbagai tingkat
kecanggihan. PST tidak memanfaatkan representasi visual untuk
mendukung analisis tugas berbasis proyek dan untuk
mengkomunikasikan pekerjaan mereka. Diskusi tentang
ketegangan antara model penyederhanaan dan
yang mencerminkan masalah nyata dan arah untuk studi masa
depan disarankan.
Kata kunci: literasi matematika, peluang belajar, pengetahuan
konten pedagogis
PENGANTAR
Kurikulum sekolah Vietnam saat ini, diperkenalkan pada tahun 2002, menunjukkan
pengetahuan dan keterampilan untuk dikembangkan bagi siswa. Kurikulum ini tidak
menekankan hubungan antara matematika dan dunia nyata, juga tidak menyebutkan pemodelan
matematika. Untuk memenuhi tuntutan pembangunan masyarakat, kurikulum sekolah yang
direformasi mengikuti model pembelajaran berbasis kompetensi, yang akan dilaksanakan mulai
tahun 2020 (Departemen Pendidikan Vietnam, 2018). Dalam kurikulum yang direformasi ini,
matematika ditentukan sebagai subjek untuk membantu siswa mengembangkan kompetensi
matematika, yang mencakup pemikiran dan penalaran matematika, pemodelan matematika,
pemecahan masalah matematika, komunikasi, dan menggunakan alat dan perangkat lunak
matematika. Ini juga menggarisbawahi hubungan erat antara matematika dan dunia nyata,
membantu siswa melihat makna dan aplikasi matematika, dan mengalami aplikasi matematika
dalam kehidupan mereka. Kurikulum ini akan menciptakan tantangan bagi guru matematika
termasuk preservice t eachers (PSTs) karena guru tidak memiliki pengetahuan untuk mengajar
matematika secara kontekstual. Oleh karena itu, kami mengimplementasikan proyek dua tahun
yang berfokus pada pengembangan literasi matematika PST, pada gilirannya, mempersiapkan
mereka untuk mengajar matematika secara kontekstual kepada siswa mereka di masa
depan . Tujuan dari proyek ini ada dua (a) untuk mengeksplorasi model untuk
mengimplementasikan literasi matematika ke dalam program pendidikan guru saat ini, dan (b)
untuk meneliti
KERANGKA KONSEPTUAL
Literasi Matematika
Literacy matematika (ML) adalah kemampuan individu untuk memahami dan menggunakan
matematika dalam berbagai konteks, termasuk kehidupan sehari-hari, pengaturan profesional,
dan ilmiah. Matematika berfungsi sebagai alat untuk menggambarkan, menjelaskan, dan
memprediksi fenomena ( Organisasi untuk Kerjasama Ekonomi dan Pembangunan [OECD],
2013). Pada gilirannya, individu menghargai peran yang dimainkan matematika di dunia dan
bagaimana ia mempersiapkan mereka untuk menjadi warga negara yang konstruktif dan
membuat penilaian dan keputusan yang beralasan. Selain itu, OE CD (2013) memanfaatkan
siklus pemodelan matematika (lih. Kaiser & Stender, 2013) untuk menggambarkan tindakan
siswa ketika menghadapi tantangan. Dalam siklus ini, siswa diwajibkan untuk menerapkan
matematika dan melakukan tindakan, seperti merumuskan, mempekerjakan, dan
menafsirkan tema dalam berbagai konteks.
