Lukiolaisten käsityksiä tietokoneohjelmien käytöstä ... › pub › urn_nbn_fi_uef...kaikki...
Transcript of Lukiolaisten käsityksiä tietokoneohjelmien käytöstä ... › pub › urn_nbn_fi_uef...kaikki...
i
Pro gradu -tutkielma
Toukokuu 2019
Fysiikan ja matematiikan laitos
Itä-Suomen yliopisto
Lukiolaisten käsityksiä tietokoneohjelmien
käytöstä fysiikan opiskelussa ja
videoanalyysin käyttö kuvaajien tulkinnassa
Santeri Räsänen
ii
Santeri Räsänen Lukiolaisten käsityksiä tietokoneohjelmien käytöstä
fysiikan opiskelussa ja videoanalyysin käyttö kuvaajien
tulkinnassa, 54 sivua
Itä-Suomen yliopisto
Fysiikan koulutusohjelma
Fysiikan aineenopettajakoulutus
Työn ohjaajat FT Risto Leinonen
Tiivistelmä
Koulumaailma on ollut murrosvaiheessa monta vuotta teknologian käytön lisäämisen
takia. Uusia teknologisia ratkaisuja opetukseen kehitetään koko ajan. Tämän tutkimuksen
tarkoituksena on selvittää lukiolaisten käsityksiä tietokoneohjelmien käytöstä fysiikan
opiskelussa ja kuinka videoanalyysin käyttö vaikuttaa heidän kykyynsä tulkita kuvaajia.
Tutkimus toteutettiin noin kahden ja puolen oppitunnin opetuskokeiluna yhdelle lukion
toisen vuosikurssin ryhmälle, missä vinoa heittoliikettä opetettiin videoanalyysiohjelma
Trackerin avulla, analysoiden nuolen lentoa. Vastauksia kerättiin itse laadittujen alku- ja
loppukyselyiden avulla.
Tulokset osoittavat, että lukiolaiset hyödyntävät paljon tietokoneohjelmia opiskelussa ja
pitävät niitä hyödyllisenä, mutta niiden käytön lisääminen opetuksessa jakaa mielipiteet.
Lukiolaisten kyky tulkita kuvaajia parantui huomattavasti aika-paikka- ja aika-nopeus-
kuvaajien yhdistämisessä, mutta aika-paikka- ja aika-kiihtyvyys-kuvaajien
yhdistämisessä parannus ei ollut merkittävä. Videoanalyysi oli toimiva opetusmenetelmä
ja lukiolaiset suhtautuivat siihen enimmäkseen positiivisesti.
Tulokset osoittavat, että videoanalyysi on varteenotettava vaihtoehto lukio-opetuksessa
ja sen helppokäyttöisyys mahdollistaa sen käyttämisen jopa ylioppilaskirjoituksissa.
Lukiolaisten mielipiteitä teknologiasta olisi tärkeää tutkia maanlaajuisesti ja ottaa ne
huomioon opetuksen kehityksessä. Myös videoanalyysin mahdollisuuksia olisi hyvä
kehittää ja tutkia opetuksessa.
iii
Esipuhe
Graduni kirjoittaminen on ollut reilun vuoden urakka, joka on vienyt paljon aikaa ja
ajatustyötä. Kuitenkin se on antanut paljon eväitä tulevaan, uusien näkökulmien ja
opetustapojen myötä. Gradun loppuunsaattaminen merkitsee samalla opiskeluiden
maaliviivaa. Kuuden ja puolen vuoden opiskeluelämän jälkeen tuntuu oudolta, mutta
samalla helpottavalta ajatella, että tässäkö tämä opiskelu nyt oli.
Suuret kiitokset kuuluvat graduohjaajalleni Risto Leinoselle, joka oli tavoitettavissa aina
tarvittaessa ja kannusti ja innosti kommenteillaan ja palautteellaan pääsemään hankalista
kohdista eteenpäin. Suuret kiitokset kuuluvat ehdottomasti myös kihlatulleni Annu
Hartikaiselle. Ilman hänen kannustustaan, tukeaan ja uskoaan minuun, tämä työ ei olisi
tullut valmiiksi näin nopeasti ja helposti. Haluan kiittää Annukka Juutista, joka antoi
minun käyttää hänen opetustuntejaan opetuskokeiluun. Kiitokset kuuluvat myös Waltteri
Leinoselle, joka mahdollisti jousiammuntavideoiden kuvaamisen ampumaradalla
turvallisesti. Viimeinen kiitos kuuluu perheenjäsenilleni ja ystävilleni, joita kumpiakin on
tullut lisää opiskeluitteni aikana. Ilman heitä opiskeluaika olisi ollut paljon tylsempi ja
ilman heidän tukeaan en voisi nyt sanoa, että se oli siinä.
Joensuussa 23. toukokuuta 2019 Santeri Räsänen
iv
Sisältö
1 Johdanto 1
2 Mallintaminen 4
2.1 Malliluokat 5
2.2 Mallit opetuksessa 6
3 Fysiikan teoria 11
3.1 Vino heittoliike 11
3.2 Jousen fysiikka 14
3.3 Ilmanvastus 16
3.4 Jousiampujan paradoksi 17
4 Videoanalyysi opetuksessa 20
5 Opetuskokeilu ja menetelmät 25
5.1 Alkutunti 26
5.2 Ensimmäinen tunti 27
5.3 Toinen tunti 27
5.4 Alkukysely 28
5.5 Loppukysely 30
6 Tulokset 32
6.1 Alkukyselyn tulokset 32
6.2 Loppukysely 38
6.3 Opetuskokeilu ja kyselyjen vertailu 44
v
7 Pohdinta 46
7.1 Yhteenveto ja johtopäätökset 46
7.2 Tulosten luotettavuus 49
7.3 Ideoita tulevaan 50
Viitteet 52
Liite A Alkukysely 55
Liite B Loppukysely 58
Liite C Trackerin käyttö videoanalyysissa 62
Liite D Opetuskokeilun diaesitys 67
1
Luku I
1 Johdanto
Digitalisaatio ja digiloikka ovat jo usean vuoden olleet koulutuksen kuumia
puheenaiheita. Opetussuunnitelmat painottavat teknologisia ratkaisuja ja teknologia
nähdään tärkeässä roolissa opetuksen kehityksessä. Uusia sähköisiä materiaaleja tulee
koko ajan lisää ja niitä pyritään kehittämään aina vain paremmiksi ja hyödyllisimmiksi.
Uudet ja erilaiset teknologiset ratkaisut opetuksessa monipuolistavat oppitunteja ja voivat
lisätä mielenkiintoa oppiainetta kohtaan. Vaikka videoiden katseleminen on vanha
opetustyyli, videoiden analysoiminen siihen tarkoitetulla tietokoneohjelmalla ei ole
kovinkaan käytetty metodi. Siksi videoanalyysin käyttäminen lukio-opetuksessa antaa
taas uuden lähestymiskeinon fysiikan opetukseen ja oppimiseen.
Tietokoneen käyttö opetusvälineenä on peräisin jo 1980-luvulta. 1990-luvun alussa
tutkijat kehittivät erilaisia tietokoneavusteisia ohjelmia, jotka oli suunniteltu
opetustarkoitukseen (Beichner, 1996). Tietokoneiden kehitys henkilökohtaisiksi
tietokoneiksi mahdollisti niiden käytön jokaisella vuosiluokalla ensimmäisestä
vuosiluokasta yliopistoihin. Tämä tarjosi uudenlaisen oppimisympäristön, jossa
tekstikirjan lisäksi oli esimerkiksi simulaatioita ja ohjelmia oppimisen tueksi (Hockicko,
Krišt’ák & Nĕmec, 2015). Nykyisin tietokoneet ovatkin osa opetusta joka päivä ja niiden
käyttöä kehitetään opetustarkoituksissa koko ajan. Videoanalyysi onkin vain yksi lukuista
eri tavoista hyödyntää tietokonetta opetuksessa.
Teknologia on isosti esillä uusimmissa opetussuunnitelmien perusteissa. Perusopetuksen
opetussuunnitelman perusteissa 2014 (Opetushallitus, 2016) (POPS) teknologinen
osaaminen mainitaan jo arvoperustassa ja teknologia on myös mukana viidessä
seitsemästä laaja-alaisen oppimisen tavoitteista (L1, L3, L4, L5 ja L6). POPS:n
2
(Opetushallitus, 2016) eri ohjeita teknologian käyttöön opiskelussa sovelletaan
suunnitelmallisesti eri vuosiluokilla huomioiden vuosiluokkien omat ohjeistukset ja
tavoitteet eri oppiaineissa. Lukion opetussuunnitelman perusteissa 2015 (Opetushallitus,
2015) sanotaan, että opetusympäristöjen täytyy ohjata opiskelijoita tieto- ja
viestintäteknologian (tvt) käyttöön ja laajentaa niitä myös koulun ulkopuolelle tvt:a
hyödyntäen. Teknologian mahdollisuuksia ja haittoja pyritään käsittelemään jokaisessa
oppiaineessa ja antaa näin kokonaiskuva teknologiasta yhteiskunnassa. Jokaiselle
oppiaineelle on määritetty omat tavoitteet ja sisällöt teknologian osalta.
Fysiikan osalta teknologia on suuresti läsnä POPS:ssa (Opetushallitus, 2016) aina
ensimmäisestä vuosiluokasta yläkoulun loppuun saakka. Alakoulussa ympäristöopissa
opetellaan teknologisen ympäristön merkitystä ja teknologian hyötyjä luonnontieteessä.
Vuosiluokille 7-9 siirtyessä fysiikassa pyritään teknologian käyttöön mittauksissa,
tulosten esittämisessä ja ymmärtämään jo syvällisemmin teknologisia ratkaisuja.
Opetuksessa pyritään myös opettamaan fysiikan merkitys teknologian kehittämisessä ja
ymmärtämisessä. Koska fysiikan tavoitteissa korostetaan teknologista osaamista, on
teknologinen osaaminen myös arviointiperusteissa.
Lukiossa fysiikan osalta LOPS (Opetushallitus, 2015) antaa teknologialle ison arvon.
Opiskelijoiden pitäisi ymmärtää fysiikan tarve uusien teknologisten ideoiden
kehittämisessä ja sitä kautta kestävän tulevaisuuden turvaamisessa. Opiskelijat
hyödyntävät tvt:a ”mallintamisen välineenä, tutkimusten tekemisessä ja tuotosten
laatimisessa”. Yleisenä tavoitteena on teknologian merkityksen arviointi niin yksilön
kuin yhteiskunnankin näkökulmasta. Jokaisella kurssilla on omat tavoitteet teknologian
osalta. Kursseilla edetessä teknologiaa pyritään käyttämään uusilla tavoilla, jotta
opiskelijat saavat mahdollisimman laajan kuvan teknologian käytöstä fysiikassa ja sen
sovellutuksissa.
Jousi ja nuoli ovat vanha ja yksinkertainen apuväline, mutta niiden avulla voidaan opettaa
myös paljon fysiikan periaatteita ja käsitteitä. Jousen avulla voidaan opettaa energian ja
voiman käsitteet ja periaatteet ja nuolen lennon avulla liikkeen dynamiikkaa, nopeutta ja
kiihtyvyyttä. Näin saman esimerkin alle saadaan kytkettyä paljon mekaniikan osa-alueen
sisällöstä. Fysiikan opetuksessa mekaniikan osalta tehtävissä käytetään usein
esimerkkeinä kappaletta, palloa tai autoa. Siksi jousiammunta on erilainen lähestymistapa
opetukseen.
3
Työn tarkoituksena on kehittää ja toteuttaa toimiva opetuskokonaisuus käyttäen apuna
videoanalyysia. Tämän lisäksi on tarkoitus saada vastaukset seuraaviin kahteen
tutkimuskysymykseen:
1. Miten lukiolaiset suhtautuvat tietokoneohjelmien käyttöön fysiikan opiskelussa?
2. Miten videoanalyysi vaikuttaa lukiolaisten kykyyn tulkita kuvaajia?
Näistä ensimmäiseen saadaan vastauksia opiskelijoille teetettävistä kahdesta kyselystä.
Toisen kysymyksen tuloksiin vaikuttaa kyselyiden lisäksi pidettävä opetuskokeilu
videoanalyysin käytöstä opetuksessa.
Tämä tutkielma koostuu kuudesta luvusta. Mallintaminen-luvussa kerrotaan mallien ja
mallintamisen käytöstä opetuksessa ja millainen on hyvä malli. Fysiikan teoria -luvussa
käydään vinon heittoliikkeen fysiikan teoria sekä matemaattinen mallinnus,
jousiammunnan fysiikkaa, ilmanvastusta ja jousiampujan paradoksia. Videoanalyysi
opetuksessa -luvussa käydään läpi videoanalyysin käytön historiaa, tuloksia ja
mahdollisuuksia. Teorialukujen jälkeen on Opetuskokeilu ja menetelmät -luku, jossa
kerrotaan työhön sisältyvän opetuskokeilun sisällöstä ja toteutuksesta vaihe vaiheelta.
Tuloksissa esitetään opetuskokeiluun sisältyneiden kyselyiden tulokset ja vertailut sekä
opetuskokeilun aikana huomatut haasteet opiskelijoilla. Pohdinta-luvussa käydään läpi
työn tavoitteiden onnistuminen ja mietitään mahdollisia kehittämisideoita. Lukujen
lisäksi työn lopussa löytyvät työssä käytetyt viitteet ja liitteinä olevat alku- ja
loppukyselyt, videoanalyysiohjelma Trackerin lyhyt käyttöohje sekä opetuskokeilussa
käytetty diaesitys.
4
Luku II
2 Mallintaminen
Mallit ja mallintaminen ovat tärkeässä asemassa fysiikassa. Koska LOPS (Opetushallitus,
2015) korostaa teknologiaa mallintamisen välineenä, tässä työssä käsitellään
mallintamista tarkemmin omana lukunaan. Ensin käydään läpi mallin määritelmää ja
olemusta, seuraavaksi mallien jakamista luokkiin ja viimeisenä, kuinka mallit näkyvät
opetuksessa.
Tieteelliselle mallille on lukuisia erilaisia määritelmiä. Määritelmä voi olla tarkka ja
rajoittunut tai laaja ja yleinen. Gilbert, Boulter & Elmer (2000) määrittelevät tieteellisen
mallin yksinkertaisesti ilmiön kuvaukseksi tiettyä tarkoitusta varten. Heidän mukaansa
malli on aina yksinkertaistus, jota käytetään selittämään ilmiötä. Ne ovat aina
yksinkertaisempia kuin todellisuus, ja mallin tekijä päättää mitä se sisältää ja mitä
ilmiöstä jätetään pois (Carmichael, 2000). Yksinkertaistamisen lisäksi Etkina, Warren &
Gentile (2006) ovat löytäneet kolme muuta mallien yleistä piirrettä: Malli on kuvaileva
tai havainnollistava ja pohjautuu analogioihin, sillä täytyy pystyä ennustamaan ja sen
ennustavuudella on rajoitukset. Schwarz ym. (2009) kuitenkin huomauttavat, etteivät
kaikki esitykset ole malleja. Mallit ovat erikoisesityksiä, jotka ilmentävät ilmiön
mekaniikan, syy-seuraussuhteiden tai toiminnan eri puolia, joilla havainnollistetaan,
selitetään ja ennustetaan ilmiötä.
Malli voi sisältää olioita, jotka ovat konkreettisia objekteja tai olioita, jotka ovat
abstrakteja, mutta niitä käsitellään kuin ne olisivat konkreettisia. Konkreettinen malli voi
olla konkreettinen objekti yksin tai osa laajempaa systeemiä. Abstraktit oliot, kuten
energia, mallinnetaan konkreettisiksi olioiksi, jotta niitä voidaan käsitellä. Malli voi olla
isompi, samankokoinen tai pienempi kuin ilmiö mitä se esittää. Malli voi olla myös
5
yhdistelmä konkreettista ja abstraktia. Se voi olla myös yhdistelmä useita systeemejä ja
tapahtumia. Usein malli on vain täysin henkilön mielessä ajatuksena eli mentaalimallina.
(Gilbert ym., 2000)
2.1 Malliluokat
Boulter ja Buckley (2000) pyrkivät luokittelemaan mallit esitystapojen mukaan ja
päätyivät viiteen pääluokkaan. Pääluokkien lisäksi on yhdistelmämallit, missä kaksi tai
useampi pääluokka ovat yhdistettynä keskenään. Seuraavaksi esitellään viisi mallien
pääluokkaa.
Konkreettinen malli (concrete model) käsittää kaikki materiaaliset mallit. Tähän kuuluvat
liikkuvat ja liikkumattomat 3D mallit, esimerkiksi pienoismalli aurinkokunnasta.
Suullinen malli (verbal model) on kaikki kuultu ja luettu asia ilmiöstä. Kaikki kuvailut,
selitykset, kertomukset, todistukset, analogiat ja metaforat ovat suullisia malleja ilmiöstä.
Esimerkiksi ”Jousella ammuttaessa nuoli lentää paraabelinmuotoista rataa.” on suullinen
malli nuolen lentoradasta.
Visuaalisiin malleihin (visual model) kuuluvat kaikki nähtävät mallit. Tämä käsittää
kaikki diagrammit, kuvat, animaatiot ja videot ilmiöstä. Jousen tapauksessa esimerkkinä
voi olla nuolen lentoradan kuvaaminen videolle ja kuvaajan esittäminen nuolen paikasta
ajan suhteen.
Vaikka matemaattiset kaavat ovat luettavissa, matemaattinen malli (mathematical model)
on omana luokkanaan, selventäen useiden ilmiöiden matemaattista puolta. Tähän
kuuluvat kaavat, yhtälöt ja matemaattiset simulaatiot. Esimerkiksi nuolen lentorataa
voidaan kuvata matemaattisilla yhtälöillä.
Eleellinen malli (gestural model) käsittää kehon tai kehon osien liikkeet, joilla kuvataan
ilmiötä. Tähän kuuluvat esimerkiksi käsien liikkeet, joilla havainnoidaan nuolen kaarevaa
lentorataa tai oppilaiden kaoottinen liike luokassa, jolla kuvataan kaasun rakenneosasten
satunnaista liikettä.
