Studien har som mål å skape en omfattende panelstudieinfrastruktur om implementering av lærerutdanningen i Norge, som følger både lærerstudenter, studieprogrammer og institusjoner over tid.
Hovedmålet med TEPS er å skape en omfattende panelstudieinfrastruktur om implementering av lærerutdanning i Norge som (1) sporer lærerstudenters utdanningsløp og påfølgende karriereveier og (2) muliggjør sammenligning av ulike lærerutdanningsprogrammer og -institusjoner over tid.
Mer om prosjektet
Formål med prosjektet
TEPS har to sentrale formål: (1) å tjene som en database for forskning på lærerutdanning av høy kvalitet og (2) å tjene som et kunnskapsgrunnlag for kvalitetsstyring og forbedring av lærerutdanning i Norge. For begge formål er det sentralt å bruke systematiske data, som tegner et helhetlig bilde av lærerutdanningen og speiler lærerprofesjonens stadig mer komplekse jobbkrav.
Å oppnå dette holistiske panelet er sikret gjennom en modulær design. Denne utformingen gjør det mulig å (1) sette skreddersydde ekspertteam til ansvar, (2) konstruere og optimalisere ulike deler parallelt, (3) gi brukere tilpasset tilgang til deler av panelet og (4) fleksibelt koble til dybdeforskningsprosjekter.
De 10 modulene er på faglærer/kurs- eller studentnivå, gjennomføres hvert semester eller kun én gang per student, involverer ulike datakilder (tekstanalyse, spørreskjema og loggfil) og tillater både en mer åpen og begrenset datatilgang:
Moduler på studentnivå:
- Studiestart: Lærerutdanningsstudenter vil bli spurt blant annet om studievalg, demografisk bakgrunn og undervisningsrelatert tro og holdning i første semester i et spørreskjema.
- Studieprofil: Loggfildata om studentenes kursvalg, kursdeltakelse og karakterer hentes fra digitale verktøy én gang per semester.
- Studieavslutning: Når studentene når 10. semester eller har eksmatrikulert, mottar de et spørreskjema om blant annet karriereambisjoner, studieevalueringer og undervisningsrelaterte tro og holdninger.
- Masteroppgaver: Studentenes masteroppgaver vil bli kategorisert med hensyn til deres temaer, datainnsamling og metoder ved bruk av tekstkoding med en stor språkmodell.
- Oppfølging: Noen år etter at studentene slutter i lærerutdanningen vil de motta et spørreskjema om blant annet yrkesveien, deres retrospektive studieevaluering og undervisningsrelaterte tro og holdninger.
Moduler på kurs-/faglærernivå:
- Kursinnhold: De nettbaserte kursbeskrivelsene av lærerutdanningsemner vil bli kodet med hensyn til deres temaer, undervisningsmetoder og vurderingsmetoder ved bruk av en stor språkmodell.
- Studentevaluering: Etter hvert kurs skal studentene fylle ut spørreskjemaer om blant annet deres tilfredshet med kurset, deres subjektive læring og arbeidsmengde.
- Faglærerevaluering: Etter hvert kurs skal faglærerne også fylle ut spørreskjemaer om deres tilfredshet med kurset, metodene de brukte, hvordan kurset ble gjennomført og om deres arbeidsmengde.
- Digitale plattformer: Fra digitale lærings- og informasjonsverktøy vil det innhentes loggfildata om faglærer- og studentaktivitet, bruk av implementerte funksjoner, og kursets pensumlister.
- Faglæreregenskaper: En gang i året vil faglærerne i lærerutdanningen svare på et spørreskjema om blant annet deres demografi, faglige utvikling og jobbtilfredshet.
I alle moduler vil kvantitative data bli opprettet, dokumentert, lagret og publisert. Panelstudien retter seg mot en stor variasjon av brukere, inkludert forskere fra Norge og andre land og fra ulike fagfelt.
Panelstudien leverer både tverrsnitts- og longitudinelle data. Den er designet for å svare på en mengde forskningsspørsmål som er av samfunnsmessig og forskningsmessig betydning, som for eksempel:
- Hvordan gjennomfører ulike institusjoner den femårige lærerutdanningen?
- Hvordan kan rekrutteringen til, gjennomføringen av og overgangen fra lærerutdanningen forbedres med tanke på den økende lærermangelen?
- Hvordan kan den opplevde undervisningskvaliteten på lærerutdanningene sammenlignes og forbedres?
Status
I 2023 og 2024 ble det gjennomført en rekke (pre-)pilotprosjekter for å teste gjennomførbarheten av TEPS. I masteroppgavemodulen piloterte vi for eksempel om kunstig intelligens (KI) kan brukes for å kategorisere masteroppgaver etter tema, data og metode. Et team har brukt sammendrag av masteroppgaver som ble publisert ved OsloMet for å teste om en stor språkmodell kan kode disse tekstene like godt som mennesker på grunnlag av et utviklet kodeskjema. Funnene tyder på at KI-strategien er egnet til å kategorisere alle lærerutdanningsmasteroppgaver i TEPS på lang sikt.
Veien videre
TEPS skal søke forskningsmidler fra Norges forskningsråd (NFR) i kontekst av et større infrastrukturprosjekt om lærerutdanning i Norge. Neste prosjektfase (2025-2027) har derfor som mål å demonstrere gjennomførbarheten av TEPS i ytterligere piloter og å videreutvikle prosjektet.