Beberapa peneliti dan pendidik matematika menyoroti perbedaan antara matematika dan ML
dan berpendapat bahwa beberapa orang yang pandai matematika belum tentu bagus dalam ML
(misalnya, Steen, 2001). Pengajaran tentang pengembangan ML mungkin berbeda dari
pengembangan pemahaman matematika. Misalnya, sedangkan tujuan mengembangkan
pemahaman matematika sekolah adalah untuk membantu siswa memanjat tangga struktur
abstrak, ML berlabuh dalam data yang berasal dari dunia empiris. Selain itu, matematika sekolah
cenderung mengembangkan pengetahuan berbasis sekolah, tetapi ML melibatkan akting
matematika di dunia (Steen, 2001). Kami mengambil perbedaan ini sebagai lensa untuk
memandu kami merancang dan meneliti dalam proyeknya sebagai pengalaman PST kami
(lanjutan) matematika dalam program pendidikan guru, tetapi belum tentu ML. Penting untuk
dicatat bahwa ML yang digunakan dalam konteks ini tidak terbatas pada memahami dan
menerapkan aritmatika tetapi kemampuan untuk menggunakan pengetahuan matematika yang
berbeda, yang mungkin termasuk matematika canggih. Selain itu, ML tidak hanya mencakup
keterampilan dan pengetahuan tetapi juga keyakinan, disposisi, dan kebiasaan yang orang
butuhkan untuk terlibat secara efektif dalam situasi kuantitatif dalam kehidupan dan pekerjaan
(International Life Skills Survey, 2000). Konsep ML berfungsi sebagai dasar untuk membantu
PST membuat hubungan antara matematika dan kehidupan nyata. Salah satu fokus dalam proyek
ini adalah untuk mengimplementasikan kegiatan yang tertanam dalam situasi di berbagai teks
dalam kehidupan nyata, profesi, dan sains, yang menawarkan kepada PST peluang untuk
menggunakan matematika dalam menyelesaikannya dan pada gilirannya untuk menghargai
peran subjek. dan untuk mengembangkan aspek utilitas dari subjek, bukan hanya sebagai
pandangan platonis .
Pengetahuan untuk Mengajar Matematika
Pengetahuan guru adalah prediktor penting pencapaian siswa karena pengambilan keputusan
guru matematika di kelas adalah fungsi, sebagian, dari pengetahuannya (Schoenfeld,
2010). Peneliti pendidikan memiliki pengetahuan yang dikonseptualisasikan untuk mengajar
untuk memasukkan pengetahuan materi pelajaran dan pengetahuan konten pedagogis (Shulman,
1987). Secara khusus, pengetahuan konten pedagogis (PCK) mengacu pada:
Analogi, ilustrasi, contoh, penjelasan, dan demonstrasi yang paling kuat - [...] cara yang
paling berguna untuk merepresentasikan dan merumuskan subjek yang membuatnya dapat
dipahami orang lain ... Pengetahuan konten pedagogis juga mencakup pemahaman tentang apa
yang membuat pembelajaran topik khusus mudah atau sulit : konsepsi dan prakonsepsi yang
dibawa oleh siswa dari berbagai usia dan latar belakang. (Shulman, 1987, hlm. 7)
Konseptualisasi pengetahuan matematika guru ini memberi tahu kami untuk memberikan
kepada PST peluang untuk belajar (OTL) ML dan untuk mengajarkan ML kepada calon siswa
mereka. Oleh karena itu, kami menciptakan peluang bagi PST untuk mengalami ML sebagai
pembelajar aktif dan terlibat dalam mengembangkan pengetahuan / keterampilan mereka untuk
mengajar ML melalui tugas mengajar seperti menganalisis kurikulum, memilih, mengadaptasi
tas ks, dan menggunakan pendekatan yang tepat untuk mengajar. Dalam makalah ini, kami fokus
pada pengetahuan konten (pengetahuan materi pelajaran) yang dipamerkan PST ketika mereka
terlibat dalam tugas berbasis proyek. Ini sangat penting karena pembelajaran berbasis proyek
sangat jarang dalam matematika sekolah. Ini juga berfungsi sebagai batu loncatan untuk
mempersiapkan PST tentang cara mengajar mereka di masa depan. Selama pengalaman ini
sebagai pembelajar aktif, PST menghargai tantangan yang mungkin akan dihadapi siswa masa
depan mereka ketika terlibat dalam tugas-tugas tersebut dan cara-cara untuk
mengatasi kesulitan siswa . Studi ini membahas pertanyaan penelitian:
(1) Bagaimana model pendidikan guru matematika menengah yang mengimplementasikan
ML terlihat seperti? Dan
(2) Apa aspek pemahaman ML terbukti dalam proyek PST bekerja sebagai bagian dari
implementasi proyek?