Pää- ja yhdistelmäluokkien lisäksi Boulter ja Buckley (2000) jakavat luokat vielä kuuteen
piirteeseen sen mukaan, millaisia esitetyt mallit ovat. Kuusi piirrettä luovat kolme
6
vastakkaista paria, jotka ovat määrällinen-laadullinen, staattinen-dynaaminen ja
deterministinen-stokastinen. Määrällinen-laadullinen jakaa pääluokan ja
yhdistelmäluokan mallit kvantifioinnin mukaan. Määrällinen malli on esimerkiksi nuolen
lentoradan yhtälöt, ja laadullinen malli on selittävä, ei määrällisesti tarkka, kuten nuolen
lentoradan selittäminen paraabelina. Staattinen-dynaaminen jakaa määrälliset ja
laadulliset mallit niiden käyttäytymisen ajan suhteen. Staattinen malli on esimerkiksi
liikkumaton diagrammi nuolen paikasta lennon aikana ja dynaaminen malli voi olla
käsien liikkeet, joilla kuvataan nuolen lentoa ilmassa. Viimeinen piirrepari jakaa
dynaamiset mallit niiden toistettavuuden mukaan deterministisiin tai stokastisiin
malleihin. Jos dynaamisen mallin toiminnan lopputulos on aina sama (nuolen ylöspäin
ampumisen mallintaminen → nuoli palaa aina takaisin maahan), se on deterministinen.
Jos toiminta riippuu todennäköisyyksistä ja näin ollen lopputulos voi vaihdella (nuolen
ylöspäin ampumisen mallintaminen → nuoli osuu maahan, mutta sen osumakohta
vaihtelee), kyseessä on stokastinen malli.
Kun puhutaan malleista, on otettava esiin myös mentaalimallit, joita Boulter ja Buckley
(2000) eivät ole ottaneet luokitteluunsa mukaan. Mentaalimalli käsitteenä ei ole
yksinkertaista määritellä ja siihen löytyykin useita määritelmiä tieteenalasta riippuen.
Tämän työn kannalta hyvä määritelmä on Rappin (2005) käyttämä määritelmä:
mentaalimallit ovat sisäistettyjä, järjestäytyneitä tietorakenteita, joita käytetään
ongelmanratkaisuissa. Kun ilmiöstä tuotetaan esimerkiksi kirjoitettu malli tai 3D-malli,
se tuotetaan mentaalimallin avulla (Franco & Colinvaux, 2000). Ne ovat mielessä olevia
malleja ilmiöistä, systeemeistä ja tapahtumista. Ne eivät ole tarkkoja kopioita ilmiöistä,
vaan kokemusperäisiä ja pohdittuja tiedonmurusia ilmiöstä, joita käytetään tehtävissä,
pyrkimyksissä ja päätöksenteossa (Rapp, 2005). Mentaalimallit eivät ole myöskään
pysyviä rakenteita, koska niiden käyttö tuottaa uutta informaatiota, mikä voi kehittää
mallia (Franco & Colinvaux, 2000). Franco ja Colinvaux (2000) huomauttavat myös, että
mentaalimallien rakentumiseen ja käyttämiseen vaikuttaa maailmankatsomus.
2.2 Mallit opetuksessa
Kouluopetuksessa fysiikassa käytetään paljon malleja, koska useat ilmiön oliot ovat joko
liian suuria (planeetat), liian pieniä (atomit) tai abstrakteja (energia), jotta niitä voitaisiin
tarkastella suoraan. Malleilla autetaan oppilaita ymmärtämään ilmiöiden pääpiirteet ja
opettamaan fysiikan tieto, vaikka ilmiö olisi kokonaisuudessaan haastava. Näin
7
hankalastakin ilmiöstä voidaan saada yksinkertaistuksella oppilaille ymmärrettävä ja
sisäistettävä asia.
Tarkat tieteelliset mallit, jotka ovat kehittyneet tutkimusten kautta ovat yleensä liian
haastavia kouluopetukseen. Näin ollen niistä täytyy luoda opetusmalli, jonka avulla
opetettavan asian selitys voidaan ilmaista ymmärrettävästi, mutta samalla säilyttäen
ilmiön oleelliset piirteet (Gilbert, Boulter & Rutherford, 2000). Gilbertin ym. (2000)
mukaan opetusmallin täytyy tarjota myös yhteys tieteelliseen malliin, jonka oppilaat
uskovat olevan tärkeä, mutta samalla hankala ymmärtää. Heidän mielestään opetusmallin
täytyy myös perustua lähteeseen mihin oppilaat voivat tutustua ja opetusmalli pitää voida
yhdistää toisiin opetusmalleihin.
Koska malleja käytetään selittämään ilmiöitä, opettajien täytyy päättää mitä
opetusmalleja he käyttävät ja miksi juuri ne ovat hyviä eri tilanteissa. Hyvään
opetusmalliin voidaan liittää kuusi kriteeriä, joiden mukaan se pitäisi valita (Gilbert ym.,
2000; Saari, 2000).
• Mallin täytyy olla koottu siten, että sen oliot ja niiden suhteet ovat oppilaille
tiedossa tai ne ovat helposti opittavissa.
• Mallin täytyy olla suppea eli mallin antaman selityksen tason täytyy vastata
oppilaiden ikää.
• Mallin täytyy olla konkreettinen siten, että mallin toiminta täytyy olla oppilaiden
ymmärryksen rajoissa.
• Mallin täytyy luoda selvä yhteys taustalla olevan teorian ja selitettävän ilmiön
välille eli olla käsitteellinen.
• Mallin täytyy olla tarkoituksenmukainen eli mallin rajat ja rajoitukset ilmiön
esittämisessä ovat tehty selväksi.
• Mallin täytyy olla harkittu eli se on kielellisesti hyvin ilmaistu ja sopivalla tasolla
oppilaiden ikään nähden.
Perusopetuksen opetussuunnitelman perusteet 2014 (Opetushallitus, 2016) mainitsee
mallit jo vuosiluokkien 1-2 kohdalla. Ympäristöopissa niin vuosiluokilla 1-2 kuin 3-6
mainitaan opetuksen tavoitteissa, että opetuksessa pyritään ohjaamaan oppilasta
ymmärtämään yksinkertaisia malleja. Vuosiluokkien 3-6 kohdalla ymmärtämisen lisäksi
tavoitteena on mallien käyttö ja tekeminen. Vuosiluokilla 7-9 opetuksen tavoitteissa on
”ohjata oppilasta käyttämään erilaisia malleja ilmiöiden kuvaamisessa ja selittämisessä
8
sekä ennusteiden tekemisessä”. Yläkoulun kohdalla mainitaan myös tasaisen ja
muuttuvan liikkeen kuvaamista malleilla. Koko peruskoulun ajan painotetaan
ympäristöopissa ja fysiikassa käsitteiden käyttöä, ominaisuuksien tunnistamista ja
mittaamista ja ilmiöiden kuvailua, jotka kaikki ovat pohjana mallien muodostamiseen,
tunnistamiseen ja käyttämiseen.
Lukion opetussuunnitelman perusteissa 2015 (Opetushallitus, 2015) (LOPS) mallit ovat
vielä isommassa osassa kuin perusopetuksessa. LOPS mainitsee mallit ja mallintamisen
usean kurssin kohdalla. Ensimmäisellä ja ainoalla pakollisella fysiikan kurssilla
mainitaan tavoitteissa ja sisällöissä ymmärrys luonnontieteellisen tiedon rakentumisesta
kokeellisen toiminnan ja siihen kytkeytyvän mallintamisen kautta. Kolmannella kurssilla
(Sähkö) tavoitteena on matemaattisessa mallintamisessa harjaantuminen. Neljännessä
kurssissa (Voima ja liike) mallien muodostus ja käyttäminen, sekä niiden puutteet ja
rajoitukset ovat keskeisissä sisällöissä. Viides kurssi (Jaksollinen liike ja aallot) ottaa
mukaan myös tieto- ja viestintäteknologian mallien muodostuksessa ja käsittelee mallien
ja simulaatioiden linkittymistä todellisuuteen.
Suorien mainintojen lisäksi, malleihin ja mallintamiseen viitataan epäsuorasti LOPS:ssa
(Opetushallitus, 2015). Eri ilmiöiden kuvaaminen joko graafisesti tai selittämällä viittaa
suoraan luvussa 2.1 esitettyihin malliluokkiin. Myös ilmaisu ”momentti ja tasapaino
pyörimisen suhteen yksinkertaisissa tilanteissa” viittaa mallien käyttöön, koska
mahdollisesti ilmiötä on yksinkertaistettu. Keskeisinä tavoitteina ja sisältöinä on koko
lukion ajan käsitteiden käyttö ja ilmiöiden tutkiminen, jotka antavat lähtökohdat malleille,
kuten POPS:ssakin (Opetushallitus, 2016).
Matematiikan puolella malleja tai mallintamista ei mainita eksplisiittisesti POPS:ssa
(Opetushallitus, 2016), mutta ne ovat läsnä aina ensimmäisestä vuosiluokasta lähtien.
Matematiikassa on tärkeää graafisten kuvaajien ja diagrammien tekeminen ja opettelu,
riippuvuuksien havaitseminen ja ennusteiden tekeminen. Nämä ovatkin tärkeässä
asemassa koko peruskoulun ajan. Myös matematiikan kielen opettelu alkaa aivan
ensimmäisestä vuosiluokasta lähtien ja se on pohjana matemaattisille malleille.
LOPS:ssa (Opetushallitus, 2015) mallit ja mallintaminen mainitaan useasti. Siellä
matematiikan opetuksen tehtävissä mainitaan ilmiöiden mallintamisessa kehittyminen.
Pitkän matematiikan kohdalla yleisissä opetuksen tavoitteissa mainitaan käytännön
ongelmatilanteiden mallintamisessa harjaantuminen. Myös trigonometristen funktioiden
9
(kurssi 7) ja juuri- ja logaritmifunktioiden (kurssi 8) kohdalla tavoitteena on oppia
kyseisten funktioiden käyttöä ilmiöiden mallintamisessa. Lyhyessä matematiikassa
yleisissä tavoitteissa annetaan matematiikan merkityksen tajuaminen ilmiöiden
mallintamisen välineenä ja mallien käyttämisen osaaminen ajattelun apuna. Lyhyen
matematiikan Matemaattisia malleja -kurssi (kurssi 4) keskittyy ilmiöiden kuvaamiseen
malleilla, mallien arvioimiseen ja ennusteiden tekemiseen niiden avulla. Ennusteiden
tekemistä käsitellään myös Tilastot ja todennäköisyys -kurssilla (kurssi 5). Mallit ja
mallintaminen ovat siis osa matematiikkaa ensimmäisestä vuosiluokasta lukion loppuun
saakka.
Mentaalimallit ovat tärkeitä opetuksen kannalta. Opetuksen tarkoituksena on kehittää
oppilaille ymmärrys jostain toimintaperiaatteesta tai käsitteestä, ja oppilaiden pitäisi
pystyä soveltamaan tätä informaatiota ratkaistakseen uusia ongelmia eri tilanteissa (Rapp,
2005). Valmiit mentaalimallit tallentavat halutut tiedot muistiin, ja näiden avulla voidaan
rakentaa käsiteltävästä asiasta uusi mentaalimalli. Rapp (2005) tuo tutkimuksessaan esille
kolme tapaa millä voi parantaa mentaalimallien rakentumista ja sitä kautta oppimista.
Ensimmäisenä on kognitiivinen sitoumus, mikä tarkoittaa, että luodaan virike mikä saa
oppilaat kiinnostumaan ja luodaan samalla yhteys virikkeen ja aiheen välillä. Kun
oppilaat pysyvät kiinnostuneina, he luovat uutta tietoa ja vahvemman yhteyden jo
muistissa olevaan tietoon. Tätä kautta tieto pysyy varmemmin muistissa ja mentaalimalli
rakentuu. Toisena tapana on vuorovaikutus. Kun oppilaat pääsevät vaikuttamaan tunnin
kulkuun vuorovaikuttamalla, he tuottavat tietoa. Tämä tieto rakentuu mentaalimalleille ja
näin he pääsevät testaamaan mallejaan ja mahdollisesti kehittämään niitä. Kolmantena on
multimediaoppiminen (multimedia learning), millä tässä yhteydessä tarkoitetaan tiedon
esittämistä usealla eri tavalla, kuten tekstinä, kuvana ja äänenä yhtä aikaa. Tämä
mahdollistaa tiedon tallentumisen muistiin eri tavoin (esimerkiksi kuvana ja äänenä),
joten tieto voidaan myös hakea muistista usealla tavalla.
Mallin käsite voi olla hankala ymmärtää ja on huomattu, että opettajat eivät aina ymmärrä
täysin mallien käyttöä. Opettajienkin täytyy tietää mitä malli tarkoittaa ja miten niitä
käytetään (Schwarz & Gwekwerere, 2006). Schwarzin ja Gwekwereren (2006) mukaan
juuri mallien käytössä on ongelmia opettajilla, koska vain harva luonnontieteiden opettaja
osaa tehokkaasti kytkeä mallintamisen opetukseen.
Opettajien hankaluuksista johtuen on ymmärrettävää, että oppilaillakin voi olla
hankaluuksia ymmärtää mitä malli tarkoittaa (Etkina ym, 2006). Tästä syystä on tärkeää
10
selittää oppilaille mallin olemus, mitä se tarkoittaa ja mikä on sen tehtävä. Niiden
tarkoitus opetuksessa on antaa selityksiä ja vastauksia käsiteltävästä ilmiöstä (Gilbert
ym., 2000). Tällöin, jos malli on valittu liian hankalaksi tai se ei ole kohdennettu täysin
käsiteltävään asiaan, se voi herättää enemmän kysymyksiä kuin vastauksia oppilaille.
Tämä voi vaikuttaa oppilaiden motivaatioon negatiivisesti ja sitä kautta oppiminen
heikentyy. Mallien käytössä tärkeää on myös painottaa niiden pätevyysaluetta, koska
ilman sitä oppilas voi olettaa liian paljon niiden käytöltä ja näin oppia väärää tietoa
(Gilbert ym., 2000). Juuri olettamiseen vaikuttaa myös oppilaan mentaalimallit, koska
ne ohjaavat tiedon keruuta ja rakentumista (Rapp, 2005; Saari, 2000). Oletukset voivat
perustua oppilaan vanhoihin, vääriin uskomuksiin ja näin mentaalimallit rakentavat
vääränlaisen kuvan ilmiöstä. Siksi opetuksessa on tärkeää tietää oppilaiden
mentaalimalleista ja niiden muodostumisesta (Saari, 2000).
11
Luku III
3 Fysiikan teoria
Tässä luvussa käydään läpi fysiikan osa-alueet, jotka liittyvät tähän tutkimukseen.
Tutkielmassa keskitytään nuolen lentoon, kun se irtoaa jousesta, joten jousen
mekaniikkaa ei käydä yksityiskohtaisesti. Ensin käydään läpi vinon heittoliikkeen
fysiikka, koska nuolen lentoa voidaan kuvata vinon heittoliikkeen mukaisesti.
Seuraavaksi esitellään jousen (urheiluväline) fysiikkaa, siltä osin mitä tutkimuksessa on
hyödyllistä ymmärtää sen toiminnasta. Tämän jälkeen käydään läpi ilmavastusta ja sen
vaikutusta liikkuvaan kappaleeseen. Viimeisenä aiheena on jousiampujan paradoksi
(archer’s paradox), missä kerrotaan mitä ilmiö tarkoittaa ja miten se on selitettävissä.
3.1 Vino heittoliike
Vino heittoliike on kaksiulotteista liikettä, mikä voidaan ajatella etenevän alkunopeudesta
ja laukaisukulmasta riippuvaa lentorataa pitkin (Knight, 2013). Ideaalitilanteessa vinossa
heittoliikkeessä olevaan kappaleeseen vaikuttaa vain Maan vetovoimasta johtuva
painovoima. Reaalitilanteessa kappaleeseen kohdistuu myös väliaineesta (yleensä ilma)
johtuva väliaineen vastus. Ilmanvastusta käsitellään luvussa 3.3.
Kuvassa 3.1 on mallinnettuna ideaalitilanteen vinon heittoliikkeen
lentorata, kun kappale lähtee liikkeelle alkunopeudella 𝑣0 ja laukaisukulmassa 𝜃. Tällöin
lentorata on paraabeli. Alkunopeus 𝑣0 voidaan pilkkoa 𝑥-akselin ja 𝑦-akselin suuntaisiin
nopeuden komponentteihin 𝑣0𝑥 ja 𝑣0𝑦.
𝑣0𝑥 = 𝑣0 𝑐𝑜𝑠(𝜃)
12
𝑣0𝑦 = 𝑣0 𝑠𝑖𝑛(𝜃) (3.1)
Koska kappaleeseen vaikuttaa vain painovoima, sen 𝑥-akselin suuntainen kiihtyvyys
𝑎𝑥 = 0 ja 𝑦-akselin suuntainen kiihtyvyys 𝑎𝑦 = −𝑔, missä 𝑔 on putoamiskiihtyvyys.
Kiihtyvyyden ollessa 𝑥-akselin suunnassa nolla, kappale on tasaisessa liikkeessä 𝑥-
akselilla. Näin ollen nopeus ei muutu 𝑥-akselin suunnassa eli
𝑣0𝑥 = 𝑣𝑥. (3.2)
Kappale on ilmassa tietyn ajan 𝑡. Tässä ajassa se etenee 𝑥-akselilla matkan 𝑠𝑥(𝑡), joka
voidaan mallintaa matemaattisesti tasaisen liikkeen paikan lausekkeesta sijoittamalla
siihen kaava (3.1).
𝑠1𝑥(𝑡) = 𝑠0𝑥 + 𝑣0𝑥𝑡 = 𝑠0𝑥 + 𝑣0 𝑐𝑜𝑠(𝜃)𝑡 (3.3)
missä 𝑠0 on kappaleen paikka alussa. Koska kappaleen 𝑦-akselin suuntainen kiihtyvyys
on vain putoamiskiihtyvyyttä, kappaleen nopeus muuttuu tasaisesti tässä suunnassa.
Pystysuuntainen nopeus saadaan laskettua seuraavasti.
𝑣𝑦(𝑡) = 𝑣0𝑦 − 𝑔𝑡 (3.4)
Kuva 3.1. Vinon heittoliikkeen lentorata ideaalitilanteessa laukaisukulmalla 𝜃 ja
alkunopeudella 𝑣0. Alkunopeus on myös jaettu x- ja y-suuntaisiin komponentteihin 𝑣0𝑥
ja 𝑣0𝑦.
