131 Kennisclips hebben vooral nut wanneer studenten informatie in de clips actief verwerken. Om dit te bewerkstelligen worden kennisclips idealiter ingebed in het leerproces van een onderwijseenheid, zoals een cursus. Dit kan bijvoorbeeld door vragen te stellen voorafgaand aan het kijken van de clips, door opdrachten toe te voegen aan de kennisclips of door de kennisclips te integreren in een grotere huiswerkopdracht (Brame, 2016). We deden dit door de kennisclips in te bedden in een pabocursus over de didactiek van leesonderwijs. 3. Deelstudie 1. Voorkennis over tekststructuur In deelstudie 1 onderzochten we welke voorkennis pabostudenten hebben over tekststructuur. 3.1 Context Aan deze deelstudie namen 82 tweedejaars pabostudenten (vier klassen) deel die een cursus volgden over de didactiek van leesonderwijs in de bovenbouw van de basisschool. Deze studenten hadden binnen hun opleiding al wel ervaring met het observeren en sporadisch ook geven van leeslessen, maar het onderwerp tekststructuur was nog niet eerder behandeld in de opleiding. Deze cursus bevatte vijf colleges van 90 minuten en werd afgesloten met een portfolio waarin de studenten een aantal praktijkopdrachten verzamelden. De opdrachten die de studenten moesten uitvoeren voor het onderzoek waren verplichte studieopdrachten binnen de cursus. Zij keken de clips ter voorbereiding op de colleges. Aan het begin van de cursus gaf de docent aan dat de inhoud van de kennisclips bruikbaar was voor succesvolle uitvoering van de praktijkopdrachten bij de cursus en dat de leerstof bovendien aan het eind van het studiejaar zou worden bevraagd in een tentamen. De clips en de vragenlijsten werden ontsloten via de digitale leeromgeving van de opleiding. Bijlage F geeft een overzicht van de cursus. 3.2 Methode Om de voorkennis van studenten over tekststructuur te peilen, hebben we hen bij aanvang van de cursus een online vragenlijst voorgelegd met drie open vragen: 1) Welke tekstsoorten ken je? 2) Leg in je eigen woorden uit wat tekststructuur is. 3) Noteer alle tekststructuren die je kent. Vraag 1 en 3 zijn geanalyseerd door antwoorden die naar dezelfde tekstsoort of tekststructuur verwezen te clusteren (zie Tabel 2 en 4). De antwoorden op vraag 2 werden eerst open gecodeerd, en zijn daarna via axiale codering geclusterd tot een lijst van tien labels (zie Tabel 3; Miles et al., 2018). Een tweede codeur analyseerde 18% (N = 15) van de antwoorden op vraag 2. Op één uitzondering na was de interbeoordelaarsbetrouwbaarheid van alle labels perfect (k = 1.00). Bij het label incorrecte of onduidelijke beweringen was deze redelijk (K = .63, 87% overeenkomst). De verschillen in scores werden besproken en opgelost. 132
RkJQdWJsaXNoZXIy MTk4NDMw