DESAIN PENELITIAN
Penelitian dan Pengumpulan Data
Proyek dua tahun yang sedang berlangsung ini telah diimplementasikan dengan kohort 120
PST. Kohort mulai berpartisipasi dalam proyek pada bulan September 2017, pada awal tahun
ketiga mereka dalam program . Kami mengadopsi metodologi penelitian berbasis desain (Cobb
et al., 2003) yang melibatkan pengumpulan data berkelanjutan dan analisis data, serta
pengembangan dan implementasi kurikulum. Pertama, kami mengidentifikasi kesenjangan yang
terkait dengan ML dalam kursus metode matematika saat ini dalam program ini. Program saat
ini menunjukkan peluang terbatas bagi PST untuk mengalami ML sebagai pembelajar dan
mengembangkan PCK untuk mengajar ML. Dalam kursus metode matematika, kesempatan
untuk belajar dalam ML terbatas (1,2% dari total waktu pelatihan) untuk pengantar pemodelan
matematika dan Program untuk Penilaian Siswa Internasional (PISA). Pada 2017, kami
mengumpulkan data empiris tentang peluang PST untuk mempelajari ML dan kepercayaan
mereka tentang matematika dan pengajaran dan pembelajaran matematika. T ia analisis data
awal menyoroti pengembangan kurikulum kami, dengan fokus pada PSTs' metode matematika
kursus dan PSTs' pengalaman lapangan (penempatan sekolah), dan bagaimana mengubah PSTs'
disposisi / sikap terhadap subjek.
Selain mengukur OT L dan keyakinan, kami menilai kompetensi pemodelan PST sebagai
proksi ML mereka dengan menggunakan tes pilihan ganda dan masalah kata terbuka. Kami
mengadopsi tes pilihan ganda berbasis penelitian (Haines et al., 2002) untuk mengukur
pemahaman PST tentang ML ketika mereka memulai kursus metode dalam program ini. Alat ini
dikembangkan untuk mengukur aspek kompetensi pemodelan, yang diberikan kepada PST
secara individual dalam waktu 60 menit. Kami juga membuat PST bekerja berpasangan selama
120 menit pada tugas-tugas terbuka yang berfokus pada empat bidang konten: bentuk, jumlah,
data dan peluang, dan perubahan. Data memberi kami informasi tentang pengetahuan konten
PST saat ini terkait dengan ML dan kelemahan dan kekuatan yang dimiliki PST sebelum kursus
metode. Semua data digunakan untuk memasukkan peluang belajar ML.
Kami telah melakukan wawancara (penarikan berdasarkan tugas dan stimulasi). Sumber data
lain termasuk catatan dari observasi kelas, refleksi PST tentang penempatan mereka terkait
dengan ML, dan rencana pelajaran mereka . Pada 2019, proyek ini akan selesai dengan ukuran
pasca ML OTL, kepercayaan, dan kompetensi pemodelan PST. Wawancara pasca akan
dilakukan pada beberapa peserta (kasus). Tabel 1 merangkum garis waktu pengumpulan
data. Tabel 1. Proyek dan pengumpulan data
Konten Pra Implementasi Pos
Kurikulum dan
pengumpulan data
• Pengukuran OTL ML • Implementasi • Pengukuran OTL ML
(Individual) Kurikulum: (Individual)
• Keyakinan tentang Kursus metode • Keyakinan tentang
matematika dan pengajaran matematika matematika dan
dan pembelajaran • Penempatan Sekolah pengajaran dan
matematika • Koleksi artefak - Karya pembelajaran
(Individu) siswa dan presentasi matematika
• Tes pemodelan pilihan tentang tugas ML (Individual)
ganda - • Pengamatan kelas • Tes pemodelan pilihan
Tugas pemodelan terbuka ganda -
(Pasangan) Pemodelan open-ended
• Stimulasi wawancara ta sks
penarikan kembali tentang (Pasang)
OTL dan keyakinan • Wawancara khusus
mereka tentang pengalaman
• Stimulasi wawancara mereka terhadap
penarikan kembali pada program
kompetensi pemodelan
Linimasa 09/2017 09 / 2017-05 / 2019 05/2019
D
emonstrasi seleksi yang tepat dan seleksi yang tepat dan seleksi yang tepat dan penarikan
kembali dan penggunaan matematika definisi penggunaan, hasil penggunaan definisi, hasil
penggunaan sebagian besar definisi, definisi, hasil dan Pengertian dan (a) dan aturan di lebih
dari satu dan aturan di lebih dari satu hasil dan aturan dalam lebih banyak aturan hanya dalam
satu
Aplikasi topik matematika topik matematika daripada satu topik matematika
matematika
(MA) topik
s Kesalahan dan Mahir Mencoba menggunakan beberapa Akurat dan Mahir Terutama penggunaan sederhana