13
Ottaen huomioon kaava (3.1) ja 𝑎𝑦 = −𝑔, saadaan ratkaistua kappaleen y-akselin
suunnassa kuljettu matka ajan funktiona. Samassa ajassa 𝑡 kuin vaakasuuntaisessa
liikkeessä, pystysuunnassa kappaleen kulkema matka on
𝑠1𝑦(𝑡) = 𝑠0𝑦 + 𝑣0𝑦𝑡 +1
2𝑎𝑦𝑡2 = 𝑠0𝑦 + 𝑣0 𝑠𝑖𝑛(𝜃)𝑡 −
1
2𝑔𝑡2 (3.5)
Vinossa heittoliikkeessä pysty- ja vaakasuuntainen eteneminen ovat itsenäisiä liikkeitä:
𝑥-akselin suunnassa kappale on tasaisessa liikkeessä ja 𝑦-akselin suunnassa tasaisesti
kiihtyvässä liikkeessä (Knight, 2013). Oletetaan seuraavaksi, että kappale lähtee
alkunopeudella 𝑣0, laukaisukulmalla 𝜃 ja paikasta 𝑠0x = 0 ja 𝑠0𝑦 = 0. Tällöin saadaan
vaakasuuntaisen matkan lausekkeeksi
𝑠1𝑥(𝑡) = 𝑠0𝑥 + 𝑣0 𝑐𝑜𝑠(𝜃)𝑡 = 𝑣0 𝑐𝑜𝑠(𝜃)𝑡 (3.6)
ja pystysuuntaisen matkan lausekkeeksi
𝑠1𝑦(𝑡) = 𝑠0𝑦 + 𝑣0 𝑠𝑖𝑛(𝜃)𝑡 −1
2𝑔𝑡2 = 𝑣0 𝑠𝑖𝑛(𝜃)𝑡 −
1
2𝑔𝑡2 (3.7)
Asettamalla s1y(t) = 0 voidaan laskea kappaleen lentoon kulunut aika.
𝑣0 𝑠𝑖𝑛(𝜃)𝑡 −1
2𝑔𝑡2 = (𝑣0 𝑠𝑖𝑛(𝜃) −
1
2𝑔𝑡)𝑡 = 0
⇕ (3.8)
𝑡 = 0 𝑡𝑎𝑖 𝑡 =2𝑣0 𝑠𝑖𝑛(𝜃)
𝑔
Kun 𝑡 = 0, on kyseessä laukaisupiste. Toinen vastaus antaa ajan, kun kappale osuu
maahan, joten sijoitetaan tämä kaavaan (3.6). Näin saadaan
𝑠1𝑥(𝑡) = 𝑣0 𝑐𝑜𝑠(𝜃)2𝑣0 𝑠𝑖𝑛(𝜃)
𝑔=
2𝑣02 𝑠𝑖𝑛(𝜃) 𝑐𝑜𝑠(𝜃)
𝑔 (3.9)
Trigonometriasta saadaan yhteys 2 𝑠𝑖𝑛(𝜃) 𝑐𝑜𝑠(𝜃) = 𝑠𝑖𝑛(2𝜃), joten kaava (3.9) supistuu
muotoon
𝑠1𝑥(𝑡) =2𝑣0
2 𝑠𝑖𝑛(𝜃) 𝑐𝑜𝑠(𝜃)
𝑔=
𝑣02 𝑠𝑖𝑛(2𝜃)
𝑔 (3.10)
14
Pisin matka saadaan, kun 𝑠𝑖𝑛(2𝜃) = 1. Tämä saavutetaan, kun 𝜃 = 45°. Koska
𝑠𝑖𝑛(180° − 𝜃) = 𝑠𝑖𝑛(𝜃) ⇒ 𝑠𝑖𝑛(2(90° − 𝜃)) = 𝑠𝑖𝑛(2𝜃), kappale saavuttaa saman
matkan kahdella eri laukaisukulman arvolla, kun alkunopeus 𝑣0 on sama, kuten kuvassa
3.2 on esitetty. (Knight, 2013)
3.2 Jousen fysiikka
Tässä luvussa jousen fysiikkaa käydään Dennyn (2003) mallin pohjalta. Jousen fysiikka
luo tähän tutkimukseen vain taustaa, joten sitä ei käydä yksityiskohtaisesti läpi. Työssä
keskitytään ampumiseen ja nuolen lentoon.
Denny (2003) halusi luoda jousesta ja sillä ampumisesta mallin, jota voidaan hyödyntää
pedagogisesti. Tämä tarkoittaa, että jousen toimintaa on yksinkertaistettu paljon, mutta
tärkeimmät piirteet ovat säilytetty. Jousi voidaan mallintaa jäykkänä sauvana, jossa on
nivelet symmetrisesti keskiosan molemmin puolin kuten kuvassa 3.3 (Denny, 2003).
Koska jousi ajatellaan olevan symmetrinen 𝑥-akselin suuntaisesti kuvassa 3.3 näytetään
vain jousen yläosan parametrit. Jousen puolikas kahva on 𝑦0 ja 𝑙 on lapa eli nivelen
jälkeinen osa, joka liikkuu, kun jousta jännitetään. Jänne yhdistää lapojen päät ja sitä
merkataan 2𝐿0. Parametri 𝑥 on kahvan ja nokipaikan (jänteen keskikohta) välinen
Kuva 3.2. Kappaleen lentoradat samalla alkunopeudella 𝑣0, mutta
eri laukaisukulmilla 𝜃.
15
etäisyys. 𝜃 on kahvan ja lavan välinen kulma. Kuvan 3.3 mukaisen jousen muodon
määrittelevät parametrit 𝑦0, 𝜃0 ja 𝑙, kun jousi on viritetty eli kun jänne on paikallaan,
mutta jousta ei ole yhtään jännitetty.
Kun jousta jännitetään voimalla 𝐹(𝑥), jänteeseen syntyy jännitysvoimat 𝑃1 ja 𝑃2, jotka
ovat saman suuruiset eli |𝑃1| = |𝑃2| = 𝑃. Nämä voimat vetävät lapoja ja taivuttavat niitä.
Samalla lapoihin varastoituu potentiaalienergiaa sen mukaan, kuinka paljon jousta on
jännitetty. Energia on potentiaalienergiaa, koska lapoja on taivutettu alkuasennostaan ja
ne pyrkivät palautumaan takaisin lähtötilanteeseen, kuten kierrejouset. Lavat pyrkivät
taipumaan takaisin jänteen suuntaisilla voimilla 𝑀1 ja 𝑀2.
Ammuttaessa lavat taipuvat takaisin alkuasentoon ja jänne palaa suoraksi. Tämä liike
kohdistaa jänteellä olevaan nuoleen suuren lentosuuntaan olevan voiman, joka antaa
nuolelle alkunopeuden. Tämä voima vaikuttaa nuoleen sen koko jänteellä olevan ajan.
Dennyn (2003) mallissa oletuksena on, että lavat pysähtyvät alkuasentoon päästyään
eivätkä jää heilumaan. Muita oletuksia ovat jänteen massattomuus ja venymättömyys ja
𝑦0 = puolikkaan kahvan pituus
𝜃 = kahvan ja lavan välinen kulma
𝑙 = lavan pituus
𝐿0 = puolikkaan jänteen pituus
𝛼 = jänteen ja x − akselin välinen kulma
𝑥 = nokin paikan ja kahvan välinen matka
|𝑃1| = |𝑃2| = jänteen jännitysvoimat
𝐹 = voima, millä jännettä vedetään
𝐾 = voima, mikä tarvitaan pitämään
jousi paikallaan |𝑀1| = |𝑀2| = voimat, joilla lavat pyrkivät vääntymään takaisin alkuasentoonsa
Kuva 3.3. Jousen malli. Jousen määrittämiseen tarvittavat parametrit sekä
voimat jousta jännittäessä. (Muokattu Denny, 2003)
16
ilmanvastusta ja kitkaa ei tarvitse huomioida. Näin ollen lapojen pysähdyttyä ainut
liikkuva massa on nuoli, jonka liike-energiaksi on muuntunut lapojen potentiaalienergia.
Näiden oletusten takia Dennyn (2003) mallin mukaisella jousella on 100 % hyötysuhde.
Hyötysuhteella tarkoitetaan jousiammunnassa, kuinka hyvin lapojen varastoima
potentiaalienergia muuttuu nuolen liike-energiaksi. Näin ollen Dennyn (2003) mallissa
kaikki lapojen potentiaalienergia muuttuu nuolen liike-energiaksi.
Todellisessa jousessa hyötysuhde ei ole 100 % vaan sitä pienentävät ammuttaessa
massallinen jänne ja ilmanvastus, joka kohdistuu lapoihin, jänteeseen ja nuoleen. Myös
lapojen ja jänteen liikkuminen nuolen irtoamisen jälkeen pienentävät hyötysuhdetta.
Kitkaa aiheuttaa nuolen osuminen jousen kahvaan ja nokin irtoaminen jänteeltä.
Todellisten jousien hyötysuhde onkin 74-89 % (Kooi, 1983).
3.3 Ilmanvastus
Missä tahansa väliaineessa liikkuvaan kappaleeseen kohdistuu kyseisestä väliaineesta
johtuva liikettä vastustava voima, jota kutsutaan väliaineen vastukseksi. Tällöin ilmassa
liikkuvaan kappaleeseen kohdistuu kappaleen liikkeen suuntaa vastaan oleva voima, jota
kutsutaan väliaineen mukaan ilmanvastukseksi. Esimerkiksi jousella ammuttaessa
nuoleen kohdistuu sen etenemistä vastustava voima koko sen lennon ajan, kunnes se osuu
maaliin. Tämä voima aiheutuu nuolen liikkeestä ilmamassan läpi.
Vaikka ilmanvastus voidaan lukea kitkavoimaksi, se on monimutkaisempi voima kuin
tavallinen kitka, koska siihen vaikuttavat kappaleen nopeus ja muoto ja ilman tiheys.
Kuitenkin voidaan käyttää alla esitettävää yksinkertaista matemaattista mallia kuvaamaan
ilmanvastusta, jos kolme seuraavaa ehtoa täyttyvät:
1. Kappale liikkuu lähellä maanpintaa.
2. Kappaleen halkaisija on muutamasta millimetristä muutamaan metriin.
3. Kappaleen nopeus on alle muutaman sata metriä per sekunti.
Näiden ehtojen täyttyessä saadaan kappaleeseen vaikuttava ilmanvastus 𝐷 laskettua
seuraavasti:
𝐷 =1
2𝐶𝜌𝐴𝑣2, (3.11)
17
missä 𝐶 on vastuskerroin, 𝜌 on ilman tiheys, 𝐴 on kappaleen poikkileikkauksen pinta-ala
ja 𝑣 on kappaleen nopeus. Vastuskerroin 𝐶 on pienempi aerodynaamisen muotoisille
kappaleille ja suurempi kappaleille, joiden muoto on tasainen etenemissuuntaan päin.
Tämä malli ei päde todella pienille kappaleille (pölyhiukkanen) ja todella nopeille
kappaleille (luoti). (Knight, 2013)
Miyasaki ym. (2013) ovat määritelleet nuolelle ilmanvastuksen yhtälön sen halkaisijan
avulla seuraavasti:
𝐷𝑎 =𝜋
8𝐶𝑎𝜌𝑣𝑎
2𝑑𝑎2 (3.12)
missä 𝐶𝑎 on nuolen vastuskerroin, 𝜌 on ilman tiheys, 𝑣𝑎 on nuolen nopeus ja 𝑑𝑎on nuolen
halkaisija. Nuolelle vastuskerroin 𝐶𝑎 on voitu määrittää kokeellisesti. Miyasaki ym.
(2013) määrittelivät sen tuulitunnelissa eri olosuhteissa ja erilaisille nuolen kärjille.
Olosuhteet vaihtelivat ilman laminaarisesta virtauksesta (tasaisesti etenevä virtaus, ilman
sekoittumista) turbulenttiseen virtaukseen (epätasainen ja sekoittuva virtaus).
Vastuskertoimet vaihtelivat 1,5 ja 2,6 välillä olosuhteista ja nuolenkärjistä riippuen.
3.4 Jousiampujan paradoksi
Ampuessa jousella, jänne ohjaa nokia eli nuolen peräpäätä keskelle jousen kahvaa ja näin
oletetusti nuoli lentäisi vasemmalle jousen kahvan ohjaamana (oikeakätisen ampujan
tapauksessa) (Denny, 2003). Ilmiötä, missä nuoli lentää kuitenkin tähdättyyn kohteeseen
eikä vasemmalle, kutsutaan jousiampujan paradoksiksi (Kooi, 1998). Nuolen asento
viritetyssä ja jännitetyssä jousessa on esitettynä kuvassa 3.4. Kohdassa a) jousi on viritetty
ja kohdassa b) jousi on jännitetty. Vaikka jousiammunta on vanha harrastus, Kooin (1998)
mukaan ensimmäiset viittaukset jousiampujan paradoksiin tehtiin vuonna 1913 ja 1930-
luvun alussa kuvattiin ensimmäiset kuvat nuolen lähdöstä jousesta suurnopeuskameralla.
18
Kuva 3.4. Havainnekuva nuolen asennosta ylhäältä päin kuvattuna. Kohdassa a) jousi on
viritetty ja nuoli on asetettu jänteelle. Kohdassa b) jousi on täysin jännitetty. Jännitetyn
jousen tähtäyslinja on eri suuntaan kuin viritetyn jousen nuolen suunta.
Kuva 3.5. Suurnopeuskameran kuvien perusteella koostettu
havainnekuva nuolen taipumisesta kahvan ohi. (Muokattu Kooi,
1998)
19
Kuvauksia jatkettiin 1930-luvun lopussa ja nämä kuvat osoittivat, että nuoli taipuu jousen
ympäri ja näin etenee tähtäyslinjaa pitkin (Kooi, 1998). Tämä on esitettynä kuvassa 3.5.
Nuolen taipuminen aloittaa värähdysliikkeen, jota nuoli jatkaa myös ilmalennon aikana,
mutta joka vaimenee nopeasti (Denny, 2003). Jotta nuoli lentäisi halutulla tavalla,
värähdyksen jaksonajan ja nuolen kiihtymiseen kahvan ohi tarvittavalla ajalla täytyy olla
yhteys (Kooi, 1998). Yhteys löytyy nuolen luonnollisen taajuuden ja jousen jäykkyyden
ja vetopituuden välillä. Nuolen luonnollisen taajuuden täytyy siis vastata ammuttaessa
jousen jäykkyyden aiheuttamaa kiihtyvyyttä ja samalla vetopituudesta johtuvaa aikaa
kiihtyvyydelle. Yhteyttä on käytetty jousten suunnittelussa (Kooi, 1998). Luonnolliseen
taajuuteen vaikuttavat useat nuolen parametrit, kuten pituus, halkaisija, materiaalivakiot,
massa ja taivutusjäykkyys. Nuolen ominaisuuksien pitää olla sellaiset, jotta nuolen
peräpää ei osu jousen kahvaan tai muuten osumatarkkuus kärsii (Kooi & Sparenberg,
1997).
Kun jousella ammutaan, nuolen taipumiseen vaikuttaa jousen kahvan leveys, koska nuoli
on kosketuksissa kahvan kanssa. Kuten edellä mainittiin, nuoli ei ole samalla linjalla
jänteen liikkeen kanssa, vaan muodostaa pienen kulman sen kanssa. Ammuttaessa kulma
kasvaa nopeasti, koska noki liikkuu nopeasti kohti kahvaa. Nuolen hitaudesta johtuen
nuoli taipuu. (Kooi & Sparenberg, 1997)
Nuolen taipumiseen vaikuttaa myös, kuinka ammuttaessa jänne vapautetaan sormista.
Kun jänne vapautetaan, se ei vapaudu sormenpäistä suorassa linjassa, vaan ne saa aikaan
jänteeseen nopean sivuttaisliikkeen. Koska nuoli on nokistaan kiinni jänteessä, sekin on
sivuttaisliikkeessä ja hitaudestaan johtuen nuoli taipuu. Kahta edellä mainittua taipumisen
syytä vahvistaa jänteen tuottama suuri voima lentosuuntaan päin. (Kooi & Sparenberg,
1997)
Jousiampujan paradoksissa nuoli voidaan matemaattisesti mallintaa taipuvaksi säteeksi ja
sen sivuttaisliikkeet määräytyvät jänteen ja kahvan kosketuskohtien tuottamien
monimutkaisten reunaehtojen mukaisesti (Kooi, 1998). Tästä syystä matemaattisia
yhtälöitä ei tässä työssä esitetä. Tarkemman matemaattisen mallin ovat esittäneet Kooi ja
Sparenberg (1997) omassa tutkimuksessaan.
20
Luku IV
4 Videoanalyysi opetuksessa
Videoanalyysilla tarkoitetaan, nimensä mukaisesti, videon analysoimista jollain
tietokoneavusteisella analyysiohjelmalla. Videot koostuvat lukuisista peräkkäisistä
kuvista ja kuvia voidaan ottaa eri määriä sekunnissa (fps, frames per second), vaihdellen
parista kymmenestä kuvasta useisiin tuhansiin. Videon analysointi tapahtuu hajottamalla
video kuviin ja tarkastelemalla niistä erikseen haluttua kohdetta. Yleensä analyyseissa
keskitytään kappaleiden liikkeeseen, kuten tässäkin tutkielmassa. Ohjelmissa seurataan
kuva kuvalta kappaleen tiettyä pistettä ja saadaan näin selville sen liikerata. Tämän avulla
voidaan laskea eri fysiikan suureita, kuten nopeus ja kiihtyvyys, ja piirtää myös niistä
kuvaajia ottamalla huomioon kuvien otosnopeus. Ohjelmilla voidaan myös laskea
kappaleeseen vaikuttavia voimia.
Videoiden käyttäminen opetuksessa ei ole uusi tapa, koska videoita on käytetty fysiikan
opetuksessa jo ainakin 1950-luvun alusta asti (Zollman & Fuller, 1994). Vanhoissa
opetusvideoissa mahdollisuudet näytettävän ilmiön analysoimiseen olivat rajatut, koska
käytössä oli vain videon päälle ja pois päältä -toiminnot (Zollman & Fuller, 1994). Näin
ollen videoiden tekijät päättivät mitä ja miten tarkasti asiat ilmaistiin videoilla. Zollmanin
ja Fullerin (1994) mukaan 1970-luvulla kehitetty interaktiivinen video uudisti videoiden
käytön. Interaktiivinen video mahdollisti useiden eri toimintojen käyttämisen
opetuksessa. Siinä oli mahdollista pysäyttää kuva, vaihtaa edelliseen tai seuraavaan
kuvaan, hidastaa videota ja kelata videota mihinkä yksittäiseen kuvaan tahansa.
