Content uploaded by Umut Birkan Özkan
Author content
All content in this area was uploaded by Umut Birkan Özkan on Mar 20, 2020
Content may be subject to copyright.
TAM METİN
BİLDİRİ
KİTABI
2
I. Uluslararası Bilim Eğitim Sanat ve Teknoloji Sempozyumu UBEST 2019
1st International Science, Education, Art & Technology Symposium UBEST 2019
ISBN
Kitap içeriğinin tüm sorumluluğu yazarlarına aittir.
© 2019, Buca Eğitim Fakültesi
Bu kitabın basım, yayım ve satış hakları Buca Eğitim Fakültesi’ne aittir.
Buca Eğitim Fakültesi’nin yazılı izni alınmadan kitabın tümü ya da bölümleri, kapak
tasarımı; mekanik, elektronik, fotokopi, manyetik, kayıt ya da başka yöntemlerle
çoğaltılamaz, basılamaz, dağıtılamaz.
1. Baskı: Kasım 2019, İzmir
İletişim
Adres : Buca Eğitim Fakültesi Dekanlığı, 135 Sk. No.5 Buca, İzmir
Telefon : 0232 4204882
Web Sitesi : www.bef.deu.edu.tr, http://ubest.deu.edu.tr
e-posta : egitim@deu.edu.tr, ubest@deu.edu.tr
: 978-975-441-537-7
-385-
Matematik ve Fen Öğretmenlerinin Eğitim Durumlarının Öğrencilerin Akademik Başarısına Etkisi
Dr.Öğr. Üyesi Umut Birkan Özkan
Milli Savunma Üniversitesi, umutbirkanozkan@gmail.com
Ertan Akgenç
statistician.ertan@gmail.com
Özet
Türkiye’nin TIMSS-2015 verilerinin kullanıldığı bu çalışmada, sekizinci sınıf matematik ve fen
öğretmenlerinin eğitim düzeylerinin ortaöğretim 8. sınıf öğrencilerinin matematik ve fen alanlarındaki
akademik başarısına etkisini incelemek amaçlanmıştır. Nicel araştırma modellerinden ilişkisel tarama
modeli kullanılan bu çalışmada TIMSS-2015 değerlendirmesinden elde edilen ikincil verilerin analizleri
yapılmıştır. İki aşamalı tabakalı örnekleme yönteminin kullanıldığı TIMSS-2015’e Türkiye’den katılan
6079 ortaöğretim 8. sınıf öğrencisi araştırmanın örneklemini oluşturmaktadır. Araştırmanın verileri,
Uluslararası Eğitim Başarılarını Değerlendirme Kuruluşu’nun (International Association for the Evaluation
of Education Achievement, IEA) internet sitesinden elde edilmiştir. Elde edilen verilerin analizinde Çok
Seviyeli Yapısal Eşitlik Modellemesi (MSEM) kullanılmıştır. Araştırma bulgularına göre, sekizinci sınıf
matematik öğretmenlerinin eğitim düzeylerinin artmasının öğrencilerin matematik başarı puanlarını pozitif
yönde etkilediği söylenebilir. Sekizinci sınıf fen öğretmenlerinin eğitim düzeylerinin ise öğrencilerin fen
başarı puanları üzerinde değişkenliğe neden olmadığı bulgusuna ulaşılmıştır. Bu araştırmada, ileri
akademik derecelere sahip matematik öğretmenlerinin sayısının artırılmasının öğrencilerin akademik
performansları üzerinde olumlu yönde etkiler meydana getirebileceği, matematik eğitiminin niteliğinin
yükseltilebileceği, uluslararası değerlendirmelerde Türkiye’nin matematik alanında daha üst sıralarda
kendisine yer bulmasını sağlayabileceği, fen öğretmenlerinin aldıkları lisansüstü eğitimlerin öğrencilerin
akademik başarılarını artıracak nitelikte olmadığı ya da fen öğretmenlerinin lisansüstü eğitimlerinde
edindikleri kazanımları öğrencilerin akademik başarılarına yansıtamadıkları sonucuna varılmıştır.
Sonuçlar, ilgili alanyazınla göreceli olarak uyumludur. Çalışma sonuçlarına dayanarak önerilerde
bulunulmuştur.
Anahtar Sözcükler: öğretmenlerin eğitim düzeyi, matematik başarısı, fen başarısı, akademik başarı, TIMSS.
Abstract
In this study which uses TIMSS-2015 of Turkey data, it is aimed to examine the effect of 8th-grade math
and science teachers’ level of education on 8th-grade students’ academic achievements of math and science.
Out of quantitative research models, a correlational survey model is used. In this study, secondary data
from the TIMSS-2015 is analyzed. A number of 6079 8th grade students participated in TIMSS-2015 - uses
a two-phase stratified sampling model is the sampling of the study. The data of the study is obtained from
the website of the International Association for the Evaluation of Education Achievement, IEA. In
analyzing the obtained data, Multilevel Structural Equation Modeling is used. As a result of the study, it
can be said that the increase in the education level of 8th-grade math teachers has a positive effect on
students’ math grades. On 8th-grade science students, however, it is reached the conclusion that the 8th-
grade science teachers’ education levels have no effect. In this study, the following conclusions are reached;
increasing the number of math teachers with advanced academic levels can have a positive effect on
students’ academic achievements, quality of mathematical study can be improved, science teachers’
advanced degrees don’t have the quality to improve students’ academic levels or science teachers are not
able to reflect the acquisitions they get at postgraduate education to their students’ academic levels.
Conclusions are relatively compatible with the literature. Based on the results of the study, suggestions
concerning the improvement of students’ academic achievements are given.
Keywords: education level of teachers, mathematics achievement, science achievement, academic
achievement, TIMSS.