penggunaan matematika kompleks kompleks dari sebagian besar prosedur matematika
sederhana
(B) prosedur prosedur matematika (yang bisa menjadi prosedur matematika
tidak selesai)
Matematika Kebanyakan matematika Beberapa matematika Sangat sedikit
matematika
(C) Representasi yang digunakan Representasi yang digunakan dalam
Representasi yang digunakan Representasi yang digunakan secara
sistematis cara yang sistematis dalam cara yang sistematis
Pembenaran adalah Bukti pembenaran Bukti pembenaran Litt le atau tidak ada
bukti
(D) didokumentasikan dengan tepat sebagian besar pengambilan
keputusan beberapa pengambilan keputusan justifikasi pengambilan
keputusan
Melakukan Poses masalah kompleks Poses masalah kompleks Poses masalah sederhana
Poses matematika yang sangat sederhana dari dunia nyata dari situasi dunia nyata dari masalah
dunia nyata dari dunia nyata
(Sebuah)
situasi pemodelan situasi situasi atau masalahnya adalah
(MM) tidak realistis
ua asumsi yang diperlukan Kebanyakan asumsi yang valid Mengidentifikasi setidaknya satu Tidak ada asumsi
yang valid dalam pemodelan diidentifikasi diidentifikasi, dan sebagian besar asumsi yang valid
dan diidentifikasi, dan tidak ada dan semua estimasi dan estimasi diidentifikasi beberapa
estimasi yang estimasi diidentifikasi
(b)
sumber nilai untuk dan jumlah yang
diidentifikasi yang dibenarkan dalam
pemodelan jelas dibenarkan.
Menginterpretasikan hasil Menginterpretasikan Mencoba untuk menafsirkan
hasil penyelesaian matematika memecahkan model Tidak ada interpretasi hasil
(c) matematika dalam model nyata dalam situasi dunia penyelesaian hasil dari
nyata untuk menjawab situasi dunia untuk model matematika (s)
menjawab pertanyaan yang diajukan pertanyaan kegiatan matematika dalam
yang diajukan pertanyaan yang diajukan realwithin situasi situasi
dunia nyata untuk menjawab
pertanyaan yang diajukan
Mengkritik kekuatan Mengkritik kekuatan dan Tidak mengkritik kekuatan.
keterbatasan dan keterbatasan model yang Tidak mengkritik kekuatan
(d) dikembangkan model (s) bersumber. dan keterbatasan dan
menyarankan penyempurnaan dan keterbatasan
memeriksa validitas model yang model model
digunakan.
Berbagai sumber daya adalah Berbagai sumber daya adalah Beberapa sumber daya
digunakan Sangat sedikit atau tidak ada sumber daya
digunakan dalam berinteraksi dengan digunakan dalam antarmuka
dengan berinteraksi dengan dunia nyata digunakan dunia nyata ke
dunia nyata ke dunia untuk menghasilkan / mengumpulkan
(e)
menghasilkan / mengumpulkan data dan menghasilkan / mengumpulkan data data dan /
atau melakukan
untuk melakukan matematika dan / atau untuk melakukan
analisis analisis matematis. analisis
matematika
Komunikasi Penggunaan yang benar dari Penggunaan yang benar dari Penggunaan kesalahan
yang umumnya benar untuk penggunaan
(MO) matematika bahasa matematika bahasa matematika bahasa
matematika bahasa,
(A) dan terminologi, dan dan terminologi, dan dan terminologi dan terminologi dan
konvensi. konvensi. konvensi (mungkin memiliki konvensi
beberapa kesalahan).
Menulis itu
singkat, baik- Menulis jelas dan Menulis sebagian besar bebas dari Kesalahan dalam
penulisan (b) terstruktur dan bebas kesalahan yang masuk akal, dengan sedikit kesalahan yang
memengaruhi komunikasi
kesalahan pembacaan
gunaan visual yang sangat baik Bukti penggunaan visual Representasi visual buruk penggunaan representasi
visual untuk representasi hanya untuk ilustrasi & representasi atau tidak
(c) ilustrasi, tampilan, dan fasilitasi tujuan tampilan matematika. fasilitasi
representasi visual dari analisis. analisis
matematika.
Semua sumber terpercaya digunakan Sebagian besar sumber terpercaya yang digunakan
Beberapa sumber terpercaya yang digunakan sedikit atau tidak
ada terpercaya
(D) diakui dalam benar diakui dalam sumber yang benar diakui digunakan
gaya
gaya diakui
proyek-proyek tertulis yang tersisa secara mandiri dan dikelompokkan kembali pada pertemuan-
pertemuan berikutnya untuk membahas pengkodean mereka hingga konsensus. Oleh karena itu,
hasil yang disajikan menunjukkan pengkodean akhir yang disepakati kelompok.