Videosoittimessa pystyi olemaan myös tietokoneliitäntä eli videota pystyttiin
hallitsemaan tietokoneen avulla. Tuohon aikaan videot olivat suttuisia verrattuna
nykyisiin, mutta ne mahdollistivat kuitenkin ilmiöiden analysoimisen suoraan näytöltä.
21
Videoteknologia kehittyikin nopeasti ja nykyiset videot voivat koostua useista tuhansista
kuvista sekunnissa ja ovat kuvanlaadultaan hyvin tarkkoja.
Mekaniikka on fysiikan osa-alueista ehkä käytetyin kohde videoanalyysissa.
Mekaniikkaan on helppo keksiä kokeita videoanalyysia varten, kuten törmäyksiä,
liikemäärän laskemista, pudotusliikettä ja vinoa heittoliikettä. Törmäyksiä voi tehdä
esimerkiksi kelkkojen avulla, kuten Escalada ja Zollman (1997) tai kiekkojen avulla,
kuten Brown ja Cox (2009). Näistä kokeista pystytään myös laskemaan liikemäärän
säilymisen toteutumista. Pudotusliikettä voidaan esimerkiksi tutkia yksinkertaisesti
pudottamalla kappale ja kuvaamalla pudotus tai kuten Brown ja Cox (2009), tutkimalla
muffinivuokaan kohdistuvaa ilmanvastusta, kun se pudotetaan klemmarin kanssa.
Hockicko ym. (2015) tutkivat vinoa heittoliikettä esimerkiksi heittämällä palloa. Vinoon
heittoliikkeeseen sopii myös eri urheilulajien suoritukset, joissa kappaleelle muodostuu
lentorata. Videoanalyysilla voidaan tehdä myös helposti asteittain vaikenevia videoita
erilaisista liikkeistä ja opettaa niillä aika-paikka-, aika-nopeus- ja aika-kiihtyvyys-
kuvaajien muodostumista (Struck & Yerrick, 2010). Bryan (2010) halusi tutkia energian
säilymistä neljässä tapauksessa: vapaapudotuksessa, heilurissa, kaltevaa tasoa pyörivässä
kappaleessa ja kierrejousen päässä aaltoilevassa massassa. Yleensä näissä tapauksissa
energian oletetaan säilyvän, mutta videoanalyysin avulla sitä voidaan helposti tutkia.
Vaikka videoanalyysia käytetään liikkuviin kappaleisiin, sen käyttö ei tarvitse rajoittua
fysiikan aihealueista vain mekaniikkaan. Videoanalyysilla on mahdollisuus tutkia myös
lämpölaajenemista ja eri valonlähteiden spektriä (Brown & Cox, 2009).
Lämpölaajenemista tutkittiin alumiinisen U-muotoisen levyn, kahden partaterän
muodostaman pienen raon ja laserin avulla. Partaterät olivat kiinni alumiinilevyssä, ja
kun laser kohdistettiin raosta, se muodosti diffraktiokuvion. Diffraktiokuvio muuttui, kun
alumiinilevy lämpeni, koska partaterien rako kasvoi. Diffraktiokuviota analysoimalla
pystyttiin laskemaan alumiinin lämpölaajenemiskerroin. Valonlähteiden spektriä voitiin
tarkastella spektrin intensiteetin avulla, jota mitattiin videoanalyysiohjelmalla. Spektri
saatiin näkyviin, kun diffraktiohila asetettiin aivan linssin eteen. Näin videoanalyysin
avulla päästään kiinni lämpöopin ja aaltojen aiheisiin ja käsitteisiin. Videon tekemisessä
voi olla luova, ja siksi tutkittavan videon ei tarvitse olla todellinen tilanne vaan se voi olla
esimerkiksi videopelistä tai piirretystä. Rodrigues ja Carvalho (2013) käyttivät
videoanalyysiin Rovion kuuluisaa peliä Angry Birds ja tutkivat kuinka linnun lento vastaa
vinon heittoliikkeen teoriaa. Laws ja Pfister (1998) ottivat käsittelyyn pari kohtausta Tom
22
ja Jerry -piirretystä ja opiskelijat analysoivat miten hyvin fysiikka on mallinnettu näissä
tilanteissa.
Videoanalyysin hyödyt voidaan jakaa videon hyötyihin ja videosta tehtävän analyysin
hyötyihin. Escalada ja Zollman (1997) mukaan videon suurena hyötynä on, että jokainen
opiskelija voi käydä sitä läpi oman oppimistahtinsa mukaan. Heidän mukaansa opiskelijat
voivat kelata videota edestakaisin eli tarkastella ilmiötä yhä uudestaan ja näin oppia
tarkemmin ilmiön eri vaiheista. Ne myös havainnollistavat ilmiötä paremmin kuin
tekstikirjat (Hockicko ym., 2015). Hockicko ym. (2015) lukevat videon hyödyksi sen
kuvaamisen helppouden. Ne voidaan nykyisin kuvata millä tahansa laitteella missä on
videokuvaus, esimerkiksi omalla kännykällä tai tabletilla. Tämä myös helpottaa fysiikan
yhdistämistä arkielämään: jokaista arkista ilmiötä voidaan kuvata ja analysoida.
Videosta tehtävän analyysin hyötyjä on monia. Tutkimuksissa on osoitettu, että
videoanalyysin käytöllä on positiivinen vaikutus opiskelijoiden motivaatioon fysiikkaa
kohtaan (Beichner, 1996; Hockicko ym., 2015). Samat tutkimukset osoittivat myös, että
opiskelijat pärjäsivät paremmin loppukokeissa kuin kontrolliryhmät, joka opiskeli
perinteisellä tavalla ilman videoanalyysia. Beichnerin (1996) tutkimuksessa oli viisi eri
opettajaa. jotka opettivat kinematiikkaa suurimmaksi osaksi videoanalyysilla, jonkun
verran sen avulla tai ilman sitä, käyttäen demonstraatioita ja keskustelua. Mitä enemmän
opiskelijat olivat käyttäneet videoanalyysia, sitä paremmin he pärjäsivät loppukokeessa.
Hockickon ym. (2015) tutkimuksessa koe- ja kontrolliryhmät kävivät 13 luennolla ja 13
seminaarissa, joissa keskityttiin tehtävien ratkaisuun. Kontrolliryhmä keskittyi
seminaareissa perinteiseen ongelmanratkaisuun, mutta koeryhmä käytti videoanalyysia
tehtävien ratkaisuun. Tulokset osoittivat, että koeryhmä pärjäsi loppukokeessa
huomattavan paljon paremmin kuin kontrolliryhmä.
Hockickon ym. (2015) mukaan ongelmanratkaisu- ja tutkimustaidot paranivat ja
sosiaalisuus lisääntyi videoanalyysin käytöllä. Heidän mukaansa myös itsenäinen
oppiminen parantui. Beichner (1996) huomasi, että videoanalyysi auttoi opiskelijoita
kuvaajien ymmärryksessä ja poisti virhekäsityksiä niihin liittyen. Myös Struck ja Yerrick
(2010) huomasivat kehityksen kuvaajien tulkinnassa ja tuottamisessa. Bryan (2010)
omassa tutkimuksessaan huomauttaa, että videoanalyysi mahdollistaa kappaleen liikkeen
ja kuvaajan muodostuksen seuraamisen yhtä aikaa ja tämä auttaa kuvaajien tulkinnassa.
Sen avulla voidaan poistaa myös muita virhekäsityksiä, joita opiskelijoilla esiintyy, kuten
23
kappaleen voiman ja kiihtyvyyden arvot, kun se on heitetty ilmaan ja se on
maksimikorkeudellaan (Hockicko ym., 2015).
Videoanalyysiohjelmissa voi tarkastella useaa kappaletta kerralla, joten saman systeemin
kappaleita voidaan vertailla helposti keskenään (Bryan, 2010). Videoanalyysi on melko
yksinkertaista toteuttaa opetuksessa, koska ohjelmistoja on saatavilla vapaasti
internetistä. Hockicko ym. (2015) tuovat esiin myös ohjelmien helppokäyttöisyyden.
Videoanalyysi yhdistää myös todellisen maailman ja mallit, koska kappaleen liikkeen
seuranta mallintaa liikettä (Escalada & Zollman, 1997). Tällä tavalla vaikutetaan
mentaalimalliin ja aiheen käsitteellinen ymmärrys vahvistuu. Videoanalyysi mahdollistaa
myös tarkkojen mittausten tekemisen ja Bryan (2010) huomauttaakin, että nyt voidaan
tutkia eikä vain olettaa, esimerkiksi energian säilymistä.
Vaikka videoanalyysista voi olla paljon hyötyä, on sen käytöllä mahdollisesti myös
huonojakin puolia. Tietokone voi olla häiriötekijä, koska se mahdollistaa myös internetin
käytön opetuksen aikana. Jos oppilaita ei kiinnosta videoanalyysin teko, toiminta
suuntautuu nopeasti ja helposti internetin puolelle. Oppijoita on myös erilaisia ja kaikki
eivät opi samalla tyylillä (Escalada & Zollman, 1997). Escalada ja Zollman (1997)
korostavat, että opetus on tehokkainta, kun käytetään vaihtelevia opetusmenetelmiä ja
otetaan huomioon oppilaiden erilaiset oppimistyylit. Vaikka videoanalyysiohjelmat
ovatkin tehty helppokäyttöisiksi, voi niiden tapaisiin ohjelmiin tottumattomalle olla
turhauttavaa käyttää ohjelmia, jos ohjeistus ja harjoittelu eivät ole hyvin suunniteltua.
Myös videoanalyysin tarkkuus voi vaihdella. Sen tarkkuus on kiinni siitä, kuinka tarkasti
jäljitetään kappaleen liikettä samasta kohdasta siirryttäessä kuvasta seuraavaan (Bryan,
2010). Jos tarkkuus vaihtelee paljon, on mahdollista, että analyysista saatava tulos on
väärä ja näin saadaan aikaan virhekäsitys tutkittavasta ilmiöstä.
Opettajan näkökulmasta videoanalyysin käyttäminen opetuksessa voi olla iso hyöty,
mutta siihen liittyy myös paljon vastuuta. Yhtenä ajatuksena on, että oppilaat voisivat
analysoida videoita omaan tahtiin ryhmässä tai yksin ja oppia näin fysiikan ilmiöstä.
Voisi olettaa, että opettajalla olisi näin helpompaa ja vapaampaa oppitunneilla, mutta
tällainen työskentelytapa vaatii opettajalta kokoaikaista valmiutta kysymyksille ja
auttamiselle (Escalada & Zollman, 1997). Esimerkiksi, jos oppilaat jäävät jumiin
johonkin ongelmaan tai eivät ymmärrä tehtävänantoa, on opettajan oltava nopeasti
paikalla auttamassa oppilaita eteenpäin (Escalada & Zollman, 1997). Tästä johtuen
opettajan pitää itse tietää miten ohjelmistoja käytetään ja millaisia ongelmia voi ilmetä
24
niiden käytössä ja ilmiön analysoimisessa. Tämä mahdollistaa ohjaavien vastausten ja
myös apukysymysten esittämisen opetuksessa. Hockicko ym. (2015) sanovatkin, että
opettaja on enemmän ohjaajan roolissa kuin tiedon välittäjä. Opettajan täytyy olla myös
perillä oppilaidensa oppimisesta, jotta auttaminen ja ohjaaminen voisivat olla
oikeantyylisiä. Videoiden tekeminen on usein opettajan tehtävänä ja se voi olla aikaa
vievää (Escalada & Zollman, 1997). Tämän ongelma on kuitenkin nykyisin helppo
kiertää, koska videoiden kuvaaminen onnistuu useilla laitteilla ja nopeasti. Esimerkiksi
Hockicko ym. (2015) ja Bryan (2010) ovat laittaneet oppilaat itse kuvaamaan
analysoitavat videot.
25
Luku V
5 Opetuskokeilu ja menetelmät
Tutkimuksessa pidetään opetuskokeilu, jossa opetetaan jousella ammuttavan nuolen
lennon ja videoanalyysin avulla lukiolaisille kuvaajien tulkintaa, mallintamista ja vinon
heittoliikkeen fysiikkaa. Samalla kartoitetaan lukiolaisten mielipiteitä tietokoneohjelmien
käytöstä opetuksessa ja kuvaajien tulkintataitoja alku- ja loppukyselyn avulla. Kyselyt
löytyvät liitteistä A ja B tämän työn lopusta. Opetuksessa käytettävä diaesitys on liitteessä
D.
Opetuskokeilu pidetään yhdelle Joensuun Normaalikoulun lukion 2. luokan ryhmälle
fysiikan 6. kurssin (Sähkömagnetismi) alussa. Kaikilla opiskelijoilla on pohjalla lukion
fysiikan 4. kurssi Voima ja liike, jossa käydään tässä kokeilussa tarvittavia käsitteitä,
suureita ja periaatteita, kuten kiihtyvä liike, voima ja energia. Opetuskokeilussa oletetaan,
että opiskelijoilla on jo perustietämys kiihtyvästä liikkeestä ja voiman ja energian
käsitteistä. Tämä mahdollistaa jousen ja nuolen lennon käyttämisen esimerkkeinä heti
opetuskokeilun alusta alkaen. Opiskelijoilla on käytössään omat tietokoneet, joilla he
voivat tehdä videoanalyysit.
Opetuskokeilu koostuu kahdesta kokonaisesta oppitunnista ja yhdestä oppitunnin osasta.
Ensin pidetään oppitunnin osa (alkutunti), joka on 35 minuutin jakso ja tämän jälkeen
kaksi seuraavaa 75 minuutin oppituntia. Ajankäytön suunnitelma oppitunneilla on
ilmoitettu taulukossa 5.1. Seuraavaksi käydään läpi vaihe vaiheelta opetuskokeilun sisältö
jokaisen tunnin kohdalta erikseen.
26
Taulukko 5.1. Opetuskokeilun ajankäytön suunnitelma eri oppitunneilla.
5.1 Alkutunti
Alkutunnin tarkoituksena on antaa opiskelijoille informaatio tulevasta opetuskokeilusta
ja teetättää heillä alkukysely. He myös asentavat videoanalyysissa käytettävän
tietokoneohjelman Tracker. Kotitehtäväksi jää Trackerin opetusvideon katsominen.
Opetuskokeilun informaatio annetaan suullisena ja se on lyhyt katsaus siitä mitä tehdään
ja miten seuraavien tuntien aikana. Ohjeistus pidetään lyhyenä sen takia, että aikaa jäisi
alkutunnista Trackerin asennukseen ja alkukyselyyn.
Tracker on ilmainen videoanalyysiin tarkoitettu tietokoneohjelma, jonka on tehnyt Open
Source Physics (2019). Trackerin käytöstä kerrotaan enemmän liitteessä C, jossa käydään
läpi ohjelman käyttöä esimerkkivideon avulla. Ohjelma ladataan kuitenkin alkutunnilla,
jotta jos ongelmia latauksessa ilmenee, aikaa ei mene kokonaisilta oppitunneilta hukkaan.
Aika Alkutunti (35 min) Ensimmäinen
tunti (75 min)
Toinen tunti
(75 min)
10 min Informaatio
Videoanalyysi:
10 min Alkukysely Teoria: Mallin Nuolen lento,
käsite, jousen malli Opiskelijat tekevät
10 min vino heittoliike itsenäisesti
Trackerin asennus
10 min
10 min Trackerin opettelu:
Esimerkkivideo Tulosten läpikäynti
10 min kappaleen
tippumisesta,
10 min Trackerin
toiminnot Loppukysely
5 min
27
Viimeisenä asiana alkutunnilla on alkukysely. Alkukysely löytyy liitteestä A ja siitä
kerrotaan tarkemmin luvussa 5.4. Alkukysely on sähköinen ja opiskelijat pääsevät
vastaamaan linkin kautta tai QR-koodilla.
5.2 Ensimmäinen tunti
Ensimmäinen tunti jakaantuu teoriaan ja Trackerin opetteluun. Oppitunti kestää 75
minuuttia. Teorialle on varattu aikaa noin 35 minuuttia ja loput noin 40 minuuttia
käytetään Trackerin opetteluun.
Teoriaosassa käydään läpi mallin käsitettä, jousen teoriaa mallin avulla sekä vinoa
heittoliikettä nuolen avulla. Ensiksi keskustellaan mallin käsitteestä, koska sen
ymmärtäminen on tärkeää. Tämä tapahtuu ensin vieruskavereiden kanssa pareittain tai
ryhmässä ja sen jälkeen yhdessä keskustellen. Jousen teoria pohjautuu Dennyn (2003)
malliin ja se käydään pohjustuksena nuolen lennolle. Käsiteltäviä asioita ovat mallit,
voima ja energia. Koska jousen teoria on pohjustus, se käydään nopealla tahdilla läpi.
Voima ja energia ovat tuttuja aiheita opiskelijoille, joten nopea kertaus kuvien, esimerkin
ja keskustelun avulla riittää tässä vaiheessa. Koska kuvaajien tulkintaa on tarkoitus oppia
videoanalyysin avulla, nuolen liikkeen kuvaajat esitetään vasta videoanalyysin jälkeen.
Ensimmäisen tunnin lopussa harjoitellaan videoanalyysiohjelma Trackerin käyttöä.
Tarkoituksena on tehdä videoanalyysi yksinkertaisesta videosta, jossa kappale tiputetaan
parin metrin korkeudesta eli kappale on vapaapudotuksessa. Tämän videon avulla
käydään läpi analysoitavan alueen merkitseminen, mittatikun ja koordinaatiston
asettaminen ja massapisteen käyttöön ottaminen ja videoon merkitseminen kuva kuvalta.
Tämän jälkeen käydään läpi kuvaajan muodostuminen ja analysointi matemaattisesti.
Ohjelman käyttö käydään läpi yhdessä vaihevaiheelta opettajajohtoisesti.
5.3 Toinen tunti
Toisen tunnin aiheena on videoanalyysin teko, sen tulosten läpikäyminen sekä
loppukyselyn tekeminen. Videoanalyysin tekemiseen on varattu 40 minuuttia, tulosten
läpikäymiseen 20 minuuttia ja loppukyselyyn 15 minuuttia aikaa.
28
Videoanalyysi tehdään videossa, jossa ammutaan jousella nuoli maalitauluun.