-386-
Giriş
Öğretmen nitelikleri, öğretmenlerin kalitesini ve öğrencilerin performansını tayin eden, öğretmenlerin kişiliklerine
ve mesleklerine ilişkin özellikleri olarak tanımlanabilir (Jepsen, 2005; Lai, Sadoulet ve De Janvry, 2011; Oktay,
1991). Öğretmen niteliklerinin öğrencilerin akademik başarısına olan etkisi üzerine yapılmış çalışmalar
alanyazında yer almaktadır (Aliyu, Yashe ve Adeyeye, 2013; Buddin ve Zamarro, 2009; Ehrenberg ve Brewer,
1994; Lai ve diğerleri, 2011; Muriithi, 2018; Oduh ve Okanigbuan, 2014; Richardson, 2008). Bu çalışmalara
bakıldığında öğrenci başarısına etki eden öğretmen niteliklerinin öğretmenlerin eğitim düzeyleri, mesleki gelişim
faaliyetlerine katılarak mesleki sertifikalar edinmeleri, mesleki deneyimleri, öğretmenlik mesleğine yönelik
tutumları gibi öğretmen özellikleri olduğu görülmektedir (Dodeen ve diğerleri, 2012; Maphoso ve Mahlo, 2015;
Musau ve Abere, 2015; Ojera, 2016; Subedi, Reese ve Powell, 2015). Bu çalışmanın kapsamına giren öğretmen
niteliklerinden birisi olan öğretmenlerin eğitim düzeyinin, öğrenci performansını olumlu ya da olumsuz yönde
etkileyen bir faktör olduğunu ya da herhangi bir etkisi olmadığını savunan araştırmalara rastlanmaktadır (Athar ve
Jamal, 2017; Badgett ve diğerleri, 2013; Coenen ve diğerleri, 2014; Croninger ve diğerleri, 2007; Ferguson ve
Ladd, 1996; Goldhaber ve Brewer, 1996,1997; Rowan, Correnti ve Miller, 2002; Subedi ve diğerleri, 2015;
Vandersall, Vruwink ve La Venia, 2011). Vandersall ve diğerlerinin (2011) çalışmasında, yüksek lisans yapmış
öğretmenlerin öğrencilerinin okuma becerileri ve anadil dersi puanlarının diğer öğrencilere göre yüksek olması
istatistiksel olarak anlamlı bulunmuştur. Athar ve Jamal’ın (2017), 8. sınıf öğrencilerine ait verilerle
gerçekleştirdiği çalışmada, yüksek lisans derecesine sahip öğretmenlerin öğrencilerinin diğerlerine göre daha
başarılı oldukları ve lisansüstü eğitimin, öğrencilerin daha iyi bir akademik başarı elde etmeleri için öğretmen
yetkinliğini arttırdığı sonucuna varılmıştır. Goldhaber ve Brewer (1996,1997), öğrencilerin matematik ve fen
başarısının, öğretmenlerin yüksek lisans derecesine sahip olmalarıyla pozitif yönde ilişkili olduğunu bulmuşlardır.
Subedi ve diğerlerinin (2015) gerçekleştirdiği araştırmada, öğretmenlerin eğitim düzeylerinin öğrencilerin not
ortalaması üzerinde olumlu etkileri olduğu bulunmuştur. Ferguson ve Ladd (1996) tarafından yapılan çalışmada,
yüksek lisans derecesine sahip öğretmenlerin, öğrencilerin matematik puanları üzerinde küçük bir pozitif etki
yaptığı ancak bu durumun okuma puanlarında hiç etki göstermediği sonucuna ulaşılmıştır. Badgett ve diğerlerinin
(2013) araştırmanın sonuçları, yüksek lisans derecelerinin öğrencinin matematik başarısı üzerinde yalnızca kısıtlı
bir olumlu etkisi olduğunu göstermiştir. Coenen ve diğerlerinin (2014) çalışmasında, öğretmenlerin yüksek lisans
yapması ile öğrenci test puanları arasında ilişki bulunmamıştır. Croninger ve diğerlerine (2007) göre, öğrencinin
matematik başarısı ile öğretmenin lisansüstü eğitime sahip olması arasında negatif bir ilişkinin varlığından söz
edilmektedir. Rowan ve diğerlerinin (2002) araştırmasında, yüksek lisans yapmış matematik öğretmenlerinin
öğrencilerinin diğerlerine göre daha başarısız olduklarının altı çizilmektedir.
Yukarıda sunulan çalışmalardan elde edilen çok yönlü bulgular, öğretmenlerin eğitim düzeyinin öğrencilerin
akademik başarısı üzerindeki etkisinin tam olarak açıklanamadığının bir göstergesi olarak değerlendirilebilir.
Bunun yanında, bugüne kadar yapılan araştırmalar Türkiye’deki ortaokul öğrencileri için öğretmenlerin eğim
düzeyi ile öğrencilerin akademik başarısı arasındaki ilişkinin varlığına dair bilimsel kanıtları ortaya
koyamamaktadır. Özellikle ortaokul öğretmenleri için belirli bir branşta lisansüstü eğitim düzeyinin etkinliği
üzerine yapılmış araştırmaların olmadığı görülmektedir. Türkiye’nin 2015 yılında katıldığı Uluslararası Matematik
ve Fen Eğilimleri Araştırması (Trends in International Mathematics and Science Study, TIMSS) verilerinin
kullanıldığı bu çalışmada, sekizinci sınıf matematik ve fen öğretmenlerinin eğitim düzeylerinin ortaöğretim 8. sınıf
öğrencilerinin matematik ve fen alanlarındaki akademik başarısına etkisini incelemek amaçlanmıştır. Ancak,
akademik başarıyı etkileyen farklı değişkenlerin olması muhtemeldir ve TIMSS-2015’in tüm bu farklı
değişkenlerin kontrol altında tutulduğu deneysel çalışma tasarımına sahip olmadığı ifade edilebilir. Bununla
birlikte, akademik başarının açıklanması için birden fazla açıklayıcı değişkene ihtiyaç duyulmaktadır. Bunun için
öğretmenlerin eğitim düzeyi ile birlikte alanyazın taramasından elde edilen, somut değerlere sahip ve TIMSS-2015
öğretmen ve öğrenci anketinden elde edilen değişkenler veri analizi için kurulan modele dahil edilmiştir. Bu
değişkenler; evdeki dijital bilgi cihazları, öğrencinin çalışma odasının olup olmaması, internet bağlantısı olup
olmaması, anne ve babanın eğitim durumu, devamsızlık durumu, evdeki eğitimsel kaynaklar, öğretmen deneyimi,
öğretmenin ödev verme sıklığı, okul dışında ödeve harcanan zaman, öğrencinin aldığı özel ders miktarı, öğretmene
okulda sağlanan öğretim desteği, öğrencilerin ödevlerinin değerlendirilmesine ayrılan zaman, öğretmenin mesleki
gelişim faaliyetlerine ayırdığı zaman ve öğretmenin iş doyumudur. Öğretmenlerin eğitim düzeylerinin öğrencilerin
ders başarıları üzerindeki etkilerini ele alan bu çalışmanın sonuçları, politika yapıcılara karar verme süreçlerinde
somut bir kanıt sağlayabilir. Bu çalışmadan elde edilen veriler, öğretmenlerin mesleğe hazırlanmasını, öğretmen
mesleki gelişimini ve istihdam uygulamalarını etkileyen politikaların oluşturulması ve sürdürülmesi süreçlerine
bilgi sağlamak için yararlı olabilir.
