Biyoloji ve Matematik Entegrasyonuna Yeni Bir Bakış: Veri Analiziyle Kedilerde Kalıtım
Özet
Günümüzde klasik öğretim yaklaşımlarına ek olarak dijital okuryazarlık, veriye dayalı çalışma, karar verme ve bilimsel çıkarım yapma gibi becerilere odaklanan eğitim yaklaşımlarına ihtiyaç doğmuştur. Fen bilimleri alanlarında veriye dayalı disiplinler arası bir yaklaşım bu tip becerilerin kazanılmasına imkan sağlayacak niteliktedir. Biyoloji eğitimi söz konusu olduğunda ise veriye dayalı matematik konularının entegrasyonu ile disiplinler arası bir yaklaşımın sınıf ortamlarında çok fazla yer bulamadığını görmekteyiz. Bu çalışma genetik konusunda dinamik veri analiz programı kullanarak veriye dayalı olarak hazırlanan etkinliği ve öğretmen görüşlerini sunmaktadır. Etkinlik, öğrencilerin veri analizi becerilerini geliştirirken, bu becerileri kullanarak genetik prensiplerini keşfetmelerini sağlamayı amaçlamaktadır. Etkinliği değerlendiren öğretmenler, veri analizi, yorumlama ve grafik oluşturma becerilerinin kullanıldığı bu etkinliğin biyoloji konularının öğretilmesinde olumlu olacağı görüşünde olduklarını belirtmişlerdir.
Referanslar
Bargagliotti, A., Franklin, C., Arnold, P., Gould, R., Johnson, S., Perez, L., & Spangler, D. (2020). Pre-K-12 Guidelines for Assessment and Instruction in Statistics Education (GAISE) report II. American Statistical Association and National Council of Teachers of Mathematics. https://www.amstat.org/asa/files/pdfs/GAISE/GAISEIIPreK-12_Full.pdf
Cohen, J. E. (2004). Mathematics is biology's next microscope, only better; biology is mathematics' next physics, only better. PLoS biology, 2(12), e439. DOI: 10.1371/journal.pbio.0020439
Colon-Berlingeri, M., & Burrowes, P. A. (2011). Teaching biology through statistics: application of statistical methods in genetics and zoology courses. CBE—Life Sciences Education, 10(3), 259-267. https://doi.org/10.1187/cbe.10-11-0137
Feser, J., Vasaly, H., & Herrera, J. (2013). On the edge of mathematics and biology integration: improving quantitative skills in undergraduate biology education. CBE—Life Sciences Education, 12(2), 124-128.
Finzer, W., Busey, A., & Kochevar, R. (2018). Data-driven inquiry in the PBL classroom. The Science Teacher, 86(1), 28-34.
Friedman, A. (2010). What is mathematical biology and how useful is it? Notices of the AMS, 57(7), 851-M857.
Glesne, C. (2016). Becoming qualitative researchers: An introduction. Pearson.
Hudson, R. A., Mojica, G. F., Lee, H. S., & Casey, S. (2025). Data moves as a focusing lens for learning to teach with CODAP. Computers in the Schools, 42(3), 276-301. https://doi.org/10.1080/07380569.2024.2411705
Jungck, J. R. (1997). Ten equations that changed biology: mathematics in problem-solving biology curricula. Bioscene, 23(1), 11-36.
Kahn, J., & Jiang, S. (2020). Learning with large, complex data and visualizations: Youth data wrangling in modeling family migration. Learning, Media and Technology, 46(2), 128–143. https://doi.org/10.1080/17439884.2020.1826962
Lee, V. R., & Wilkerson, M. (2018). Data use by middle and secondary students in the digital age: A status report and future prospects. Commissioned Paper for the National Academies of Sciences Engineering, and Medicine, Board on Science Education, Committee on Science Investigations and Engineering Design for Grades 6-12. https://digitalcommons.usu.edu/itls_facpub/634/
Miles, M., B. and Huberman, A. M. (1984). Qualitative data analysis: A Sourcebook of New Methods. Beverly Hills, CA: Sage.
Patton, M.Q. (2015). Qualitative research & evaluation methods (4th ed.). Sage.
Penuel, W. R., Rubin, A., Puttick, G., Henson, K., & Deverel-Rico, C. (2025). Balancing curriculum design goals for supporting students’ work with data in a biology unit. Educational Designer, 19. Retrieved from https://www.educationaldesigner.org/ed/volume5/issue19/article78/
Rosenberg, J. M., Schultheis, E. H., Kjelvik, M. K., Reedy, A., & Sultana, O. (2022). Big data, big changes? The technologies and sources of data used in science classrooms. British Journal of Educational Technology, 53(5), 1179-1201.
Rubin, A. (2020). Learning to reason with data: How did we get here and what do we know? Journal of the Learning Sciences, 29(1), 154–164. https://doi.org/10.1080/10508406.2019.1705665
Sanei, H., Kahn, J. B., Yalcinkaya, R., Jiang, S., & Wang, C. (2023). Examining how students code with socioscientific data to tell stories about climate change. Journal of Science Education and Technology, 33(2), 161–177. https://doi.org/10.1007/s10956-023-10054-z
Steen, L. A. (2005). The “gift” of mathematics in the era of biology. Retrieved from http://www.steen-frost.org/Steen/Papers/05gift.pdf
Sukol, S. (2024). Beyond borders 2024: Primary and secondary data science education around the world. Report commissioned by Data Science 4 Everyone. https://www.datascience4everyone.org/post/beyond-borders-2024