Opiskelijoiden tarkoituksena on ensimmäisen tunnin oppien mukaisesti tehdä analyysi
nuolen lennosta Trackerillä. Opiskelijat rajaavat analysoitavan alueen, laittavat mittatikun
ja koordinaatiston, seuraavat nuolen lentoa massapisteen avulla ja analysoivat saadut
tulokset. Tämän jälkeen he vertaavat Trackeristä saatavaa matemaattista yhtälöä
ensimmäisellä tunnilla käytyyn teoriaan. Koska on puhuttu malleista, opiskelijat etsivät
syitä teorian ja ohjelman antaman tuloksen eroihin ja huomaavat tätä kautta mallien
pätevyysrajat. Trackerillä voi tuottaa useita kuvaajia ja seurata niiden muodostumista
vaihe vaiheelta. Tätä hyödyntäen opiskelijat voivat tuottaa aika-paikka-, aika-nopeus- ja
aika-kiihtyvyys-kuvaajat ja linkittää niiden muodostumisen toisiinsa. Opiskelijat
työskentelevät pareittain, jotta syntyisi vuorovaikutusta ja ideoita paremmin. Vaikka
opiskelijat tekevät analyysia omaa tahtia, on opettajan tehtävänä olla heti apuna, jos tulee
ongelmia ja esittää apukysymyksiä oppimisen edistämiseksi.
Videoanalyysin jälkeen käydään yhdessä läpi analyysin tulokset. Tarkoituksena on
verrata saatuja tuloksia teorian kanssa. Tätä kautta keskustellaan malleista ja vinosta
heittoliikkeestä. Tulokset käydään läpi puhumisen lisäksi taulun ja tietokoneen avulla,
jotta opiskelijoille jäisi myös visuaalinen kuva aiheesta. Kuvaajien muodostumiseen
paneudutaan kunnolla. Ne käydään läpi, jotta kaikille on selvää, milloin kuvaaja nousee,
laskee tai on tasaisena. Tämä käydään nuolen lennon kuvaajien avulla. Esimerkkinä
jatketaan ensimmäisen tunnin teoriaosiossa käytettyä esimerkkiä. Ensin käydään x-
akselin suuntaisen liikkeen kuvaajat, lähtien aika-paikka-kuvaajasta. Seuraavaksi
käydään läpi aika-nopeus-kuvaajan muodostuminen ja siitä vielä aika-kiihtyvyys-
kuvaajan muodostuminen. Samat askeleet tehdään myös y-akselin suuntaiselle liikkeelle.
Opetuskokeilun lopuksi opiskelijat tekevät loppukyselyn. Loppukysely löytyy liitteestä
B ja siitä kerrotaan tarkemmin luvussa 5.5. Loppukysely on sähköinen ja opiskelijat
pääsevät vastaamaan linkin kautta tai QR-koodilla.
5.4 Alkukysely
Alkukyselyn tarkoituksena on selvittää opiskelijoiden mielipiteitä teknologian käytöstä
fysiikan opiskelussa ja kuvaajien tulkinnan taso. Kyselyssä teknologia määritellään
tietokoneella käytettäviksi ohjelmiksi, jotka auttavat laskemaan, kuvaamaan ja
29
havainnoimaan fysiikan ilmiöitä. Tällaisia ohjelmia ovat esimerkiksi TI-Nspire ja
Tracker. Alkukysely on laadittu Google Formsilla ja se löytyy liitteestä A.
Kyselyssä ensimmäisenä kysytään nimimerkkiä. Ennen kyselyn alkua jokaiselle
opiskelijalle jaetaan pelikortti, jonka maa ja numero toimivat nimimerkkinä kyselyssä.
Nimimerkin tarkoitus ei ole yhdistää yksittäistä opiskelijaa ja vastauksia toisiinsa, vaan
yhdistää alkukyselyn ja loppukysely vastaukset toisiinsa. Pelikortteja ei näytetä
tutkimuksen tekijälle, joten opiskelijan tunnistaminen ei ole mahdollista.
Seuraavaksi kysytään sukupuolta. Vastausvaihtoehtoina on nainen, mies ja muu/en halua
kertoa. Kysymyksen tarkoitus on mahdollistaa tulosten vertailu sukupuolittain, jos eroja
esiintyy kuvaajien tulkinnassa tai mielipiteissä teknologian käytöstä fysiikan opiskelussa.
Kyselyssä kysytään myös, onko opiskelija käynyt lukion fysiikan 4. kurssin Voima ja
liike. Tällä kysymyksellä varmennetaan opiskelijoiden lähtökohdat opetuskokeiluun,
koska 4. kurssilla käydään liikkeen yhtälöt ja kuvaajien muodostumiset, joita käsitellään
opetuskokeilussa.
Kysymyksiä teknologian käytöstä fysiikan opiskelussa on neljä kappaletta.
Kysymyksissä kysytään millaista teknologiaa opiskelijat käyttävät, onko teknologia
hyödyllinen apuväline, tulisiko teknologian käyttöä lisätä ja millä tavoin teknologiaa
tulisi lisätä/vähentää fysiikan opiskelussa. Vastaukset annetaan kirjoittaen perustelut tai
valitsemalla viisiportaiselta ”Täysin eri mieltä – Täysin samaa mieltä” -asteikolta sopivin
vaihtoehto ja perustelemalla valinta.
Viimeiset kaksi kysymystä liittyvät kuvaajien tulkintaan. Ensimmäisessä kysymyksessä
on annettu kappaleen aika-paikka-kuvaaja ja vastausvaihtoehdoissa on neljä erilaista
aika-nopeus-kuvaajaa. Tehtävänä on valita oikea aika-nopeus-kuvaaja vastaamaan
kysymyksen aika-paikka-kuvaajaa. Toisessa kysymyksessä on sama aika-paikka-kuvaaja
kuin ensimmäisessäkin, mutta nyt tehtävänä on valita sitä vastaava aika-kiihtyvyys-
kuvaaja neljästä vaihtoehdosta. Kysymysten tarkoituksena on tutkia opiskelijoiden
kuvaajien tulkinnan tasoa.
Kyselystä saatavat tulokset analysoidaan käyttämällä sisällönanalyysia. Siinä pyritään
saamaan tutkittava aineisto tiiviiksi kokonaisuudeksi, yleiskatsaukseksi (Tuomi &
Sarajärvi, 2018). Aineistosta etsitään tutkimuksen kannalta tärkeät materiaalit ja jaetaan
aineisto luokkiin, teemoihin tai tyyppeihin. Aineisto voi olla mikä tahansa kirjallinen
30
tuotos. Sisällönanalyysilla pyritään mahdollisimman objektiiviseen analyysin
tutkittavasta aineistosta (Tuomi & Sarajärvi, 2018).
Tässä tutkimuksessa vastaukset on jaettu luokkiin siten, että saadaan hyvä yleiskuva
vastaajien mielipiteistä, näkemyksistä ja käsityksistä. Tämän avulla voidaan vastata
tutkimuskysymyksiin. Kaikki vastaukset otetaan huomioon, mutta tutkimuksen kannalta
hyödyttömät vastaukset ovat Ei vastausta -luokassa.
5.5 Loppukysely
Kyselyn tarkoituksena on selvittää, muuttiko opetuskokeilu opiskelijoiden mielipiteitä
teknologian käytöstä fysiikan opiskelussa ja paraniko kuvaajien tulkinnan taso
videoanalyysin avulla. Loppukysely on tehty Google Formsilla ja se löytyy liitteestä B.
Taustatiedot kysytään vastaavasti kuten alkukyselyssä.
Seuraavat kolme kysymystä käsittelevät opiskelijoiden mielipiteitä videoanalyysista.
Kysymyksissä kysytään, onko videoanalyysi hyödyllinen apuväline fysiikan opiskelussa,
auttoiko videoanalyysi kuvaajien tulkinnassa ja pitäisikö videoanalyysia käyttää
jatkossakin fysiikan opiskelussa. Jokaisessa kysymyksessä on viisiportainen ”Täysin eri
mieltä – Täysin samaa mieltä” -asteikko ja vastauskenttä perusteluille.
Ennen kuvaajien tulkintoja loppukyselyssä kysytään vielä millä tavoin opetuskokeilu
muutti opiskelijan käsitystä teknologian käytöstä fysiikan opiskelussa. Vastauksena pitää
kirjoittaa perustelut kysymykseen. Tämän kysymyksen tarkoitus on sitoa alku- ja
loppukyselyt toisiinsa ja niistä saatavista vastauksista voidaan tarkastella mielipiteiden
kehitystä.
Kuvaajien tulkinta -tehtäviä on loppukyselyssä kaksi kuten alkukyselyssä. Kummassakin
tehtävässä on tarkoitus valita neljästä vaihtoehdosta oikea. Ensimmäisessä tehtävässä on
annettu kappaleen aika-paikka-kuvaaja ja vaihtoehtoina on kappaleen aika-nopeus-
kuvaajia. Tehtävän aika-paikka-kuvaaja on eri kuin alkukyselyn aika-paikka-kuvaaja.
Toisessa tehtävässä on tarkoitus selvittää annetun aika-kiihtyvyys-kuvaajan aika-paikka-
kuvaaja. Tehtävän aika-kiihtyvyys-kuvaaja on alkukyselyn toisen kuvaajien tulkinta -
tehtävän oikea vastaus eli loppukyselyn tehtävä on juuri päinvastainen kuin
alkukyselyssä.
31
Loppukyselyn aineisto analysoidaan sisällönanalyysilla. Tämä suoritetaan samoilla
periaatteilla kuin alkukyselyssä.
32
Luku VI
6 Tulokset
Tässä luvussa käydään läpi opetuskokeilun tulokset. Tulokset esitellään omissa
alaluvuissa, erotellen alkukyselyn, loppukyselyn ja opetuskokeilun ja kyselyiden
vertailun tulokset toisistaan.
6.1 Alkukyselyn tulokset
Vastauksia alkukyselyyn annettiin 25 kappaletta. Alkukyselyyn vastanneista 44 % oli
naisia ja 56 % miehiä. Kaikki vastanneet olivat käyneet lukion fysiikan 4. kurssin Voima
ja liike.
Kysymyksen ”Millaista teknologiaa olet hyödyntänyt opiskelujesi aikana?” vastauksista
huomattiin, että suurin osa opiskelijoista ei ollut lukenut tai ymmärtänyt teknologian
määritelmää tässä kyselyssä. Vastaukset ovat tästä syystä jaettu kolmeen osaan, sen
mukaan kuinka hyödyllisiä ne olivat tutkimuksen näkökulmasta. Luokat ovat hyödylliset
vastaukset, osittain hyödylliset vastaukset ja ei vastausta.
Taulukossa 6.1 on esitettynä jaottelu, vastaajien lukumäärä ja esimerkkejä vastauksista.
Vastauksista saadaan, että käytetyin tietokoneohjelma opinnoissa on ollut TI-Nspire-
laskinohjelma, johon viitattiin 13 vastauksessa. Seuraavana ohjelmana tulee Logger Pro
-mittausohjelma, joka mainittiin 7 vastauksessa. GeoGebra-matematiikkaohjelmisto ja
LibreOffice-toimisto-ohjelmisto mainittiin kummatkin 2 kertaa. Excel-taulukkolaskenta
ohjelma mainittiin vain yhden kerran. Yhdessä vastauksessa mainittiin myös ”ms”, joka
luultavamminkin viittaa Microsoft Officen ohjelmiin, kuten Exceliin ja Word-
tekstinkäsittelyohjelmaan.
33
Taulukko 6.1. Kysymyksen "Millaista teknologiaa olet hyödyntänyt opiskelujesi
aikana?" vastausten jaottelu, vastausten lukumäärä ja esimerkkivastaukset.
Kuvasta 6.1 nähdään vastausten jakauma väittämään ”Teknologia on ollut hyödyllinen
apuväline fysiikan opinnoissani”. Kuvasta nähdään, että testiryhmästä suurin osa on
kokenut teknologian hyödylliseksi apuvälineeksi fysiikan opiskelussa. Kuitenkin
huomioitavaa on, että yksi vastaaja on täysin eri mieltä väitteen kanssa eli pitää
teknologiaa hyödyttömänä.
Jaottelu Lukumäärä
(N=25)
Esimerkkivastaukset
Hyödyllinen 6 ”Inspire, loggerpro”
”Macbook, TI-Nspire, Excel, Libreoffice,
Logger Pro, GeoGebra”
Osittain
hyödyllinen
9 ”tietokone: nspire, logger pro jne., koneeseen
kytkettävät mittalaitteistot, puhelin”
Ei vastausta 10 ”en ymmärrä kysymystä”
”Läppäriä”
Kuva 6.1. Väittämän "Teknologia on ollut hyödyllinen apuväline fysiikan
opinnoissani" vastausten hajonta. N = 25.
0
2
4
6
8
10
12
14
16
18
1 2 3 4 5
Vas
taust
en l
ukum
äärä
1 = Täysin eri mieltä 5 = Täysin samaa mieltä
34
Perusteluissa väittämään ”Teknologia on ollut hyödyllinen apuväline fysiikan
opinnoissani” huomattiin myös, etteivät opiskelijat olleet lukeneet tai ymmärtäneet täysin
kyselyn teknologian määritelmää. Kuitenkin perustelut antavat käsityksen siitä, että
opiskelijat pitävät laskinohjelma TI-Nspireä melkein välttämättömänä opiskelujen
kannalta. Tämä välittyy esimerkiksi seuraavasta kommentista: ”Esimerkiksi Nspire on
erittäin tärkeä opinnoissani, koska olen varma että en osaisi laskuja ilman sitä, sillä se
osaa kaikki yksikkömuunnokset jne”. Useassa perustelussa mainitaan juuri laskujen
laskemisen vaikeus ilman laskinohjelmistoa. Myös kuvaajien tekeminen ja
mittaustulosten saaminen mainitaan perusteluissa ohjelmistojen hyötyinä. Laskujen,
kuvaajien ja sanallisen selityksen yhdistäminen on myös yhden mielestä laskinohjelman
hyvä puoli. Negatiivisena puolena yksi perustelu mainitsee keskittymisen häiriintymisen,
koska ohjelmat ovat tietokoneella.
Kuvassa 6.2 on esitettynä vastausten jakauma väitteeseen ”Teknologian käyttöä tulisi
lisätä fysiikan opetuksessa”. Vastauksista huomaa, että isoin osa haluaisi teknologian
käyttöä lisättävän (kohdat 4 ja 5), mutta kuitenkin iso osa vastaajista pitää teknologian
käytön määrää sopivana (kohta 3) tällä hetkellä. Kuitenkin myös teknologian käytön
vähentämisen puolella (kohta 2) on neljä opiskelijaa.
Kuva 6.2. Väittämän "Teknologian käyttöä tulisi lisätä fysiikan opetuksessa"
vastausten hajonta. N = 25.
0
2
4
6
8
10
12
1 2 3 4 5
Vas
taust
en l
ukum
äärä
1 = Täysin eri mieltä 5 = Täysin samaa mieltä
35
Taulukko 6.2. Väittämän "Teknologian käyttöä tulisi lisätä fysiikan opetuksessa"
vastausten jaottelu, vastausten lukumäärä ja esimerkkivastaukset.
Perustelut väittämään ”Teknologian käyttöä tulisi lisätä fysiikan opetuksessa” on jaettu
kolmeen eri luokkaan: teknologian lisääminen, tarpeeksi teknologiaa ja ei vastausta.
Taulukossa 6.2 on esitettynä jaottelu, vastaajien lukumäärä sekä esimerkkivastauksia.
Huomioitavaa Teknologian lisääminen -luokan vastauksissa oli, että vastaajat miettivät
monessa vastauksessa oppimistaan ja tulevaisuuttaan. Tarpeeksi teknologiaa -luokassa
vastaajat olivat sitä mieltä, etteivät keksi tapoja millä teknologiaa voitaisiin lisätä.
Huomioitavaa oli myös, että yksi vastaaja mietti teknologian lisäämisen hintaa ja toinen
mainitsi, että joillain voi olla hankaluuksia käyttää teknologiaa.
Kysymyksen ”Millä tavoin teknologiaa tulisi lisätä/vähentää fysiikan opetuksessa?"
perusteluiden jaottelu, vastausten lukumäärä ja esimerkkivastaukset löytyvät taulukosta
6.3. Vastaukset on jaettu kolmeen luokkaan, sen mukaan haluttiinko teknologiaa lisää,
pitää määrä ennallaan tai kunnon vastausta ei annettu. Missään vastauksessa ei haluttu
vähentää teknologian käyttöä. Teknologian lisäys -luokassa tärkeimmät lisäykset
vastaajien mielestä olisivat sähköisten aineistojen laajentaminen ja erilaisten uusien
ohjelmistojen käyttö, mitkä auttaisivat havainnollistamaan fysiikkaa. Teknologiaa
tarpeeksi -luokassa yhden vastaajan mielestä olemassa olevia ohjelmia voisi kehittää.
Jaottelu Lukumäärä
(N=25)
Esimerkkivastaukset
Teknologian
lisääminen
8 ”Maailma teknillistyy koko ajan ja
teknologian käytön osaaminen on nykyään
perusedellytys esimerkiksi työmarkkinoilla”
”Teknologia auttaa laskemaan ja
havainnollistamaan monimutkaisia asioita”
Tarpeeksi
teknologiaa
14 ”En keksi paljoa tapoja järkevästi ja
tehokkaasti parantaa fysiikan opiskelua
lisäämällä teknologiaa.”
Ei vastausta 3 ”saattaa olla tai saattaa olla olematta”
”-”
36
Taulukko 6.3. Kysymyksen "Millä tavoin teknologiaa tulisi lisätä/vähentää fysiikan
opetuksessa?" vastausten jaottelu, vastausten lukumäärä ja esimerkkivastaukset.
Kuvassa 6.3 nähdään tulokset ensimmäiseen kuvaajan tulkinta tehtävään, jossa täytyi
kappaleen liikkeen aika-nopeus-kuvaaja valita aika-paikka-kuvaajan pohjalta neljästä
vaihtoehdosta. Vaihtoehdoista oikea vastaus oli vaihtoehto 2. Kuitenkin eniten vastauksia
sai vaihtoehto 3. Vaihtoehto 2 oli laskeva suora ja vaihtoehto 3 laskeva käyrä, joten ne
olivat samantyylisiä. Näin ollen suurimmalla osalla oli tiedossa, että nopeuden kuvaajan
on oltava laskeva. Kuitenkin nopeuden tasaisen muutoksen huomaaminen tuotti
hankaluutta. Kysymys ja vaihtoehdot ovat näkyvillä liitteessä A.