Yöntem
Bu bölümde araştırmanın modeli, araştırmaya ait evren ve örneklem, araştırma verilerinin elde edilmesi ve elde
edilen verilerin analizinde kullanılan teknikler açıklanmıştır.
-387-
Araştırma Modeli
TIMSS-2015 değerlendirilmesinden elde edilen ikincil verilerin analizlerinin yapıldığı bu araştırmada, nicel
araştırma modellerinden, değişkenlerin nedenselliğini ya da korelasyonel durumunu açıklayan ilişkileri ve
bağlantıları inceleyen ilişkisel tarama modeli kullanılmıştır (Büyüköztürk ve diğerleri, 2017). TIMSS, matematik
ve fen bilimleri alanlarındaki başarının incelendiği belirli yıllara göre tekrarlanan uluslararası değerlendirme
çalışmasıdır (Gronmo ve diğerleri, 2015; Jones, Wheeler ve Centurino, 2015). Öğrencilerin çok yönlü bilgi ve
becerilerini değerlendirmeyi amaçlayan TIMSS araştırması 1995 yılından itibaren her dört yılda bir yapılmaktadır.
TIMSS-2015’te öğrencilerin başarılarının yanı sıra öğretmenlerin, okul idarecilerinin, ailelerin, okul ve ev arka
planlarının sosyo-kültürel anlamda incelendiği ve değerlendirildiği anketler uygulanmaktadır (Yıldırım ve
diğerleri, 2016). Bu araştırmaya ait yöntem belirlenirken, elde edilen örneklemin araştırma sorusuna uygunluğu,
öğrencilerin beş olası başarı puanlarının analize dahil edilmesi, verilerin analizinden sonra yansız bulguların elde
edilmesi için kullanılan paket programın olması gibi hususlara dikkat edilmiştir.
Evren ve Örneklem
TIMSS çalışmasına katılacak öğrenciler evren büyüklüğünün örneklem büyüklüğüne orantılı olacak şekilde iki
aşamalı tabakalı örnekleme (stratified two-stage cluster sample design) yöntemiyle seçilmiştir (Martin, Mullis ve
Hooper, 2016). TIMSS-2015 araştırmasının yapıldığı yılda Türkiye’de 1187893 sekizinci sınıf öğrencisi eğitim
görmektedir (Yıldırım ve diğerleri, 2016). Birinci aşamada belirlenen listelerdeki okullar arasından seçkisiz
örnekleme yöntemiyle çalışmada yer alacak okullar, ikinci aşamada da çalışmaya seçilen okullardan yine seçkisiz
örnekleme yöntemiyle sınıflar seçilmiştir. Bu çalışmanın örneklemini TIMSS-2015’e Türkiye’den katılan 6079
sekizinci sınıf öğrencisi, 220 matematik ve 220 fen öğretmeni oluşturmaktadır.
Verilerin Toplanması
Bu çalışmada, Uluslararası Eğitim Başarılarını Değerlendirme Kuruluşu (International Association for the
Evaluation of Education Achievement, IEA) tarafından yapılan TIMSS-2015 değerlendirmesinde öğretmen ve
öğrencilere uygulanan anketlerden elde edilen ikincil veriler kullanılmıştır. Bu verilere IEA’nın internet sitesinden
erişilmiştir. İkincil verilerin kullanıldığı çalışmaların araştırma sorularının birincil veri setleri ile uyumlu olması
ya da temsil etmesi gerekmektedir (Long-Sutehall, Sque ve Addington, 2011). Heaton (2008), birincil veri
setlerinin ikincil bir analizini yaparken, veri toplama sürecinin ve verilere uygulanan analitik işlemlerin
özetlenmesini önermektedir. Bu doğrultuda, veri toplamanın ilk aşaması olarak öğrenci ve öğretmen anketinden
grup içi ve gruplar arası değişkenler belirlenmiştir. İkinci aşamada, öğrenci ve öğretmen anketinden araştırmanın
amacına uygun olarak elde edilecek sonuçları belirleyecek değişkenler seçilmiştir. Son aşamada ise bu veriler
öğrencinin matematik ve fen başarısını açıklayacak değişkenler grup içi ve gruplar arası şekilde iki seviyeye
ayrılarak analize dahil edilmiştir.
Verilerin Analizi
TIMSS gibi geniş ölçekli değerlendirme çalışmalarında veriler karmaşık ve hiyerarşik yapıda yer almaktadır. Bu
veri yapısının çözümlenebilmesi ya da analiz edilebilmesi için Yapısal Eşitlik Modellemesi (Structural Equation
Modeling, SEM) oldukça yaygın kullanılmaktadır. Yapısal eşitlik modellemesi (SEM), neden-sonuç üzerine
kurulan hipotezleri test etmek için kullanılan modelleme yöntemidir (Alkış, 2016). Yapısal eşitlik modellemesi
(SEM) davranışsal, ticari ve sosyal bilimler gibi birçok alanda yaygınlaşmış modelleme aracı olduğu bilinmekte;
fakat tanımlayıcı analiz aracı olduğu söylenememektedir (Barrett, 2007). Yapısal eşitlik modellemesi karmaşık
yapıdaki sistemlerde çoklu sonuçlar arasındaki ilişkiyi nedensellik üzerine araştırabilen çok değişkenli istatistiksel
bir analizdir (Cha ve diğerleri, 2017). Verilerin hiyerarşik (iç içe geçmiş) yapıda olması durumunda yapısal eşitlik
modellemesinin yetersiz kalması nedeniyle hiyerarşik verilerin analizinde Çok Seviyeli Yapısal Eşitlik
Modellemesine (Multilevel Structural Equation Modeling, MSEM) ihtiyaç duyulmaktadır.
