Differentieret undervisning i matematik — en praktisk guide
Differentiering i matematikundervisningen kan føles som at lægge et puslespil, hvor brikkerne konstant skifter form. Med 24 elever i klassen ved vi godt, at der reelt er 24 forskellige faglige niveauer. Den traditionelle løsning har ofte været at lade de hurtige elever regne videre i bogen, mens de udfordrede elever får færre eller nemmere opgaver. Problemet er bare, at det sjældent løser de grundlæggende misforståelser.
At skrue ned for sværhedsgraden fjerner nemlig ikke de faglige huller. Det udskyder dem bare. For at differentiere effektivt, er vi nødt til at vide præcist, hvorfor en elev går i stå.
Udfordringen ved traditionel differentiering
Mange af os har prøvet at rette et sæt afleveringer og konstatere, at fire elever har problemer med brøkregning. Den logiske konsekvens i en travl hverdag er ofte at give dem et ekstra ark med brøkopgaver.
Men lad os se på et konkret eksempel, hvor en elev skal løse opgaven: 1/2 + 1/4 = ?
Hvis eleven svarer 2/6, er der tale om den klassiske fejltype, vi i MatScan kalder ADD_DENOMINATORS — eleven lægger både tæller og nævner sammen. Hvis vi bare giver eleven ti nye opgaver af samme type, vil de sandsynligvis øve sig i at lave den samme fejl ti gange mere.
Differentiering handler ikke om mængden af opgaver. Det handler om at tilpasse interventionen til fejlmønsteret.
Fra data til målrettet handling
Når vi bruger diagnostiske værktøjer, ændrer vi fokus fra "hvor mange fejl har eleven lavet?" til "hvilken type fejl laver eleven?".
Hvis vi ved, at en gruppe elever systematisk lægger nævnerne sammen, kan vi samle netop disse elever til en fokuseret, ti-minutters intervention. Her kommer CPAT-modellen (Konkret, Pictorial, Abstrakt, Transfer) os til gode. I stedet for at forklare brøkreglerne abstrakt på tavlen endnu en gang, rykker vi tilbage i faserne:
Vi tager fat i det konkrete (C). Vi finder brøkcirklerne frem og viser, at en halv pizza plus en kvart pizza ikke kan blive til to sjettedele pizza. Først når den fysiske forståelse er på plads, bevæger vi os videre til at tegne det (P), og til sidst genintroducerer vi de abstrakte symboler (A).
Gruppering på baggrund af mikrokompetencer
Denne tilgang gør det muligt at organisere klasserummet langt mere dynamisk. I stedet for statiske niveau-grupper ("de stærke" og "de svage"), kan du danne flygtige arbejdsgrupper baseret på dagsaktuelle mikrokompetencer.
Måske har tre elever på tværs af de sædvanlige faglige niveauer brug for en opfriskning af tierovergang, mens resten af klassen arbejder selvstændigt. Ved at diagnosticere præcist, sparer du tid på at undervise i noget, eleverne allerede kan, og kan i stedet bruge din tid dér, hvor den virkelig flytter noget.
Hos MatScan har vi bygget et system, der automatisk identificerer disse fejlmønstre via vores kompetencegraf, så du ikke selv skal sidde og gætte på, hvor kæden hopper af. Du kan prøve platformen gratis med dine egne elever og opleve, hvordan data kan gøre differentieringen helt konkret — og meget mere overskuelig i hverdagen.