Kami mencari (a) bukti PST mempertimbangkan masalah realistis (data, informasi,
pertimbangan teknis) ketika merancang tempat parkir universitas dan (b) pengalaman mereka
tentang berbagai fase siklus pemodelan saat mengerjakan tugas. Kami mengidentifikasi
bagaimana PST ditransfer dari kehidupan nyata ke masalah matematika dan variabel apa yang
mereka perhitungkan untuk merumuskan model matematika. Kami memeriksa bagaimana
mereka memecahkan masalah dan menafsirkannya kembali ke masalah kehidupan nyata. Kami
memilih dua proyek sampel untuk menjelaskan dua cara berbeda PST mendekati tugas berbasis
proyek.
Tabel 3. Coding untuk delapan proyek
ID1 ID2 ID3 ID4 ID5 ID6 ID7 ID8
MAa 3 3 3 3 2 1 1 1
MAb 3 3 3 3 2 2 2 2
Mac 3 3 2 3 1 2 1 2
Gila 3 3 1 1 1 3 1 1
MMa 3 3 2 3 2 2 1 1
MMb 3 3 2 2 2 2 2 1
MMc 2 2 2 1 3 3 2 2
MMd 2 2 1 1 1 1 1 1
MMe 2 3 1 1 1 3 1 1
MOa 3 3 3 3 3 2 1 1
Massa 2 3 2 2 3 3 3 3
MOc 3 2 1 3 2 2 2 2
MOd 1 2 1 1 1 1 1 1
HASIL
Tabel 3 merangkum pengkodean untuk delapan proyek. Dalam setengah dari proyek (4), PST
menggunakan definisi, hasil, dan aturan yang tepat di lebih dari satu topik matematika,
sedangkan tiga (3) proyek hanya menggunakan satu topik matematika yang sesuai
(aritmatika). Untuk empat proyek yang membahas lebih dari satu topik matematika, mereka
berusaha menggunakan prosedur matematika yang rumit ketika memecahkan masalah mereka
sendiri, tetapi mereka tidak menyelesaikan masalah mereka. Untuk empat proyek yang tersisa,
mereka menggunakan prosedur matematika sederhana secara akurat dan mahir. Tiga laporan
tertulis mencakup sebagian besar representasi matematis secara sistematis, tiga menggunakan
sebagian, sedangkan dua menggunakan sangat sedikit representasi matematis. Mengenai
pembenaran mereka, hanya tiga proyek menyediakan bukti pembenaran yang tepat untuk
sebagian besar keputusan mereka, sedangkan lima lainnya memberikan sangat sedikit atau tidak
ada bukti pembenaran.
Mengenai tahap pemodelan, tiga masalah yang diajukan cukup kompleks ketika mereka
mencoba untuk mengatasi masalah yang optimal, sedangkan tiga mengidentifikasi masalah
matematika sederhana, dan dua menetapkan masalah yang terlalu sederhana. Lebih dari setengah
(5 dari 8) proyek tertulis menunjukkan setidaknya satu asumsi dan estimasi yang valid ketika
menyelesaikan masalah . Demikian juga, sebagian besar proyek berusaha untuk menafsirkan
hasil pemecahan model matematika ke kehidupan nyata. Dalam dua proyek, PST berusaha untuk
mengkritik model mereka tanpa merevisi model mereka sedangkan sisanya mengambil model
apa adanya . Mayoritas proyek (5) menggunakan sumber daya yang sangat sedikit ketika
memecahkan masalah mereka, sedangkan hanya dua yang menggunakannya untuk
mengumpulkan data untuk solusi mereka.
Sebagian besar proyek (5) menggunakan bahasa matematika yang benar, konvensi dalam
proyek tertulis mereka , sedangkan dua (2) proyek memiliki kesalahan dalam konvensi
matematika. Tulisan mereka dapat dipahami ketika lima mencapai tingkat ketiga coding yang
menunjukkan bahwa tulisan mereka jelas, koheren yang mungkin memiliki sedikit kesalahan
tata bahasa. Mayoritas proyek menggunakan representasi visual untuk tujuan tampilan dan
ilustrasi, sedangkan hanya dua proyek menggunakan representasi untuk memfasilitasi proyek
matematika. Hampir semua (7) proyek tidak mengutip sumber daya yang tepat pada produk
tertulis mereka.