Çok seviyeli yapısal eşitlik modellemesi, sosyal bilimler alanında, psikoloji (davranış bilimleri) alanında,
kültürler-arası araştırmalarda (karşılaştırmalı anketler) karmaşık veri yapısına sahip modellerin analizi için
kullanılan istatistiksel analiz tekniğidir (Davidov ve diğerleri, 2012; Holtmann ve diğerleri, 2016; Hox, van de
Schoot ve Matthijsse, 2012; Peugh ve Enders, 2010). MSEM, iç içe geçmiş veriler için grup içi ve gruplar arası
olarak düzey oluşturulmaktadır (Kaplan, 2008). İkinci seviye (gruplar arası); ülkeler, okullar, fakülteler, bölgeler,
sınıflar, öğretmenler gibi kavramları, birinci seviye (grup içi) ise gruplar arası düzeydeki kavramların içinde
barınan bireyleri ( öğrenci, işçi vs.) göstermektedir.
Çok seviyeli yapısal eşitlik modellemesinde grup içi ve gruplar arası önerilen ayrışma ile yapısal modeller de
bileşenlerine ayrışmaktadır. Bu ayrışma;
Seviye 1 (Grup içi);
0ij j j
y B r=+
Seviye 2 (Gruplar arası);
-388-
0 0 0j j ij
B y u e= + +
şekilde ifade edilmektedir. Burada,
0j
B
; j. Sınıf için sonuç değişkeninin ortalamasını, rj; ortalaması sıfır, varyansı
2
olan hatayı,
0j
u
; sıfır ortalamalı rassal etkiyi, yij; gözlemlere ati sonuç değişkenini, eij; hata terimini temsil
etmektedir (Acar ve Öğretmen, 2012).
Çok seviyeli yapısal eşitlik modellemesi ile TIMSS-2015 verilerinin incelenmesi için öncelikle IBM SPSS Statistic
21.0 versiyonu ile öğretmen ve öğrenci anketinden elde edilen sosyo demografik verilere ait sonuçlar elde
edilmiştir. Bu işlemin ardından çok seviyeli yapısal eşitlik modellemesi analizi için Mplus Version 5.1 (Base
Program and Combination Add-on (32-bit)) programı kullanılmıştır. Mplus hazır paket programı, hiyerarşik
verilerle çeşitli modellerinin analizleri için kullanılmaktadır. Bu paket programı gelişmiş, çok seviyeli ve kalabalık
olarak adlandırılan modelleri analiz edebilmektedir (Muthén ve Muthén, 1998; Schreiber, 2008). TIMSS-2015
araştırmasında öğretmen ve öğrenci anketinden elde edilen verilerde kayıp değerlere rastlanmaktadır. Çizelge 1.’de
sekizinci sınıf öğrencileri için elde edilen verilere ait kayıp verilerin sıklığı gösterilmektedir.
Çizelge 1. Sekizinci sınıf için elde edilen verilere ait kayıp veriler sıklığı
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
X12
X13
X14
X15
X16
Matematik
40
43
68
125
125
139
139
640
146
39
56
58
30
455
0
0
Fen
Bilimleri
40
43
68
125
125
139
191
575
255
39
56
58
30
453
110
0
Çizelge 1.’de belirtilen kayıp veriler, beklenti maksimizasyonu (Expectation Maximization- EM) yöntemi ile
tahmin edilmiştir (Little ve Rubin, 2019). Kayıp verilerin tahmin edilerek analize dahil edilmesinden sonra veri
analizine geçilmiştir. Bu çalışmada verilerin analizi üç adımda gerçekleşmiştir. Birinci adımda, öğrenci ve
öğretmen anketinden elde edilen verilerde araştırma sorusunu cevaplayabilecek değişkenler belirlenmiştir. İkinci
adımda, belirlenen değişkenler SPSS paket programında düzenlenerek veri seti olarak kaydedilmiştir. Üçüncü
adımda ise kaydedilen veri seti Mplus paket programında kullanılmak için tanımlanmış ve iki seviyeli modelleme
yöntemi ile analiz bulguları elde edilmiştir. TIMSS 2015 araştırmasındaki öğrenci ve öğretmen anketinden çok
seviyeli yapısal eşitlik modellemesi için elde edilen değişkenler belirlenmiştir. Bu çalışmada, matematik ve fen
bilimleri başarı puanları üzerinde öğretmenlerin eğitim düzeylerinin belirleyiciliğinin incelenmesi için oluşturulan
çok seviyeli yapısal eşitlik matematiksel modeli şu şekilde yazılabilir:
00 10 1 20 2 30 3 40 4 50 5ij
Y X X X X X
= + + + + +
60 6 70 7 80 8 90 9 100 10
X X X X X
+ + + + +
01 11 02 12 03 13 04 14 05 15 06 16 0 j ij
X X X X X X e
+ + + + + + + +
Y : Matematik/ fen bilimleri başarı puanları (1-5 olası değer)
X1 : Evde bulunan dijital bilgi cihazları
X2 : Öğrenciye ait oda
X3 : Evde bulunan internet bağlantısı
X4 : Annenin eğitim düzeyi
X5 : Babanın eğitim durumu
X6 : Öğrenciye ait devamsızlık
X7 : Matematik/ fen bilimleri ödev verme sıklığı
X8 : Matematik/ fen bilimleri ödevine okul dışında harcanan zaman
X9 : Matematik/ fen bilimleri için alınan özel ders miktarı
X10 : Evde bulunan eğitimsel kaynaklar
X11 : Öğretmenin iş deneyimi
X12 : Öğretmenin eğitim düzeyi
X13 : Öğretmenlerin aldığı mesleki öğretim desteği
X14 : Öğrencilerin Ödevlerinin Değerlendirilmesine Ayrılan Zaman
X15 : Mesleki Gelişim Faaliyetlerine Ayrılan Zaman
X16 : Öğretmen İş Doyumu
-389-
Sekizinci sınıf matematik ve fen bilimleri için kurulan grup içi ve gruplar arası seviyeyi gösteren çok seviyeli
yapısal eşitlik modelinin yol diyagramı Şekil 1.’de verilmiştir.