Jaottelu Lukumäärä
(N=25)
Esimerkkivastaukset
Teknologian lisäys 11 ”Erilaisten tilanteiden mallinnusohjelmien
käyttöä tulisi lisätä”
”Enemmän sähköisiä aineistoja”
Teknologiaa
tarpeeksi
5 ”En tiedä tarvitseeko lisätä tai vähentää,
mutta esim. ohjelmia voi kehittää”
Ei vastausta 9 ” En osaa sanoa ”
”-”
Kuva 6.3. Ensimmäisen kuvaajien tulkinta tehtävän vastausten jakauma. Oikea
vastaus on vaihtoehto 2. Kysymys ja vaihtoehdot ovat liitteessä A.
0
2
4
6
8
10
12
Vas
tau
sten
luku
mää
rä
Vaihtoehto 1 Vaihtoehto 2 Vaihtoehto 3 Vaihtoehto 4
37
Kuvassa 6.4 nähdään tulokset toiseen kuvaajien tulkinta tehtävään. Tehtävässä oli
tarkoituksena aika-paikka-kuvaajan pohjalta valita aika-kiihtyvyys-kuvaaja neljästä
vaihtoehdosta. Aika-paikka-kuvaaja oli sama kuin ensimmäisessä kuvaajien tulkinta
tehtävässä. Oikea vastaus oli vaihtoehto 3. Oikea vastaus oli, että kiihtyvyys on
vaakasuora viiva ja arvoltaan -1. Suurin osa vastaajista vastasi vaihtoehdon 1, jossa
kiihtyvyys ensin laski tasaisesti ja nollaan päästyään, alkoi nousta tasaisesti. Vain yksi
ensimmäiseen kuvaajan tulkinta tehtävään oikein vastanneista vastasi oikean
vaihtoehdon. Joko muut ensimmäiseen tehtävään oikein vastanneet olivat epävarmoja
ensimmäisestä vastauksestaan tai he eivät osanneet muodostaa aika-nopeus-kuvaajasta
aika-kiihtyvyys-kuvaajaa. Mahdollisuus on myös, etteivät opiskelijat huomioineet
ensimmäistä tehtävää lainkaan vastatessaan toiseen tehtävään. Vaihtoehdot ovat
näkyvillä liitteessä A.
Kuva 6.4. Toisen kuvaajien tulkinta tehtävän vastausten jakauma. Oikea
vastaus on vaihtoehto 3. Kysymys ja vaihtoehdot ovat liitteessä A.
0
2
4
6
8
10
12
14
16
18
Vas
taust
en l
ukum
äärä
Vaihtoehto 1 Vaihtoehto 2 Vaihtoehto 3 Vaihtoehto 4
38
6.2 Loppukysely
Vastauksia loppukyselyyn annettiin 16 kappaletta. Vastaajista 50 % oli naisia ja 50 %
miehiä.
Väittämän ”Videoanalyysi on hyödyllinen työtapa fysiikan opiskelussa” tulokset ovat
esitettynä kuvassa 6.5. Vastauksista huomataan, että suurin osa piti videoanalyysia
hyödyllisenä apukeinona fysiikan opiskelussaan. Tärkein tulos on siinä, ettei kukaan
opiskelija pidä videoanalyysia negatiivisena fysiikan opiskelussa eli olisi vastannut
kohdan 1 tai 2.
Perusteluiden jaottelu, vastausten lukumäärä ja esimerkkivastaukset väittämään
”Videoanalyysi on hyödyllinen työtapa fysiikan opiskelussa” ovat esitettynä taulukossa
6.4. Perustelut ovat jaettu kolmeen luokkaan. Luokat ovat kuvaajien ymmärtäminen,
hyödyllisyys ja ei vastausta. Kuvaajien ymmärtäminen -luokassa painotettiin
videoanalyysin hyötyä kuvaajien tulkinnassa. Vastausten perusteella se helpottaa liikkeen
ja kuvaajien yhdistämistä. Hyödyllisyys-luokassa videoanalyysia pidettiin yleisesti
hyödyllisenä ja mahdollisesti tulevaisuudessa apukeinona. Vastaajien mielestä se helpotti
tilastolaskennassa ja mittausarvojen tuottamisessa ilman työlästä laskemista.
Videoanalyysia kuvattiin hyödylliseksi ja havainnollistavaksi ja yksi vastaaja myös mietti
mahdollisuuksia muille fysiikan kursseille. Kuitenkin yksi vastaaja oli sitä mieltä, että se
oli työläs työkalu.
Kuva 6.5. Väittämän "Videoanalyysi on hyödyllinen työtapa fysiikan opiskelussa"
vastausten hajonta. N = 16.
0
2
4
6
8
10
1 2 3 4 5
Vas
taust
en l
ukum
äärä
1 = Täysin eri mieltä 5 = Täysin samaa mieltä
39
Taulukko 6.4. Väittämän ”Videoanalyysi on hyödyllinen työtapa fysiikan opiskelussa”
perustelujen jaottelu, vastausten lukumäärä ja esimerkkivastaukset.
Kuvassa 6.6 on esitettynä väittämän ”Videoanalyysi auttoi minua kuvaajien tulkinnassa”
tulokset. Tulokset osoittavat, että opiskelijoiden mielestä videoanalyysilla on positiivinen
vaikutus kuvaajien tulkintoihin. Huomioitavaa on se, ettei kukaan taaskaan vastannut
kohtia 1 tai 2 eli videoanalyysi ei ainakaan heikennä kuvaajien tulkitsemista
opiskelijoiden mielestä.
Jaottelu Lukumäärä
(N=16)
Esimerkkivastaukset
Kuvaajien
ymmärtäminen
3 ”Näkemällä kuvaajat itse ja samalla videon
pystyy yhdistämään liikkeet oikein.”
Hyödyllisyys 11 ”sen avulla on helppoa määrittää eri mittaus
arvoja ilman työlästä laskemista”
”Koska videoita tulee osata analysoida.”
Ei vastausta 2 ”-”
Kuva 6.6. Väittämän ”Videoanalyysi auttoi minua kuvaajien tulkinnassa”
vastausten hajonta. N =16.
0
2
4
6
8
1 2 3 4 5
Vas
taust
en l
ukum
äärä
1 = Täysin eri mieltä 5 = Täysin samaa mieltä
40
Perusteluiden jaottelu, vastausten lukumäärä ja esimerkkivastaukset väittämään
”Videoanalyysi auttoi minua kuvaajien tulkinnassa” ovat esitettynä taulukossa 6.5.
Vastaukset ovat jaettu kolmeen luokkaan. Luokat ovat positiivinen, neutraali ja ei
vastausta. Positiivisissa vastauksissa videoanalyysi oli vastaajien mielestä auttanut
kuvaajien tulkinnassa. Tärkeimpänä apuna opiskelijat pitivät sitä, että liike ja kuvaaja
muodostuivat samassa tahdissa. Näin oli helppo perustella kuvaajan muoto. Myös
todellinen tilanne havainnollisti kuvaajia hyvin. Neutraaleissa vastauksissa videoanalyysi
ei koettu auttavan yhtään tai kovinkaan paljoa kuvaajien tulkinnassa, vaan se voitiin
mieltää kertaukseksi. Vastauksista huomaa, että suurin osa vastaajista kokee
videoanalyysin auttavan kuvaajien tulkinnassa
Taulukko 6.5. Väittämän ”Videoanalyysi auttoi minua kuvaajien tulkinnassa”
perustelujen jaottelu, vastausten lukumäärä ja esimerkkivastaukset.
Seuraava väittämä oli ”Haluaisin videoanalyysiä käytettävän jatkossakin fysiikan
opiskelussa.”. Väittämän tulokset on esitetty kuvassa 6.7. Vastaukset painottuivat kohtiin
3 ja 4 eli opiskelijat eivät osaa sanoa haluaisivatko videoanalyysia tai haluaisivat hieman
videoanalyysia opetukseen. Tässäkin väittämässä on nähtävissä positiivinen
suhtautuminen teknologiaan ja videoanalyysiin.
Jaottelu Lukumäärä
(N=16)
Esimerkkivastaukset
Positiivinen 11 ”auttoi ymmärtämään mistä mikäkin johtuu”
”Jotenkin kuvan (videon) näkeminen auttoi
minua perustelemaan kuvaajia”
Neutraali 3 ”koin osaavani kuvaajien tulkinnan jo
aiemmin joten se oli enemmän kertausta”
”Ei erityisemmin”
Ei vastausta 2 ”-”
41
Taulukko 6.6. Väittämän ”Haluaisin videoanalyysiä käytettävän jatkossakin fysiikan
opiskelussa.” perustelujen jaottelu, vastausten lukumäärä ja esimerkkivastaukset.
Perusteluiden jaottelu, vastausten lukumäärä ja esimerkkivastaukset väittämään
”Haluaisin videoanalyysiä käytettävän jatkossakin fysiikan opiskelussa.” ovat esitettynä
taulukossa 6.6. Perustelut voidaan myös jakaa kolmeen luokkaan: positiivinen, neutraali
ja ei vastausta. Positiivinen-luokan perusteluissa annetiin positiivinen kuva
videoanalyysin käytöstä ja konkreettisia syitä miksi sitä pitäisi olla jatkossakin fysiikan
opiskelussa. Perustelut ”Fysiikan opiskeluun tulee jotain muutosta.” ja ” hyödyllinen
keino ymmärtää ilmiöitä” ovat esimerkkejä konkreettisista syistä. Neutraalien vastausten
Jaottelu Lukumäärä
(N=16)
Esimerkkivastaukset
Positiivinen 10 ”Fysiikan opiskeluun tulee jotain muutosta.”
”Se oli erittäin havainnollinen ja mukava
tehdä.”
Neutraali 5 ”se oli helppoa, mutta työlästä”
”se on kätevä tapa mutta ei oleellinen”
Ei vastausta 1 ”-”
Kuva 6.7. Väittämän ”Haluaisin videoanalyysiä käytettävän jatkossakin fysiikan
opiskelussa.” vastausten hajonta. N = 16.
0
2
4
6
8
10
1 2 3 4 5
Vas
taust
en l
ukum
äärä
1 = Täysin eri mieltä 5 = Täysin samaa mieltä
42
perusteluissa videoanalyysi kuvastuu osittain hyvänä ja osittain huonona. Esimerkiksi
perustelusta ”se oli helppoa, mutta työlästä” näkee, ettei se ehkä sovellu kaikkien
opiskelijoiden mielestä opiskeluun hyvin.
Viimeisenä avoimena kysymyksenä oli ”Millä tavoin opetuskokeilu muutti käsitystäsi
tegnologian1 käytöstä fysiikan opiskelussa?”. Vastausten jaottelu, lukumäärä ja
esimerkkivastaukset ovat esitettynä taulukossa 6.7. Tässäkin kysymyksessä perustelut on
jaettu kolmeen luokkaan, jotka ovat Ei muutosta, Muutos ja Ei vastausta. Ei muutosta -
luokassa opiskelijat olivat vastanneet, ettei opetuskokeilu muuttanut heidän käsityksiään
mitenkään. Kahdessa vastauksessa oli perustelut, ja niissä vastaajat olivat aina tienneet,
että teknologia on hyödyllistä ja sitä pitäisi käyttää opiskelussa apuna. Joillakin
opiskelijoilla muutosta oli tapahtunut opetuskokeilun aikana. Kaksi esimerkkivastausta
havainnollistaa hyvin vastaajien mielipiteitä: ”Se ei olekaan niin vaikeaa.” ja ”Teknologia
mahdollistaa vielä enemmän kuin olin olettanut”.
Taulukko 6.7. Kysymyksen ”Millä tavoin opetuskokeilu muutti käsitystäsi tegnologian1
käytöstä fysiikan opiskelussa?” perustelujen jaottelu, vastausten lukumäärä ja
esimerkkivastaukset.
1 Loppukyselyyn jäänyt virhe, joka oli mukana kyselyyn vastattaessa. Kuitenkin vastauksista huomaa, ettei
se ole vaikuttanut kysymyksen ymmärtämiseen.
Jaottelu Lukumäärä
(N=16)
Esimerkkivastaukset
Ei muutosta 7 ”Ei muuttanut”
”Ei juuri, olen aina tiennyt että teknologian
avulla voi oppia fysiikkaa.”
Muutos 6 ”Se ei olekaan niin vaikeaa.”
”Teknologia mahdollistaa vielä enemmän
kuin olin olettanut”
Ei vastausta 3 ”-”
”En tiedä”
43
Kuvassa 6.8 on esitettynä ensimmäisen kuvaajien tulkinta -tehtävän tulokset. Tehtävässä
piti valita neljästä aika-nopeus-kuvaajasta sopiva vastaamaan annettua aika-paikka-
kuvaajaa. Aika-paikka-kuvaaja oli ylösalaisin käännetty kuvaaja alkukyselystä eli
ylöspäin aukeava paraabeli. Vastauksista huomaa, että suurin osa opiskelijoista osaa
muodostaa aika-paikka-kuvaajasta aika-nopeus-kuvaajan. Neljässä väärin menneessä
vastauksessa, nopeus on vaihtoehdoissa alussa positiivinen. Opiskelijat eivät selvästi ole
huomioineet kulmakerrointa, vaan sen, että aika-paikka-kuvaaja lähtee positiivisesta
arvosta. Näin ajatuksissa voi olla, että alkunopeus on myös positiivinen. Vaihtoehdot ovat
näkyvillä liitteessä B.
Kuvassa 6.9 on esitettynä toisen kuvaajien tulkinta tehtävän tulokset. Tehtävässä oli
annettu aika-kiihtyvyys-kuvaaja ja neljästä vaihtoehdosta piti valita sitä vastaava aika-
paikka-kuvaaja. Tehtävän annettu ja oikean vastauksen kuvaajat olivat samat kuin
alkukyselyssä, mutta tehtävän asettelu oli toisin päin. Oikea vastaus oli vaihtoehto 2.
Tämä oli selvästi vaikeampi tehtävä kuin ensimmäinen tulkintatehtävä. Aika-kiihtyvyys-
kuvaajasta siirryttäessä suoraan aika-paikka-kuvaajaan pitää osata muodostaa ajatus siitä,
millainen aika-nopeus-kuvaaja on. Nyt vastauksista huomaa, ettei tätä ole tehty tai se on
tehty väärin. Aika-nopeus-kuvaajan pitäisi olla laskeva suora, jonka kulmakerroin on -1.
Tästä edeten aika-paikka-kuvaajaan, ainut mahdollisuus on vaihtoehto 2, koska muista
aika-paikka-kuvaajista ei muodostu oikeanlaista aika-nopeus-kuvaajaa. Oikeiden
vastausten määrä on huomattavan pieni. Vastausvaihtoehdot ovat näkyvillä liitteessä B.
Kuva 6.8. Ensimmäisen kuvaajien tulkinta tehtävän vastausten jakauma.
Oikea vastaus on vaihtoehto 4. Kysymys ja vaihtoehdot ovat liitteessä B.
0
2
4
6
8
10
12
14
Vas
taust
en l
ukum
äärä
Vaihtoehto 1 Vaihtoehto 2 Vaihtoehto 3 Vaihtoehto 4
44
6.3 Opetuskokeilu ja kyselyjen vertailu
Ensimmäisen oppitunnin aluksi käytiin mallin käsitettä läpi ensin pareittain tai ryhmissä,
jonka jälkeen keskusteltiin siitä yhteisesti. Tässä huomattiin, että mallin käsite oli tuttu ja
se oli mainittu edellisillä kursseilla, mutta käsitteen merkitys ja määritelmä ei ollut hyvin
hallussa. Muutama kysymys paljasti, ettei mallien käyttöä ja käsitteen laajuutta ollut
käyty kunnolla missään vaiheessa opintoja. Malli on keskeisimpiä käsitteitä fysiikassa ja
sen hallitseminen on tärkeää fysiikan ymmärryksen kannalta.
Toinen huomioitava asia ensimmäisellä oppitunnilla oli vinon heittoliikkeen
matemaattiset yhtälöt. Niin kiihtyvän liikkeen paikan ja nopeuden yhtälöt kuin
tasaisenkin liikkeen yhtälöt eivät olleet selvästikään muistissa. Tasainen ja kiihtyvä liike
ovat kuitenkin keskeisiä sisältöjä lukion 4. kurssilla, mutta vinoa heittoliikettä sivutaan
vain hieman kurssilla. Näin yhtälöt olisi pitänyt olla paremmin muistissa, vaikka niitä
sovellettiinkin vinoon heittoliikkeeseen.
Toisella oppitunnilla käydyt kuvaajien muodostukset videoanalyysin avulla näytti
menevän helposti opiskelijoilta. Kuitenkin, kun kuvaajien tulkintaa käytiin yhteisesti läpi,
opiskelijat olivat melko hiljaisia. Tämä voi johtua joko liian helpoista kysymyksistä,
itsestään selvistä asioista tai kuvaajien muotojen syitä ei ollut mietitty. Kun asia oli käyty
läpi, opiskelijat nyökyttelivät, että asia on ymmärretty ja lisäkysymyksiä ei esitetty
opiskelijoiden puolelta.
Kuva 6.9. Toisen kuvaajien tulkinta tehtävän vastausten jakauma. Oikea vastaus
on vaihtoehto 2. Kysymys ja vaihtoehdot ovat liitteessä B.
0
2
4
6
8
Vas
taust
en l
ukum
äärä
Vaihtoehto 1 Vaihtoehto 2 Vaihtoehto 3 Vaihtoehto 4
45
Ajankäyttösuunnitelmasta poiketen toisella oppitunnilla kaikki asiat käytiin 60
minuutissa. Opiskelijat olivat nopeita ja heistä tuntui, että he ymmärsivät opetettavan
asian. Tämä osoittaa, että Tracker on nopea oppia ja käyttää. Nopeus mahdollisti
tarkentavien kysymysten esittämisen opiskelijoille.
Alkukyselyssä miehet olivat hieman myönteisempiä teknologian käytölle fysiikan
opiskelussa kuin naiset. Varsinkin väittämän ”Teknologian käyttöä tulisi lisätä fysiikan
opetuksessa.” miesten vastausten keskiarvo oli 3,7 kun naisilla keskiarvo oli 3,2.
Ensimmäisen kuvaajien tulkinta tehtävän vastauksissa miesten ja naisten välillä ei ollut
eroa käytännössä lainkaan. Toisen kuvaajien tulkinta tehtävän ainoan oikean vastauksen
antoi nainen. Tästä on kuitenkin hankalaa vetää mitään johtopäätöksiä.
Loppukyselyssä miesten ja naisten vastauksissa ei ollut huomioitavia eroja väittämien
osalta. Kuvaajien tulkinnassa eroja sen sijaan oli. Kaikki kahdeksan miestä vastasivat
oikein ensimmäiseen kuvaajien tulkinta tehtävään, kun naisista oikein vastasi vain neljä
kahdeksasta. Toisessa tehtävässä ainoat kolme oikeaa vastausta antoivat naiset eli
miehistä kukaan ei saanut oikeaa vastausta.