The analisis menunjukkan bahwa PSTs dirumuskan tiga masalah matematika atau kombinasi
dari mereka: (a) parkir desain didasarkan pada informasi tentang jumlah kendaraan, (b) mencari
biaya untuk membangun tempat parkir, dan (c) memaksimalkan utilitas tempat parkir. Analisis
mengungkapkan bahwa PST menggunakan kombinasi aritmatika dan proporsi sebagai alat
utama dalam tugas ini. Beberapa menggunakan teknik pengambilan sampel dan pengumpulan
data untuk memperkirakan jumlah kendaraan dan menggunakan pengukuran langsung dan
formula area s. Beberapa model regresi dibangun untuk memprediksi biaya.
Dua sampel dari PST dipilih untuk (a) menyoroti pertimbangan PST tentang masalah
kehidupan nyata dan pengumpulan data empiris (pengukuran tempat parkir, mensurvei jumlah
masing-masing kendaraan) dan (b) mewakili alat matematika yang berbeda . PST digunakan
untuk memecahkan masalah matematika yang relevan yang diformulasikan dari masalah dunia
nyata (misalnya, aritmatika, alat matematika canggih seperti pemrograman linier). Survei
Jumlah Kendaraan dan Merancang Tempat Parkir
Kelompok 1 menentukan pr kehidupan nyata untuk mengatasi masalah kekacauan parkir di
Universitas Pendidikan Hue. Mereka mengevaluasi kualitas parkir Universitas Pendidikan Hue
saat ini dan memberikan rencana untuk membangun fasilitas baru dengan dana yang
diberikan. Mereka menemukan informasi tentang jumlah kendaraan yang ada
DISKUSI
Analisis menunjukkan bahwa PST menggunakan lebih dari satu topik matematika secara
benar dan berusaha menggunakan prosedur matematika yang rumit. Apa yang mereka perlu
kerjakan adalah representasi matematis dan kriteria justifikasi. Ini mungkin karena kesempatan
langka mereka dalam menulis di kelas matematika di mana mereka perlu
mempresentasikan seluruh pekerjaan mereka. Terkait dengan masalah ini adalah penggunaan
representasi visual PST. Sebagian besar tidak memperhatikan peran bentuk visual untuk
membantu memfasilitasi analisis mereka, sebaliknya, mereka akrab dan nyaman dengan
representasi simbolik. Berdasarkan proses pemodelan, PST perlu secara eksplisit membuat
asumsi dalam menyederhanakan masalah kehidupan nyata mereka. Selain itu, mereka harus
mengalami lebih banyak peluang untuk mengkritik dan merevisi model mereka untuk
memperbaikinya. Ini lagi dapat dijelaskan oleh peluang mereka untuk terlibat dalam perilaku ini
di kelas matematika. Terutama, PST menunjukkan kurangnya perhatian mereka untuk
menggunakan sumber daya saat memecahkan masalah dan mengakuinya.
Proyek yang sedang berlangsung ini sedang dalam proses menerapkan kurikulum inovatif
yang berfokus pada pengembangan PCK bagi PST untuk mengajar ML. Kami belum
mengumpulkan data pos untuk menyelidiki efektivitas program. Namun, pada tahap ini, data
menunjukkan bahwa PST mulai mengalami matematika dengan cara yang berbeda - tidak hanya
mempertimbangkan konteks dunia nyata sebagai penutup, yang dengan mudah dilucuti untuk
mengungkapkan matematika. Selain itu, PST mengalami ketidakpastian ketika menggunakan
matematika untuk menyelesaikan masalah yang mereka temui dalam hidup
mereka. Namun, kesatuan kesempatan untuk membahas perbedaan antara estimasi kendaraan
mereka tidak diambil, yang bisa menjadi kuat untuk validasi. Ketika memperkirakan biaya untuk
membangun tempat parkir, PST perlu menyeimbangkan seberapa banyak mereka
menyederhanakan model sehingga mereka dapat menyelesaikan masalah yang dapat dipecahkan
versus bagaimana mengembangkan model yang cukup canggih untuk menangkap dunia nyata
namun menantang - untuk memecahkan masalah dengan pengetahuan matematika mereka saat
ini. PST tidak terbiasa dengan model regresi dalam prediksi dan tidak yakin bagaimana
mengevaluasi kebaikan model mereka; Temuan tersebut membutuhkan kolaborasi antara
pendidik matematika dan ahli matematika yang bertanggung jawab untuk melatih siswa. Sebuah
pertanyaan muncul adalah seperti apa program itu jika para ahli matematika mengambil
perspektif ML ketika mengajar kursus mereka: bagaimana pengetahuan matematika PSTs bisa
diperkuat?