Şekil 1. Sekizinci sınıf matematik ve fen bilimleri için kurulan çok seviyeli yapısal eşitlik modeli yol diyagramı
Mplus paket programında istatistiksel varsayımların kontrolü otomatik olarak yapılmakta ve hata durumunda
araştırmacı bilgilendirilmektedir. Öğretmen eğitim düzeyinin öğrencilerin akademik başarısına etkisinin
incelendiği bu çalışmada, elde edilen verilere ait değişkenlerin normallik, varyans homojenliği ve modelin
doğrusallığı varsayımlarını doğruladığı belirlenmiştir. Matematik ve fen bilimlerine ait beş olası başarı puanları
için de bu varsayımların geçerli olduğu tespit edilmiştir.
Bulgular
Sekizinci sınıf matematik ve fen alanlarına ait beş olası başarı puanı için tanımlayıcı istatistikler Çizelge 2.’de
verilmektedir.
Çizelge 2. Sekizinci sınıf matematik ve fen alanlarına ait beş olası değerin tanımlayıcı istatistikleri
Değişken
Frekans
Ortalama
Standart
Sapma
Min.
Değer
Maks.
Değer
Matematik Sekizinci Sınıf
Birinci başarı puanı (Y-PVM1)
6079
455.67
103.614
77
773
İkinci başarı puanı (Y-PVM2)
6079
456.34
104.081
31
781
Üçüncü başarı puanı (Y-PVM3)
6079
455.51
105.104
55
808
Dördüncü başarı puanı (Y-PVM4)
6079
453.20
107.732
69
795
Beşinci başarı puanı (Y-PVM5)
6079
456.32
105.629
56
785
Fen Bilimleri Sekizinci Sınıf
Birinci başarı puanı (Y-PVF1)
6079
490.48
95.920
116
799
İkinci başarı puanı (Y-PVF2)
6079
491.19
96.090
100
781
Üçüncü başarı puanı (Y-PVF3)
6079
491.68
95.955
78
773
Dördüncü başarı puanı (Y-PVF4)
6079
489.99
97.141
125
787
Beşinci başarı puanı (Y-PVF5)
6079
491.02
95.237
87
777
Çizelge 2.’de verilen değerler incelendiğinde, TIMSS-2015 araştırmasına Türkiye’den katılan 6079 sekizinci sınıf
öğrencisi için matematik ve fen alanında hesaplanan beş farklı olası değerin ortalamalarının birbirine yakın olduğu
görülmektedir. Genel olarak bakıldığında fenden alınan puanların ortalamalarının matematikten alınan puanların
ortalamalarından yüksek olduğu göze çarpmaktadır. Diğer bir ifadeyle Türkiye’den değerlendirmeye katılan 8.
sınıf öğrencilerinin fende matematiğe göre daha başarılı oldukları söylenebilir. Bununla birlikte, hem matematik
hem de fen alanında minimum ve maksimum başarı puanları arasındaki farkın oldukça yüksek olduğu belirtilebilir.
-390-
Sekizinci sınıf matematik ve fen öğretmenlerinin eğitim durumlarına ilişkin tanımlayıcı istatistikler Çizelge 3.’te
verilmektedir.
Çizelge 3. TIMSS 2015 araştırması sekizinci sınıf matematik ve fen öğretmenlerine ait eğitim durumu için
tanımlayıcı istatistikler
Öğretmenlerin Eğitim Düzeyi
Öğretmen
Frekansı
Öğrenci
Frekansı
Yüzde (%)
Matematik
Ön Lisans
5
153
2.5
Lisans
201
5608
92.3
Yüksek Lisans
13
295
4.9
Doktora
1
23
0.4
Fen Bilimleri
Ön Lisans
1
25
0.4
Lisans
205
5623
92.5
Yüksek Lisans
9
278
4.6
Doktora
5
153
2.5
Toplam
220
6079
Çizelge 3. incelendiğinde, TIMSS-2015 araştırmasına katılan sekizinci sınıf matematik ve fen öğretmenlerinin
büyük bir bölümünün lisans mezunu olduğu görülmektedir. Lisans ve yüksek lisans mezunu öğretmenlerin
oranlarının her iki branş için karşılaştırması yapıldığında birbirine yakın olduğu ifade edilebilir. Lisans mezunu
matematik öğretmenlerinin oranı %92.3 iken lisans mezunu fen öğretmenlerinin oranı %92.5’tir. Benzer durumun
yüksek lisans mezunu matematik ve fen öğretmenleri için de geçerli olduğu söylenebilir.
Bu çalışmada, matematik ve fen öğretmenlerinin eğitim düzeylerinin 8. Sınıf öğrencilerinin matematik ve fen
başarısı üzerindeki etkisini belirlemeye yönelik olarak MSEM analizleri yapılmıştır. MSEM analizi için kurulan
model, uyum iyiliği istatistikleri kriterlerine göre değerlendirilmektedir. Uyum iyiliği istatistiklerindeki katsayılara
bakılarak modelin kabul edilebilir veya kabul edilemez olduğuna karar verilmektedir (Hoyle, 1995; Meydan ve
Şeşen, 2011). Bu çalışma kapsamında kurulan çok seviyeli yapısal eşitlik modeline ilişkin uyum iyiliği istatistikleri
Çizelge 4.’te sunulmuştur.