Alku- ja loppukyselyn kysymysten ja väittämien vertailussa ei ole suurimmalla osalla
tapahtunut muutosta. Kysymyksissä suurin osa on suoraan laittanut, ettei opetuskokeilu
muuttanut käsitystä teknologian käytöstä fysiikan opiskelussa. Tämä myös nähdään
väittämien vastausten yhdenmukaisuudessa, kun vertaillaan alku- ja loppukyselyitä
yksittäisten opiskelijoiden näkökulmasta. Muutaman opiskelijan vastauksissa on
kuitenkin nähtävissä opetuskokeilun positiivinen vaikutus näkemyksiin teknologian
käytöstä. Heidän mielestään teknologia monipuolistaa oppitunteja ja mahdollistaa paljon
fysiikan opiskelussa.
Alku- ja loppukyselyn kuvaajien tulkinta tehtävissä on nähtävissä kehitystä. Aika-paikka-
kuvaajasta aika-nopeus-kuvaajaan muutos on ollut todella iso, 36 % → 75 %. Tässä on
huomioitava vastausten väheneminen alkukyselyn 25 vastauksesta loppukyselyn 16
vastaukseen. Kuitenkin oikeiden vastausten määrä on kasvanut alkukyselyn 9
vastauksesta loppukyselyn 12 vastaukseen. Toisessa tehtävässä oikeiden vastausten
määrä kasvoi prosenteissa 4 %:sta noin 19 %:iin. Kuitenkin määrällisesti vastauksen
määrä kasvoi yhdestä oikeasta vastauksesta kolmeen.
46
Luku VII
7 Pohdinta
Työn tarkoituksena oli kehittää ja toteuttaa toimiva opetuskokonaisuus käyttäen apuna
videoanalyysia. Tässä tavoitteessa onnistuttiin hyvin, koska opetuskokeilu oli ehjä ja
toimiva kokonaisuus ja videoanalyysi oli opetuksen pääapuväline. Loppukyselyn tulosten
pohjalta suurin osa opiskelijoista koki videoanalyysin auttavan heitä ymmärtämään
kuvaajia ja näin ollen fysiikkaa paremmin. Opetuskokeilun aikana myös näytti siltä, että
opiskelijat oppivat käyttämään uutta teknologiaa hyvin.
7.1 Yhteenveto ja johtopäätökset
Ensimmäinen tutkimuskysymys kuului ”Miten lukiolaiset suhtautuvat
tietokoneohjelmien käyttöön fysiikan opiskelussa?”. Tulosten perusteella opiskelijat
pitävät TI-Nspire-laskinohjelmaa melkeinpä välttämättömänä fysiikan opiskelussa. He
myös mainitsevat useita muita tietokoneohjelmia. Tästä voi päätellä, että he ovat tottuneet
käyttämään tietokoneohjelmia opinnoissaan ja tukeutuvat niihin paljon. Kuitenkin osassa
vastauksissa oli nähtävissä, että teknologian käyttö ei aina ole mieluisaa ja siksi suurin
osa vastaajista ei halunnut lisätä teknologian käyttöä opetuksessa. Teknologian suosijat
ottivat huomioon tulevaisuuden, mainiten sähköiset kurssikokeet ja työelämän. Tutkimus
siis osoitti, että lukiolaiset suhtautuvat suurimmalta osalta myönteisesti teknologian
käyttöön fysiikan opiskelussa, mutta teknologian lisääminen jakaa mielipiteet.
Toiseen tutkimuskysymykseen ”Miten videoanalyysi vaikuttaa lukiolaisten kykyyn tulkita
kuvaajia?” saatiin positiivinen tulos. Vastausten pohjalta uusi videoanalyysimenetelmä
oli hyödyllinen ja auttoi kuvaajien tulkinnassa. Perusteluissa liikkeen näkemistä yhtä
47
aikaa kuvaajan muodostumisen kanssa pidettiin tärkeänä apuna tulkinnassa. Kuitenkin
muutama opiskelija piti videoanalyysin käyttöä työläänä tai kertauksena jo osattavaan
aiheeseen. Kuvaajien tulkinta tehtävien tuloksista nähdään, että videoanalyysin jälkeen
aika-paikka-kuvaajan ja aika-nopeus-kuvaajan yhdistäminen onnistui paremmin kuin
videoanalyysia ennen. Kuitenkin aika-paikka-kuvaajan ja aika-kiihtyvyys-kuvaajan
tuloksissa videoanalyysin apu ei ole niin selkeästi esillä. Toki kasvua on hieman
tapahtunut ja prosentuaalisesti kasvu on melko isokin, mutta silti oikeiden vastausten
määrään vähäisyys on huomattava. Selvästi videoanalyysi auttoi opiskelijoiden mielestä
kuvaajien tulkinnassa ja tuloksetkin tukevat tätä päätelmää.
Opetuskokeilu sujui moitteettomasti ja opiskelijat tekivät tarvittavat tehtävät
oppitunneilla hyvin ja nopeasti. Kuitenkin havaittavissa oli välinpitämättömyyttä aihetta
kohtaan. Joistain opiskelijoista näki, ettei heitä kiinnostanut lainkaan tehdä
videoanalyysia. Kaikki tekivät tehtävät, mutta ajatukset tuntuivat olevan muualla. Tästä
voi päätellä, ettei videoanalyysi ole opiskelijoiden mielestä innostava oppimismenetelmä.
Tämä on vastakkainen tulos Hockickon ym. (2015) Beichnerin (1996) ja Lawsin ja
Pfisterin (1998) tutkimusten kanssa, joissa opiskelijat pitävät videoanalyysia motivoivana
ja innostavana.
Saadut tulokset kuvaajien tulkinnoissa olivat samansuuntaisia kuin Beichnerin (1996) ja
Struckin ja Yerrickin (2010) saamat tulokset. Kummassakin edellisessä tutkimuksessa
kuvaajien tulkinta ja ymmärtäminen olivat parantuneet videoanalyysin myötä.
Opiskelijoiden mielestä videoanalyysissa positiivista oli liikkeen ja kuvaajan
muodostumisen samanaikainen tarkastelu ja tämän Bryan (2010) ilmoittaa omassa
tutkimuksessaan videoanalyysin hyödyksi.
Teknologia sisältyy nykyään vahvasti koulumaailmaan ja uusia käyttömahdollisuuksia
mietitään ja kehitetään koko ajan. POPS:ssa (Opetushallitus, 2016) ja LOPS:ssa
(Opetushallitus, 2015) edellytetään hyödyntämään teknologiaa opetuksessa. LOPS:ssa
(Opetushallitus, 2015) sanotaan, että opiskelijoiden tulisi hyödyntää teknologiaa
”mallintamisen välineenä, tutkimusten tekemisessä ja tuotosten laatimisessa”.
Videoanalyysi sopii kaikkiin noihin vaatimuksiin. Näin ollen sen käyttö on perusteltua ja
jopa suotavaa ja se tuo lisää erilaisia teknologisia ratkaisuja opettajien käyttöön
opetuksessa.
48
Opiskelijoiden perusteluissa oli paljon positiivista. Useat olivat selvästi kiinnostuneita
teknologian kehityksestä ja sen tuomista mahdollisuuksista. He miettivät tulevaisuuttaan
pitemmälle kuin vain kurssikokeeseen, jossa eri ohjelmia tarvitaan, mainiten työelämän.
Usea opiskelija halusi myös kehitystä teknologian käyttöön uusien ohjelmien ja
aineistojen kautta, jotka tukisivat fysiikan oppimista. Oppitunneille kaivataan
monipuolisuutta ja uusia ohjelmia havainnollistamaan fysiikkaa. Tämä osoittaa halua
kehittyä ja ymmärtää fysiikkaa syvemmin. Tämä voi selittää miksi Trackerin kaltainen
ohjelma sai hyvän vastaanoton opiskelijoiden keskuudessa.
Opiskelijoiden perusteluissa oli kuitenkin myös paljon negatiivissävytteisiä huomioita
teknologiasta. Erään opiskelijan huomio teknologian kalleudesta ei ole liioiteltua, koska
kaikki ohjelmat eivät ole ilmaisia ja niiden käyttöön tarvitaan laitteistot. On kuitenkin
otettava huomioon, että demonstraatiovälineetkin maksavat paljon. Tietokoneohjelmat tai
videot voivat havainnollistaa samaa ilmiötä halvalla ilman välineistön hankkimista.
Myös teknologian käytön hankaluudesta oli yksi opiskelija huolissaan. Runsas
teknologian käyttö voi uuvuttaa opiskelijat, joilla on hankaluuksia sen käytössä. Siksi
opettajilla on tärkeä tehtävä käydä läpi eri ohjelmien käyttöä useasti ja opettaa
perustoiminnot hyvin. Eräs opiskelija kommentoikin juuri sitä, että jokainen opettaja
opettaisi esimerkiksi peruskuvaajien teon. Tietenkin myös opiskelijoilla on oma
vastuunsa opetella ohjelmien käyttö. Opettajat antavat kasvualustan, mutta opiskelijat itse
päättävät kuinka hyvin he kasvavat.
Yksi opiskelija perusteli, että teknologiaa käytetään opetuksessa jo tarpeeksi, koska
”fysiikka on kuitenkin lopulta vain laskemista”. Fysiikan opettajan näkökulmasta tämä on
huolestuttavaa, jos useampikin ajattelee näin. Ilmiöt olisivat tärkeä ymmärtää fysiikan
lakien ja teorian pohjalta, eikä vain matemaattisin yhtälöin TI-Nspire-laskinohjelma
avulla. Vaikka laskinohjelma on hyödyllinen apuväline laskuihin, pitäisi opetuksen
keskittyä enemmän ilmiön fysiikan periaatteisiin kuin matemaattiseen esittämiseen.
Videoanalyysiohjelman helppokäyttöisyydellä voi olla myös kääntöpuolensa. Kun
videon analysoiminen on nopeaa, tekijän ajatus voi olla vain analyysiin tarvittavien
toimintojen loppuun saattamisessa. Tällöin analyysista tulee suoritus, eikä ilmiöön
vaikuttavia tekijöitä ja vaiheita huomioida kovinkaan tarkasti. Tässäkin tutkimuksessa
vasta kysyttäessä jotkin opiskelijat alkoivat miettiä liikkeen fysiikkaa ja tätä kautta
kuvaajien muotoon vaikuttavia tekijöitä. Tämä ei palvele opetusta, eikä varsinkaan
49
opiskelijoiden oppimista. Siksi opettajalla on tärkeä rooli videoanalyysilla opetettaessa:
pitää osata ohjata ja kysyä opiskelijoilta kysymyksiä kriittisissä paikoissa, jotta he
osaisivat kiinnittää huomiota oikeisiin asioihin.
7.2 Tulosten luotettavuus
Tämän tutkimuksen vaiheet ja kyselyjen kysymykset, väittämät ja tehtävät ovat
suunnitellut tutkija itse. Kaikki on käyty työn ohjaajan kanssa läpi pohtien ja perustellen
ja ohjaaja on hyväksynyt nykyiset esitysmuodot. Kuvaajien tulkinta -tehtävien
vaihtoehdot pohjautuvat tutkijan omiin kokemuksiin mahdollisista virhekäsitykistä.
Kyselyiden vastauksista on joidenkin opiskelijoiden kohdalla nähtävissä, että he eivät
vastanneet kunnolla kysymyksiin ja eivät jaksaneet perustella vastauksiaan. Tämä ei
kuitenkaan vaikuta kovinkaan paljoa vastastausten yleistämiseen, koska suurin osa
vastauksista oli hyviä.
Vastaukset ovat analysoitu sisällönanalyysin keinoin. Analyysin on tehnyt tutkija yksin
mahdollisimman objektiivisesti. Analysointien tarkkuus ja objektiivisuus olisi voinut
lisääntyä, jos useampi henkilö olisi analysoinut niitä. Kuitenkin tutkija itse oli perehtynyt
tutkimusta ennen käytettävään teoriaan hyvin. Näin voidaan sanoa, että tutkija oli pätevä
analysoimaan saatuja tuloksia.
Tässä tutkimuksessa on otettava huomioon, että se toteutettiin Normaalikoulussa vain
yhdelle lukion 2. luokan ryhmälle. Tämä on pieni otos, joka vaikuttaa tulosten
yleistettävyyteen. Normaalikoulut ovat myös yliopiston harjoittelukouluja, joten niissä
käytetään paljon uusimpia teknologisia ratkaisuja ja tietokoneohjelmia. Tällä voi olla
suuri vaikutus opiskelijoiden vastauksiin tietokoneohjelmien käytöstä opetuksessa ja
videoanalyysin hyödyllisyydestä. Normaalikoulun opiskelijat voivat olla tottuneet
teknologian käyttöön liikaa tai jopa turtuneet siihen. Jos tutkimus toteutettaisiin lukiossa,
jossa tietokonetta ei käytetä niin paljoa, tulokset voisivat vaihdella suurestikin. Myös
asenne opetuskokeilua kohtaan olisi voinut olla toisessa koulussa innostuneempi, koska
Normaalikoululla opiskelijat kohtaavat harjoittelijoiden pitämiä kokeiluja useasti.
50
7.3 Ideoita tulevaan
Lukion puolella on siirrytty sähköisiin kurssikokeisiin ja ylioppilaskokeisiin. Kokeissa
pyritään hyödyntämään erilaisia tietokoneohjelmia, joilla voidaan mallintaa ja
havainnoida fysiikkaa. Videoanalyysiohjelmat, kuten Tracker, mahdollistavat
reaalimaailman ilmiön tutkimisen melko tarkastikin ja sen mallintamisen usealla eri
tavalla. Trackeristä saadaan esimerkiksi kuvaajia, tilastotietoja ja vektoriesityksiä.
Ohjelma on myös helppo käyttää ja esimerkiksi vain muutamalla toiminnolla voidaan
mallintaa liikettä hyvin kuten tässäkin tutkimuksessa on osoitettu. Videoanalyysi on siis
vakavasti otettava vaihtoehto kurssikokeisiin ja ei olisi yllätys, jos se tulisi muutaman
vuoden kuluttua myös ylioppilaskirjoituksiin.
Trackerissä on hienoa se, ettei analyysin tarvitse aina olla mekaniikasta tai todellisesta
tilanteesta. Kuten Brown ja Cox (2009), Trackerillä voidaan esimerkiksi tarkastella
spektrejä. Tämän tutkimuksen vinoa heittoliikettä olisi voinut tutkia jousen ja nuolen
sijasta Rovion pelin Angry Birdsin avulla, kuten Rodrigues ja Carvalho (2013).
Trackerissä on todella paljon eri toimintoja ja kerran opittuaan käyttämään niitä, on
helppo palata uudestaan ohjelman pariin. Näin on yksinkertaista opetella uusia toimintoja
ja kehittää näin osaamistaan ohjelman mahdollisuuksista. Tämä mahdollistaa uusien
ideoiden ja käyttötarkoituksien keksimisen videoanalyysiin.
Fysiikan oppitunneilla teknologia ei saa milloinkaan olla oppitunnin tarkoitus.
Tarkoituksena täytyy aina olla fysiikan oppiminen ja ymmärtäminen. Teknologia on vain
auttamassa havainnoimaan ja mallintamaan ilmiöitä. Uusia teknologisia ratkaisuja, kuten
videoanalyysi, tulee kehittää, mutta niiden pitää aina tuoda uutta hyötyä fysiikan
oppimisen näkökulmasta eikä teknologian käytön näkökulmasta. Teknologian käyttö,
hyödyt, haitat ja kehittäminen on tietenkin opetettava kouluissa, koska se kuuluu
teknologiakasvatukseen. Tämä on kuitenkin tehtävä fysiikka ja muut oppiaineet edellä.
Digitalisaatiossa olisi hyvä kysyä lukiolaisten mielipiteitä, koska heidän koulutuksestaan
on kysymys. Siksi tässäkin tutkimuksessa käsiteltyjä lukiolaisten mielipiteitä
tietokoneohjelmista olisi tärkeä tutkia maanlaajuisesti ja ottaa vastaukset huomioon
kehittäessä opetusta ja käytettäviä ohjelmia. Tutkimusta voisi laajentaa, koskemaan
yleisen teknologian käytön lisäksi myös yksittäisiin ohjelmistoihin, jotta saataisiin käsitys
eri ohjelmistojen hyödyllisyydestä.
51
Myös videoanalyysin mahdollisuuksia opetuksessa voisi tutkia useammassa lukiossa.
Kuvaajien tulkinta on fysiikassa perustaitoja, joten sen parantamisen tutkiminen on
tärkeää. Selvästi videoanalyysilla on positiivisia vaikutuksia kuvaajien tulkintaan, mutta
myös muita sen hyötyjä voisi tutkia. Esimerkiksi tätä tutkimusta voisi laajentaa
vektoriesityksiin, koska Trackeristä saa helposti näkyviin nopeus- ja kiihtyvyysvektorit.
Näin voidaan kitkeä pois nopeuteen ja kiihtyvyyteen liittyviä virhekäsityksiä. Erilaisten
ilmiöiden videoanalyysilla saadaan opetettua ja mallinnettua hyvin eri fysiikan
periaatteita ja saadaan yhdistettyä ne reaalimaailman tapahtumiin. Sen avulla voitaisiin
opettaa myös isompia kokonaisuuksia ja verrata siitä saatavia tuloksia nykyisten
työtapojen tuloksiin.
52
Viitteet
Beichner, R. J. (1996). Impact of video motion analysis on kinematics graph
interpretation skills, American Journal of Physics, 64.
Brown, D., Cox, A. J. (2009). Innovative Uses of Video Analysis. The Physics Teacher,
47.
Bryan, J. A. (2010). Investigating the conservation of mechanical energy using video
analysis: four cases. Physics Education, 45.
Carmichael, P. (2000). Computers and the Development of Mental Models. Teoksessa
Gilbert J. K. & Boulter C. J., Developing Models in Science Education. Dordrecht:
Kluwer Academic Publishers.
Denny, M. (2003). Bow and catapult internal dynamics. Eur. J. Phys., 24, 367-378.
Escalada, L. T., Zollman, D. A. (1997). An investigation on the effects of using interactive
digital video in a physics classroom on student learning and attitudes. J. Res. Sci.
Teach., 34.
Etkina, E., Warren, A., Gentile, M. (2006). The Role of Models in Physics Instruction.
The Physics Teacher, 44.