PENGAKUAN
Studi ini didanai oleh Yayasan Nasional Vietnam untuk Pengembangan Sains dan Teknologi
(NAFOSTED) dengan nomor hibah 503.01-2015.02.
Para penulis menghargai Dr. Dung Tran atas pembentukan dan peninjauan artikel ini. Kami
berterima kasih kepada PST kami atas partisipasi mereka dalam proyek ini.
Pernyataan pengungkapan
Tidak ada potensi konflik kepentingan yang dilaporkan oleh penulis.
REFERENSI
B ộ Giá o d ụ c và Đào t ạ o [Departemen Pendidikan Vietnam] (2018). Ch Uo ng Trinh Giao d U c
ph O Thông - mon Toan.
Cobb, P., Confrey, J., diSessa, A., Lehrer, R., & Schauble, L. (2003). Desain percobaan dalam
penelitian pendidikan. Peneliti Pendidikan , 32 (1), 9-
13. https://doi.org/10.3102/0013189X032001009
Haines, C., Crouch, R., & Davis, J. (2002). Memahami keterampilan pemodelan siswa. Di W Blum,
SP Car reira, JF Matos, SK Houston (Eds.), Pemodelan dan pendidikan matematika , 366-
380. Sains Elsevier. https://doi.org/10.1533/9780857099655.5.366
Hughes-Hallett, D. (2001), Pencapaian berhitung: Tantangan implementasi. Dalam LA Steen
(Executive Ed.), Matematika dan demokrasi: Kasus untuk literasi kuantitatif , 93-98. Dewan
Nasional tentang Pendidikan dan Disiplin.
Survei Kecakapan Hidup Internasional (ILSS) (2000). Inisiatif penelitian kebijakan . Statistik
Kanada.
Kaiser, G., & Stender, P. (2013). Masalah pemodelan yang kompleks dalam lingkungan belajar
mandiri yang terkoordinasi sendiri . Dalam GA Stillman, G. Kaiser, W. Blum, & JP Brown
(Eds.), Pengajaran pemodelan matematika: Menghubungkan ke penelitian dan praktik , 277–
293. Dordrecht: Springer. https://doi.org /10.1007/978-94-007-6540-5_23
OECD. (2013). PISA 2012 penilaian dan kerangka kerja analitis: matematika, membaca, sains,
pemecahan masalah dan literasi keuangan . Paris: Penerbitan
OECD. https://doi.org/10.1787/9789264190511-en
Palm, T. (2009). Teori situasi tugas otentik. Dalam L. Verschaffel, B. Greer, WV Dooren, & S.
Mukhopadhyay (Eds.), Kata-kata dan dunia: Memodelkan deskripsi verbal tentang situasi , 3-
20. Rotterdam / Boston / Taipei: Sense Publishers.
Schoenfeld, AH (2010). Bagaimana kami berpikir: Sebuah teori pengambilan keputusan yang
berorientasi pada tujuan dan aplikasi pendidikannya . New York:
Routledge. https://doi.org/10.4324/9780203843000
Shulman, LS (1987). Pengetahuan dan pengajaran: dasar-dasar reformasi baru. Harvard
Education
Penelitian , 57, 1–22. https://doi.org/10.17763/haer.57.1.j463w79r56455411
Steen, LA (2003). Data, bentuk, simbol: Mencapai keseimbangan dalam matematika sekolah. Dalam
BL Maddison & LA Steen (Eds.), Literacy kuantitatif: Mengapa literasi penting bagi sekolah
dan perguruan tinggi , 53 -74. Washington, DC: Asosiasi Matematika Amerika.
Steen, LA (ed.) (2001), Matematika dan Demokrasi: Kasus Literasi Kuantitatif. Princeton, NJ: Dewan Nasional tentang Pendidikan dan
Disiplin.
Tran, D., & Dougherty, BJ (2014). Keaslian pemodelan matematika. Guru Matematika , 107 (9), 672-
678. https://doi.org/10.5951/mathteacher.107.9.0672
http://www.iejme.com