Çizelge 4. Çok seviyeli yapısal eşitlik modeline ilişkin uyum iyiliği istatistikleri
Uyum iyiliği indeksi
Modelden elde edilen sonuç
Kriter
CFI
1.000
≥0.97 olduğundan iyi uyum
TLI
1.000
≥0.95 olduğundan iyi uyum
RMSEA
0.000
≤0.05 olduğundan iyi uyum
SRMR
0.000
≤0.05 olduğundan iyi uyum
TIMSS 2015 araştırması sekizinci sınıf matematik ve fen verileri için kurulan modele ilişkin uyum istatistikleri,
CFI=1.000>0.97 ve TLI=1.000>0.95, RMSEA=0.000<0.05 ve SRMR=0.000<0.05 olarak hesaplandığı Çizelge
4.’te görülmektedir. Buna göre, sekizinci sınıf matematik ve fen bilimleri için kurulan modelin iyi uyuma sahip
çok seviyeli yapısal eşitlik modeli olduğu belirlenmiştir. değerlere göre bu çalışma için kurulan çok seviyeli yapısal
eşitlik modelinin kabul edilebilir olduğu söylenebilir. Kurulan çok seviyeli yapısal eşitlik modellemesinde beş
olası başarı puanına göre sekizinci sınıf matematik öğretmenlerine ait Mplus paket programı aracılığıyla iki
seviyeli analiz yapılarak elde edilen sonuçlar Çizelge 5.’te verilmektedir. Akademik başarının açıklanması için
birden fazla açıklayıcı değişkenin modele dahil edildiği analizlerde, araştırmanın odağından uzaklaşmamak
maksadıyla araştırma sorusu kapsamında öğretmen eğitim düzeyi değişkenine odaklanılarak bulgular sunulmuştur.
-391-
Çizelge 5. TIMSS-2015 değerlendirmesine Türkiye’den katılan matematik öğretmenlerinin eğitim düzeylerinin
öğrencilerin matematik başarısı üzerindeki etkisine ilişkin MSEM analizi sonuçları
Kestirim
Standart
Hata
Kestirim /
S. H.
P
Değeri
Birinci başarı puanı (Y-PVM1)
0.324
0.054
5.964
0.000
İkinci başarı puanı (Y-PVM2)
0.328
0.056
5.894
0.000
Üçüncü başarı puanı (Y-PVM3)
0.323
0.057
5.690
0.000
Dördüncü başarı puanı (Y-PVM4)
0.315
0.055
5.748
0.000
Beşinci başarı puanı (Y-PVM5)
0.321
0.054
6.140
0.000
Çizelge 5. incelendiğinde, TIMSS-2015 araştırmasına Türkiye’den katılan matematik öğretmenlerinin eğitim
düzeylerinin artması ile 8. sınıf öğrencilerinin matematik başarı puanlarının pozitif yönde etkilendiği gözlenmiştir.
Bu sonucun beş olası başarı puanı için de geçerli olduğu söylenebilir (tüm p-değerleri < 0.05). Çizelge 6.’da
TIMSS-2015 değerlendirmesine Türkiye’den katılan fen öğretmenlerinin eğitim düzeylerinin öğrencilerin fen
başarısı üzerindeki etkisine ilişkin MSEM analizi sonuçları verilmektedir.
Çizelge 6. TIMSS-2015 değerlendirmesine Türkiye’den katılan fen öğretmenlerinin eğitim düzeylerinin
öğrencilerin fen başarısı üzerindeki etkisine ilişkin MSEM analizi sonuçları
Kestirim
Standart
Hata
Kestirim /
S. H.
P
Değeri
Birinci başarı puanı (Y-PVF1)
0.071
0.072
0.993
0.321
İkinci başarı puanı (Y-PVF2)
0.078
0.071
1.105
0.269
Üçüncü başarı puanı (Y-PVF3)
0.090
0.070
1.284
0.199
Dördüncü başarı puanı (Y-PVF4)
0.071
0.072
0.983
0.326
Beşinci başarı puanı (Y-PVF5)
0.082
0.072
1.132
0.257
Çizelge 6. incelendiğinde, TIMSS-2015 araştırmasına Türkiye’den katılan fen öğretmenlerinin eğitim düzeylerinin
8. sınıf öğrencilerinin fen başarısını etkilemediği görülmektedir. Bu sonucun beş olası başarı puanı için de geçerli
olduğu söylenebilir (tüm p-değerleri > 0.05).
Sonuç ve Tartışma
Bu çalışmada, TIMSS-2015 değerlendirmesinde Türkiye’nin 8. sınıf öğretmen ve öğrenci anketi verileri ve her
öğrenci için hesaplanan beşer adet matematik ve fen olası değerleri kullanılarak, öğretmenlerin eğitim düzeyinin
öğrencilerin matematik ve fen puanları üzerindeki etkisi incelenmiştir. Çalışmada ilk olarak matematik
öğretmenlerinin eğitim düzeylerinin 8. sınıf öğrencilerinin matematik puanlarına olan etkisi araştırılmıştır. Çok
seviyeli yapısal eşitlik modellemesi analizinde, matematik öğretmenlerinin eğitim düzeylerinin öğrencilerin
matematik puanlarındaki belirleyiciliğinde istatistiksel olarak anlamlı olduğu bulgusundan yola çıkarak,
öğretmenlerin eğitim düzeyinin öğrencilerin matematik başarısında belirleyici bir rol oynadığı sonucuna
ulaşılabilir. Bu sonuçların, alanyazındaki diğer çalışmalarla (Athar ve Jamal, 2017; Darling-Hammond, 2000;
Goldhaber ve Brewer, 1996,1997,1998; Subedi ve diğerleri, 2015; Vandersall ve diğerleri, 2011) tutarlı olduğu
belirtilebilir. Bu sonuca göre, ileri akademik derecelere sahip matematik öğretmenlerinin sayısının artırılması
matematik alanında başarılı öğrencilerin sayısının artmasını sağlayabilir. Matematik öğretmenlerinin yüksek
eğitim düzeyine sahip olmalarının öğrencilerin akademik başarılarına olumlu yönde katkı yapması, eğitimin
niteliğinin artmasına ve PISA ve TIMSS gibi uluslararası değerlendirmelerde Türkiye’nin daha üst sıralarda
kendisine yer bulmasına neden olabilir.