Franco, C., Colinvaux, D. (2000). Grasping Mental Models. Teoksessa Gilbert J. K. &
Boulter C. J., Developing Models in Science Education. Dordrecht: Kluwer
Academic Publishers.
Gilbert, J. K., Boulter, C. J. & Elmer, R. (2000). Positioning Models in Science Education
and in Design and Technology Education. Teoksessa Gilbert J. K. & Boulter C.
53
J., Developing Models in Science Education. Dordrecht: Kluwer Academic
Publishers.
Gilbert, J. K., Boulter, C. J. & Rutherford, M., (2000). Explanations with Models in
Science Education. Teoksessa Gilbert J. K. & Boulter C. J., Developing Models
in Science Education. Dordrecht: Kluwer Academic Publishers.
Hockicko, P., Krišt’ák, L., Nĕmec, M. (2015). Development of students’ conceptual
thinking by means of video analysis and interactive simulations at technical
universities. European Journal of Engineering Education, 40.
Knight, R. D. (2013). Physics for scientists and engineers – A strategic approach (Third
edition). San Francisco: Pearson.
Kooi, B. W. (1983). On the Mechanics of the Bow and Arrow. PhD-thesis. Mathematisch
Instituut, Rijksuniversiteit Groningen, Alankomaat.
Kooi, B. W. (1998). The Archer’s Paradox and Modelling, a Review. Teoksessa Hollister-
Short, G., History of Technology, volume 20. London: Bloomsbury Publishing
Plc.
Kooi, B. W., Sparenberg, J. A. (1997). On the Mechanics of the Arrow: Archer's Paradox.
Journal of Engineering Mathematics, 31.
Laws, P., Pfister, H. (1998). Using Digital Video Analysis in Introductory Mechanics
Project. The Physics Teacher, 36.
Miyazaki, T., Mukaiyama, K., Komori, Y., Okawa, K., Taguchi, S., Sugiura, H. (2013).
Aerodynamic properties of an archery arrow. Sports Engineering, 16.
Open Source Physics (2019). https://www.compadre.org/osp/. Viitattu 25.4.2019.
Opetushallitus (2015). Lukion opetussuunnitelman perusteet 2015. Helsinki, Next Print
Oy.
Opetushallitus (2016). Perusopetuksen opetussuunnitelman perusteet 2014. 4. painos.
Helsinki, Next Print Oy.
54
Rapp, D. N. (2005). Mental Models: Theoretical Issues for Visualizations in Science
Education. Teoksessa Gilbert, J. K., Visualization in Science Education.
Alankomaat: Springer.
Rodrigues, M., Carvalho, P. S. (2013). Teaching physics with Angry Birds: exploring the
kinematics and dynamics of the game. Physics Education, 48.
Saari, H. (2000). Oppilaiden käsitykset malleista ja mallintaminen fysiikan
peruskouluopetuksessa. University of Joensuu. Department of Physics. Väisälä
Laboratory. Dissertations; 22.
Schwarz, C. V., Gwekwerere, Y. N., (2006). Using a Guided Inquiry and Modeling
Instructional Framework (EIMA) to Support Preservice K-8 Science Teaching.
Wiley InterScience. www.interscience.wiley.com.
Schwarz, C. V., Reiser, B. J., Davis, E. A., Kenyon, L., Achér, A., Fortus, D., Shwartz,
Y., Hug, B., Krajcik, J. (2009). Developing a Learning Progression for Scientific
Modeling: Making Scientific Modeling Accessible and Meaningful for Learners.
Journal of Research in Science Teaching, 46, 632-654.
Struck, W., Yerrick, R. (2010). The Effect of Data Acquisition-Probeware and Digital
Video Analysis on Accurate Graphical Representation of Kinetics in a High
School Physics Class. Journal of Science Education and Technology, 19.
Tuomi, J., Sarajärvi, A. (2018). Laadullinen tutkimus ja sisällönanalyysi. Helsinki,
Kustannusosakeyhtiö Tammi.
Zollman, D. A., Fuller, R. G. (1994). Teaching and Learning Physics with Interactive
Video. Robert G. Fuller Publications and Presentations. 35.
55
Liite A
Alkukysely
Tässä liitteessä on esitettynä opetuskokeiluun liittyvä alkukysely. Kysely tehtiin Google
Formsilla. Kysely ei ole Google Formsin muodossa, mutta ohjeistukset, kysymykset ja
väittämät ovat kopioitu kyselylomakkeesta, jättämättä mitään pois.
Alkukysely
Tämä kysely on osa pro gradu -tutkielman opetuskokeilua. Tutkimuksen tavoitteena on
tutkia lukiolaisten teknologian käyttöä sekä kuvaajien tulkintaa. Vastaa kysymyksiin
omien tuntemuksiesi mukaan ja mahdollisimman rehellisesti.
Teknologialla tässä kyselyssä tarkoitetaan tietokoneella käytettäviä ohjelmia, jotka
auttavat esimerkiksi laskemaan, kuvaamaan tai havainnoimaan fysiikan ilmiöitä.
Tällaisia ohjelmia ovat esimerkiksi Excel, Logger Pro, Nspire ja Word.
1. Nimimerkki
2. Olen
a) Nainen
b) Mies
c) Muu/En halua kertoa
3. Olen käynyt lukion fysiikan 4 kurssin (Voima ja liike).
a) Kyllä
b) Ei
4. Millaista teknologiaa olet hyödyntänyt opiskelujesi aikana?
5. Teknologia on ollut hyödyllinen apuväline fysiikan opinnoissani.
1) Täysin eri mieltä 2) 3) 4) 5) Täysi samaa mieltä
56
6. Perustelut edelliseen kysymykseen.
7. Teknologian käyttöä tulisi lisätä fysiikan opetuksessa.
1) Täysin eri mieltä 2) 3) 4) 5) Täysi samaa mieltä
8. Perustelut edelliseen kysymykseen.
9. Millä tavoin teknologiaa tulisi lisätä/vähentää fysiikan opetuksessa?
10. Alla on kappaleen aika-paikka-kuvaaja. Valitse vaihtoehdoista mielestäsi
parhaiten sopiva kappaleen aika-nopeus-kuvaajaksi.
Vaihtoehto 1
Vaihtoehto 2
Vaihtoehto 3
Vaihtoehto 4
57
11. Alla on kappaleen aika-paikka-kuvaaja. Valitse vaihtoehdoista mielestäsi
parhaiten sopiva kappaleen aika-kiihtyvyys-kuvaajaksi.
Vaihtoehto 1
Vaihtoehto 2
Vaihtoehto 3
Vaihtoehto 4
58
Liite B
Loppukysely
Tässä liitteessä on esitettynä opetuskokeiluun liittyvä loppukysely. Kysely tehtiin Google
Formsilla. Kysely ei ole Google Formsin muodossa, mutta ohjeistukset, kysymykset ja
väittämät ovat kopioitu kyselylomakkeesta, jättämättä mitään pois. Huomioitavaa on
kysymykseen 9 jäänyt kirjoitusvirhe, joka kuitenkaan ei vaikuttanut kysymyksen
ymmärtämiseen.
Loppukysely
Tämä kysely on osa pro gradu -tutkielman opetuskokeilua. Loppukysely tehdään
opetuskokeilun jälkeen ja tämän avulla selvitetään opetuskokeilun hyödyllisyyttä ja
toimivuutta. Vastaa kysymyksiin omien tuntemuksiesi mukaan ja mahdollisimman
rehellisesti.
Teknologialla tässä kyselyssä tarkoitetaan tietokoneella käytettäviä ohjelmia, jotka
auttavat esimerkiksi laskemaan, kuvaamaan tai havainnoimaan fysiikan ilmiöitä.
Tällaisia ohjelmia ovat esimerkiksi Excel, Logger Pro, Nspire ja Word.
1. Nimimerkki
2. Olen
a) Nainen
b) Mies
c) Muu/En halua kertoa
3. Videoanalyysi on hyödyllinen työtapa fysiikan opiskelussa
1) Täysin eri mieltä 2) 3) 4) 5) Täysi samaa mieltä
4. Perustelut edelliseen kysymykseen.
59
5. Videoanalyysi auttoi minua kuvaajien tulkinnassa
1) Täysin eri mieltä 2) 3) 4) 5) Täysi samaa mieltä
6. Perustelut edelliseen kysymykseen.
7. Haluaisin videoanalyysiä käytettävän jatkossakin fysiikan opiskelussa.
1) Täysin eri mieltä 2) 3) 4) 5) Täysi samaa mieltä
8. Perustelut edelliseen kysymykseen.
9. Millä tavoin opetuskokeilu muutti käsitystäsi tegnologian käytöstä fysiikan
opiskelussa?
10. Alla on kappaleen aika-paikka-kuvaaja. Valitse vaihtoehdoista mielestäsi
parhaiten sopiva kappaleen aika-nopeus-kuvaajaksi.
Vaihtoehto 1
Vaihtoehto 2
60
11. Alla on kappaleen aika-kiihtyvyys-kuvaaja. Valitse vaihtoehdoista mielestäsi
parhaiten sopiva kappaleen aika-paikka-kuvaajaksi.
Vaihtoehto 3
Vaihtoehto 4
Vaihtoehto 1
Vaihtoehto 2
61
12.
13.
Vaihtoehto 3
Vaihtoehto 4
62
Liite C
Trackerin käyttö videoanalyysissa
Trackerin käyttö on tehty todella yksinkertaiseksi ja Open Source Physics (2019) on
tehnyt opetusvideoitakin ohjelman käyttöön liittyen. Tässä liitteessä tarkoituksena on
käydä läpi ohjelman perustoiminnot ja kuinka tehdä analyysi videosta. Tarkoituksena ei
ole antaa kaiken kattavaa esittelyä, vaan esitellä toiminnot mitä tarvitaan tämän
opetuskokeilun aikana.
Kuvasta C.1 nähdään Trackerin aloitusnäkymä ennen videon lataamista ohjelmaan.
Punaisella rajattu alue A on varattu analysoitavalle videolle. Sinisellä alueella B on
videon toistamisen muokkaamiseen tarvittavat näppäimet. Alueen A oikealla puolella
ovat vihreä alue C ja oranssi alue D, joihin muodostuu kuvaaja (alue C) ja taulukko (alue
Kuva C.1. Trackerin aloitusnäkymä ennen videon lataamista.
63
D) kappaleen liikkeestä, kun analyysia tehdessä jäljitetään kappaletta. Viimeisenä
alueena on violetti alue E, joka on työkalupalkki. Siinä on videon analysoimiseen
tarvittavat toiminnot.
Kuvassa C.2 nähdään tarkemmin kuvan C.1 alue B ja sen näppäimet. Kuvassa C.2 on
merkittynä opetuskokeilussa tarvittavat näppäimet numeroin. Näppäimellä numero 1
saadaan video takaisin alkuun. Näppäimellä numero 2 videon toisto käynnistetään ja
videon pyöriessä, tästä näppäimestä se voidaan pysäyttää. Numero 3 osoittaa missä
kohtaa video on menossa ja siitä voidaan hiirellä säätää, mihin kohtaan videota haluaa
päätyä. Numeroiden 4 ja 5 mustat kolmiot ovat videon rajausta varten. Niitä voidaan
liikuttaa hiirellä videon eri kohtiin ja rajata näin vain tietyn kohdan videosta. Rajattuna
video pyörii vain ensimmäisestä kolmiosta (numero 4) toiseen kolmioon (numero 5) asti
ja muut videosta ei näy. Tällä tavalla rajataan videosta analysoitava alue, jotta koko
videota ei tarvitse analysoida. Numero 6 käsittää kolme näppäintä: numeron 6 alapuolella
olevan 1 ja sen vieressä olevat nuolinäppäimet. Näistä säädetään, kuinka monta kuvaa
kerrallaan videossa mennään eteenpäin, kun sitä tarkastellaan kuva kuvalta. Kuvassa C.2
mennään yksi kuva kerrallaan ja nuolinäppäimistä valitaan, mennäänkö eteenpäin vai
taaksepäin videossa.
Kuva C.3 on tarkennus työkalupalkista ja vain sen alusta, koska muita toimintoja ei tarvita
tässä opetuskokeilussa. Numero 1 näppäimellä saadaan tuotua analysoitava video
Trackeriin. Painamalla kuvaketta avautuu tiedostosijainti-valikko, josta voidaan etsiä
haluttu video omista tiedostoista. Numeron 2 kuvake tallentaa Trackerissä tehdyt
tuotokset siihen tiedostokansioon, josta analysoitava video on otettu. Kuvakkeen numero
3 alta löytyy Videoleikkeen asetukset -ikkuna. Täältä tärkeää on muuttaa kehysnopeus
(eng. frame rate) vastaamaan kuvatun videon kehysnopeutta eli montako kuvaa
sekunnissa videolla on. Numeron 4 kohdalta saadaan valittua kalibrointivälineitä
videolle. Analyysiin tarvitaan jokin mitta, jonka mukaan ohjelma osaa laskea kappaleen
liikkeen suureiden arvot. Tällä kalibrointityökalulla voidaan tuottaa kalibrointitikku, -
nauha, -pisteet tai apuorigo. Tässä työssä käytetään kalibrointitikkua. Numeron 5
kuvakkeesta luodaan videon päälle koordinaattiakselit, jotka voidaan liikuttaa haluttuun
Kuva C.2. Kuvan C.1 alue B ja sen opetuskokeilussa tarvittavat näppäimet.
64
paikkaan hiirellä. Painamalla uudelleen kuvakkeita numero 4 ja 5, saadaan muodostetut
kalibrointitikku ja koordinaattiakselit piiloon, jotta ne eivät häiritse videon katsomista.
Numeron 6 kuvakkeesta aukeaa valikko, josta voidaan valita monia analyysiin tarvittavia
välineitä kuten massapiste, vektori tai erilaisia malleja. Näistä kaikista tässä työssä
tarvitaan vain massapistettä, jolla jäljennetään kappaleen liikettä kuva kuvalta.
Kuvassa C.4 on esitettynä näkymä esimerkkivideon analyysista. Esimerkkivideona toimii
opetuskokeilussa käytettävä video nuolen lennosta. Kuvassa näkyy asetettu
kalibrointitikku videolla näkyvän yhden metrin mittaisen mittanauhan viereen. Se on
asetettu pitämällä shift-näppäintä pohjassa ja klikkaamalla hiirellä tikun päät haluttuun
kohtaan. Tikkua voi liikuttaa jälkikäteen hiiren avulla. Kalibrointitikun mitaksi on
muutettu 1,000 m kirjoittamalla 1 m tikun mitan ilmoittamaan laatikkoon. Kuvassa näkyy
myös koordinaatisto ja sen nollakohta on siirretty kohtaan, mistä aloitetaan nuolen
liikkeen jäljittäminen. Kuvassa näkyvät punaiset vinoneliöt ovat nuolen liikkeen
jäljityksestä massapisteen avulla. Kuvassa ei näy kerrallaan kuin viisitoista viimeisintä
massapistettä. Massapistetoiminnolla liikkeen jäljittäminen toimii shift-näppäimen
avulla. Aloittamalla ensimmäisestä analyysinalueen kuvasta, liikettä jäljitetään
painamalla shift-näppäintä pohjassa ja hiirellä klikkaamalla nuolen kärkeä. Klikkauksen
jälkeen ohjelma siirtää videon automaattisesti seuraavaan kuvaan ja toistetaan klikkaus
nuolen kärjessä shift-näppäin pohjassa. Tätä toistetaan, kunnes kaikki analyysialueen
kuvista on käyty läpi.
Massapisteiden laittaminen tuottaa samalla videoruudun oikealle puolelle kuvaajan ja
mittausarvot taulukoituvat kuvaajan alle. Kuvaajan akselien muuttujat voidaan vaihtaa
klikkaamalla akselin suureen symbolia (kuva C.4). Tällöin avautuu valikko, mistä
voidaan valita haluttu suure. Tässä työssä tarvitaan muuttujista paikkaa, nopeutta ja
kiihtyvyyttä (kaikista x ja y suuntaisia suureita). Taulukossa näkyy aluksi vain aika t,
paikan x arvo ja paikan y arvo. Painamalla kuvassa C.4 näkyvää Taulukko-painiketta,
avautuu valikko, mistä voidaan valita haluttujen suureiden arvot näkyviin taulukkoon.
Kuva C.3. Työkalupalkin tarkennus kuvakkeisiin, joita tarvitaan
opetuskokeilussa.
65
Kaksoisklikkaamalla kuvaajaa saadaan avatuksi kuvan C.5 näköinen Data Tool -ikkuna,
jossa voidaan tarkastella laajemmin kyseisen kuvaajan arvoja. Kuvaajaan voidaan
sovittaa mittauspisteitä parhaiten kuvaava käyrä (kuvassa C.5 suora) valitsemalla
Analyze-näppäimestä Curve Fits. Tämän jälkeen Fit Name -valikosta voidaan valita
haluttu käyrän sovitusmuoto. Tämän alapuolella on Fit Equation, joka kertoo y-akselilla
olevan muuttujan matemaattisen yhtälön. Autofit-toiminnon ollessa valittu, ohjelma
sijoittaa automaattisesti halutun käyrän parhaalla mahdollisella tavalla mittauspisteisiin
nähden. Näiden näppäinten oikealla puolella nähdään matemaattisen yhtälön parametrit
ja niiden arvot. Kuvassa C.5 on kyseessä y-akselin suuntainen nopeus ajan suhteen ja sen
matemaattinen yhtälö on 𝑣𝑦 = 𝐴 ∙ 𝑡 + 𝐵, missä 𝐴 = −10,39 ja 𝐵 = 1,711. Tästä voidaan
päätellä, että parametri 𝐴 on y-akselin suuntainen kiihtyvyys eli tässä tapauksessa
putoamiskiihtyvyys. Aluksi kuvaajan akselit ovat asettuneet siten, että mittauspisteet
mahtuvat juuri ja juuri kuvaan. Akselien isointa ja pienintä arvoa voidaan kuitenkin säätää
menemällä hiirellä akselien päähään. Tällöin ilmestyy laatikko, johon voidaan kirjoittaa
haluttu uusi arvo akselille.
Kuva C.4. Esimerkkivideon analyysi, jossa näkyy kalibrointitikku, koordinaatisto ja
viisitoista viimeisintä massapistettä. Kuvassa on myös ympyröity kuvaajan akselien
suureet ja Taulukko-painike.
66
Kuva C.5. Data Tool -ikkuna. Kuvassa on ympyröity tärkeimmät toiminnot
(Analyze, Fit Name ja Autofit).
67
Liite D
Opetuskokeilun diaesitys
68
69