Çok seviyeli yapısal eşitlik modellemesi analizinde, Türkiye’deki fen öğretmenlerinin eğitim düzeylerinin
öğrencilerin fen puanlarındaki etkisinin istatistiksel olarak anlamlı bulunmadığı bulgusundan yola çıkarak
öğretmenlerin eğitim düzeyinin öğrencilerin fen başarısının belirleyicisi olmadığı sonucuna ulaşılabilir. Bu
sonucun, alanyazındaki araştırmaların (Mubarak ve Razak, 2017; Zhang ve Campbell, 2015) sonuçları ile
benzerlik gösterdiği söylenebilir. Bu sonuca göre, fen öğretmenlerinin aldıkları lisansüstü eğitimlerin öğrencilerin
akademik başarılarını artıracak nitelikte olmadığı ya da fen öğretmenlerinin lisansüstü eğitimlerinde edindikleri
kazanımları öğrencilerin akademik başarılarına yansıtamadıkları söylenebilir.
Öneriler
Bu çalışmanın sonuçlarına dayalı olarak uygulayıcılara ve araştırmacılara yönelik aşağıdaki önerilerde
bulunulabilir:
-392-
1. Milli Eğitim Bakanlığı tarafından, ortaokul öğrencilerinin matematik başarılarını artırmada öğretmenlerin
lisansüstü eğitim almalarının önemi konusunda matematik öğretmenleri bilgilendirilebilir ve onların bu konuda
yatırım yapmalarını teşvik edici stratejiler geliştirebilir.
2. Matematik öğretmenlerinin lisansüstü eğitim almalarını sağlamak için üniversitelerle işbirliği yapılarak
lisansüstü programlara ilkokul öğretmenlerinin katılımı sağlanabilir.
3. Okul yöneticileri, lisansüstü eğitim programlarından yararlanmaları için matematik öğretmenlerini motive
edebilir ve imkânlar sunabilir.
4. TIMSS gibi uluslararası değerlendirmelerde fen alanında başarılı olmak ve ortaokul öğrencilerinin fen
başarılarını artırmak için eğitim konusundaki karar vericiler ve politika yapıcılar, öğretmenlerin eğitim düzeyinin
artırılmasına yönelik çabalar yerine akademik başarı üzerinde istatistiksel olarak anlamlı olan belirleyici faktörlere
ağırlık verebilir.
5. Bu çalışmanın analizleri öğrencilerin matematik ve fen test başarı puanlarına endekslidir. Bu puanlar, tek
oturumluk ve yalnızca bir sınavdan alınmış puanlardır. Öğrencilerin sürece yayılmış matematik ve fen başarıları
ile öğretmenlerin eğitim düzeyleri arasındaki ilişkiyi inceleyen araştırmaların yapılması, bu konudaki bilimsel
kanıt çeşitliliğini artırabilir.
6. Öğretmenlerin eğitim düzeyleri ile akademik başarı dışındaki eğitimsel çıktılar arasındaki ilişkiler araştırılabilir.
Kaynaklar
Acar, T. ve Öğretmen, T., (2012), Çok düzeyli istatistiksel yöntemler ile 2006 PISA fen bilimleri performansının incelenmesi,
Eğitim ve Bilim, 37(163), (s.178-189).
Aliyu, U. A., Yashe, A. ve Adeyeye, A. C. (2013). Effect of teachers qualifications on performance in further mathematics
among secondary school students. Mathematical Theory and Modeling, 3(11), (s.140-146).
Alkış, N. (2016). Bayes Yapısal eşitlik modellemesi: Kavramlar ve genel bakış. Gazi İktisat ve İşletme Dergisi, 2(3), (s.105-
116).
Athar, M. R. ve Jamal, N. (2017). Academic achievement of students associated with professional education of teacher. Journal
of Research and Reflections in Education, 11(2), (s.94-99).
Badgett, K., Decman, J. ve Carman, C. (2013). National implications: The impact of teacher graduate degrees on student math
assessments. National Forum of Teacher Education Journal, 23(3), (s.1–18).
Barrett, P. (2007). Structural equation modelling: Adjudging model fit. Personality and Individual Differences, 42(5), (s.815-
824).
Buddin, R. ve Zamarro, G. (2009). Teacher qualifications and student achievement in urban elementary schools. Journal of
Urban Economics, 66(2), (s.103-115).
Büyüköztürk, Ş., Çakmak, E. K., Akgün, Ö. E., Karadeniz, Ş. ve Demirel, F. (2017). Bilimsel araştırma yöntemleri. Ankara:
PEGEM Akademi.
Cha, E., Sanderson, M., Renter, D., Jager, A., Cernicchiaro, N. ve Bello, N. M. (2017). Implementing structural equation
models to observational data from feedlot production systems. Preventive Veterinary Medicine, 147, (s.163-171).
Coenen, J., Groot, W., van den Brink, H. M. ve Van Klaveren, C. (2014). Teacher characteristics and their effects on student
test scores: A best-evidence review. Maastricht: TIER.
Croninger, R. G., Rice, J. K., Rathbun, A. ve Nishio, M. (2007). Teacher qualifications and early learning: Effects of
certification, degree, and experience on first-grade student achievement. Economics of Education Review, 26(3), (s.312-324).
Darling-Hammond, L. (2000). Teacher quality and student achievement. Education Policy Analysis Archives, 8(1), (s.1-44).
Davidov, E., Dülmer, H., Schlüter, E., Schmidt, P. ve Meuleman, B. (2012). Using a multilevel structural equation modeling
approach to explain cross-cultural measurement noninvariance. Journal of Cross-Cultural Psychology, 43(4), (s.558-575).
Dodeen, H., Abdelfattah, F., Shumrani, S. ve Hilal, M. A. (2012). The effects of teachers’ qualifications, practices, and
perceptions on student achievement in TIMSS mathematics: A comparison of two countries. International Journal of Testing,
12(1), (s.61-77).
Ehrenberg, R. G. ve Brewer, D. J. (1994). Do school and teacher characteristics matter? Evidence from high school and beyond.
Economics of Education Review, 13(1), (s.1-17).
Ferguson, R. F. ve Ladd, H. F. (1996). How and why money matters: An analysis of Alabama schools. İçinde: H. F. Ladd (Ed.),
Holding Schools Accountable: Performance-based Reform in Education (s.265–298). Washington, DC: The Brookings
Institution.
-393-
Goldhaber, D. ve Brewer, D. J. (1996). Evaluating the effect of teacher degree level on educational performance. Rockford,
MD: Westat, Inc.
Goldhaber, D. ve Brewer, D. J. (1997). Evaluating the effect of teacher degree level on educational performance. İçinde: J.W.
Fowler (Ed.), Developments in School Finance 1996 (s.197-210). Washington: National Center for Education Statistics, U.S.
Department of Education.
Goldhaber, D. ve Brewer, D. J. (1998). When should we reward degrees for teachers? The Phi Delta Kappan, 80(2), (s.134-
138).
Gronmo, L. S., Lindquist, M., Arora, A. ve Mullis, I. V. (2015). TIMSS 2015 mathematics framework. TIMSS, (s.11-27).
Heaton, J. 2008. Secondary analysis of qualitative data: An overview. Historical Social Research, 33(3), (s.33-45).
Holtmann, J., Koch, T., Lochner, K. ve Eid, M. (2016). A comparison of ML, WLSMV and Bayesian methods for multilevel
structural equation models in small samples: A simulation study. Multivariate Behavioral Research, 51(5), 661-680.
Hox, J. J., van de Schoot, R. ve Matthijsse, S. (2012). How few countries will do? Comparative survey analysis from a Bayesian
perspective. Survey Research Methods, 6(2), (s.87-93).
Hoyle, R. H. (1995). Structural equation modeling: Concepts, issues, and applications. London: Sage Publications.
Jepsen, C. (2005). Teacher characteristics and student achievement: Evidence from teacher surveys. Journal of Urban
Economics, 57(2), (s.302-319).
Jones, L. R., Wheeler, G. ve Centurino, V. A. (2015). TIMSS 2015 science framework, TIMSS, (S.29-58).
Kaplan, D. (2008). Structural equation modeling: Foundations and extensions. London: Sage Publications.
Lai, F., Sadoulet, E. ve De Janvry, A. (2011). The contributions of school quality and teacher qualifications to student
performance evidence from a natural experiment in Beijing middle schools. Journal of Human Resources, 46(1), (s.123-153).
Little, R. J. ve Rubin, D. B. (2019). Statistical analysis with missing data. USA: Wiley, Inc.
Long-Sutehall, T., Sque, M. ve Addington-Hall, J. (2011). Secondary analysis of qualitative data: a valuable method for
exploring sensitive issues with an elusive population? Journal of Research in Nursing, 16(4), (s.335-344).
Maphoso, L. S. T. ve Mahlo, D. (2015). Teacher qualifications and pupil academic achievement. Journal of Social Sciences,
42(1-2), (s.51-58).
Martin, M. O., Mullis, I. V. ve Hooper, M. (2016). Methods and procedures in TIMSS 2015. Chestnut Hill, MA: IEA.
Meydan, C. H. ve Şeşen, H. (2011). Yapısal eşitlik modellemesi AMOS uygulamaları. Ankara: Detay Yayıncılık.
Mubarak, A. A. ve Razak, N. A. (2017). Malaysian students’ achievement in TIMSS 2011: Does Science inquiry really
matter? Malaysian Journal of Learning and Instruction (MJLI), Special issue on Graduate Students Research on
Education, (s.1-25).
Muriithi, E. M. P. (2018). Effect of teacher characteristics on learner academic achievement in physics in Kenyan secondary
schools. International Journal of Education and Research, 6(3), (s.165-178).
Musau, L. M. ve Abere, M. J. (2015). Teacher qualification and students' academic performance in science mathematics and
technology subjects in Kenya. International Journal of Educational Administration and Policy Studies, 7(3), (s.83-89).
Muthén, L. K. ve Muthén, B. O. (1998). Mplus User’s guide: Statistical analysis with latent variables. Los Angeles: CA:
Muthén & Muthén.
Oduh, W. A. ve Okanigbuan, P. N. (2014). Relationship between teachers' qualification and students' performance in
mathematics among students of private secondary schools in Ikpoba-Okha Local Government Area of Edo State, Nigeria.
Journal of Emerging Trends in Educational Research and Policy Studies, 5(4), (s.416-422).
Ojera, D. A. (2016). Impact of teacher qualifıcation on pupils’ academic achievement in Kenya certificate of primary education
in public primary schools of Migori County, Kenya. World Journal of Educational Research, 3(7), (s.1-20).
Oktay, A. (1991). Öğretmenlik mesleği ve öğretmenin nitelikleri. Marmara Üniversitesi Atatürk Eğitim Fakültesi Eğitim
Bilimleri Dergisi, 3(3), (s.187-193).
Peugh, J. L. ve Enders, C. K. (2010). Specification searches in multilevel structural equation modeling: A Monte Carlo
investigation. Structural Equation Modeling, 17(1), (s.42-65).
Richardson, A. (2008). An examination of teacher qualifications and student achievement in mathematics. Doktora Tezi.
Auburn, Alabama: Auburn University.
Rowan, B., Correnti, R. ve Miller, R. J. (2002). What large-scale, survey research tells us about teacher effects on student
achievement: Insights from the prospectus study of elementary schools. Philadelphia, PA: CPRE Publications.
Schreiber, J. B. (2008). Core reporting practices in structural equation modeling, Research in Social and Administrative
Pharmacy, 4(2), (s.83-97).
-394-
Subedi, B. R., Reese, N. ve Powell, R. (2015). Measuring teacher effectiveness through hierarchical linear models: Exploring
predictors of student achievement and truancy. Journal of Education and Training Studies, 3(2), (s.34-43).
Vandersall, K., Vruwink, M. ve LaVenia, K. N. (2011). Master’s degrees and teacher effectiveness: New evidence from state
assessments. Arden, NC: Arroyo.
Yıldırım, A., Özgürlük, B., Parlak, B., Gönen, E. ve Polat, M. (2016). TIMSS 2015 ulusal matematik ve fen bilimleri ön raporu
4. ve 8. sınıflar. MEB: Ölçme, Değerlendirme ve Sınav Hizmetleri Genel Müdürlüğü.
Zhang, D. ve Campbell, T. (2015). An examination of the impact of teacher quality and “opportunity gap” on student science
achievement in China. International Journal of Science and Mathematics Education, 13(3), (s.489-513).
