Inseguire gli stili cognitivi degli allievi: un mito didattico demolito poco a poco da una serie di studi accademici esteri

Uno studio statunitense di “Didattica delle scienze anatomiche” condotto da Polly R. Husmann e Valerie Dean O’Loughlin, pubblicato nel 2018 dall’American Association for anatomy e messo a nostra disposizione dalla biblioteca digitale dell’Università Bocconi di Milano, mette in dubbio uno dei modelli didattici verso cui anche gli insegnanti italiani sono spinti da tempo: quello secondo cui si tratterebbe di differenziare le proposte e i materiali relativi alle attività di classe seguendo i diversi stili cognitivi propri di ciascun allievo.

Al di là delle grandi difficoltà pratiche che comporta un lavoro scolastico di questo tipo, specie in classi molto numerose, ci sono buone ragioni per dubitare che l’adattamento perpetuo agli stili di apprendimento individuali produca gli effetti sperati: lo studio dimostra che i risultati di una didattica che cerca di allinearsi con la varietà degli stili d’apprendimento non si discostano in modo significativo dai risultati ottenuti attraverso una didattica che miri ad altro; anzi, è addirittura ipotizzabile che un certo grado di “difficoltà desiderabile” (Bjork, 2014) nell’ambito di un compito assegnato contribuisca a migliorare le prestazioni degli allievi.

Anticipo in breve le conclusioni più significative dello studio in esame, che riporto poi in traduzione integrale più sotto:

“Questi risultati attuali, insieme ad ampi studi precedenti sui miti degli stili di apprendimento (ad esempio, Pashler et al., 2009 ) forniscono una forte prova che insegnanti e studenti non dovrebbero promuovere il concetto di stili di apprendimento per lo studio e/o per gli interventi didattici. Pertanto, il detto “non posso imparare la materia X perché apprendo visivamente” dovrebbe essere messo a tacere una volta per tutte“.

Ai risultati di questo studio ha dato attenzione anche la rivista Scientific American, che li riprende e commenta nel maggio 2018, come è possibile verificare qui. ________________________________________

Polly R. Husmann, Valerie Dean O’Loughlin, “Un altro chiodo sulla bara degli stili di apprendimento? Disparità tra le strategie di studio degli studenti universitari di Anatomia, il rendimento in classe e gli stili di apprendimento VARK segnalati”, Epub 13 marzo 2018, doi.org/10.1002/ase.1777
87 citazioni

Abstract
Il concetto e l’esistenza degli stili di apprendimento sono stati oggetto di controversie e studi recenti ne hanno messo in dubbio l’esistenza. Tuttavia, molti studenti mantengono ancora la saggezza convenzionale secondo cui gli stili di apprendimento sono legittimi e potrebbero adattare le loro strategie di studio al di fuori della classe per adattarle a questi stili di apprendimento. Pertanto, questo studio mira a valutare se gli studenti universitari di anatomia hanno maggiori probabilità di utilizzare strategie di studio in linea con i loro ipotetici stili di apprendimento (utilizzando l’analisi VARK di Fleming e Mills, 1992 , Improve Acad. 11:137–155) e, in caso affermativo , questo allineamento è correlato al loro esito in un corso di anatomia. Allo stesso modo, questo studio esamina se gli stili di apprendimento VARK [cioè legate ai canali visivo, uditivo, di lettura/scrittura e cinestesico degli studenti – ndr] sono correlati ai risultati del corso indipendentemente dalle strategie di studio degli studenti e se eventuali strategie di studio sono correlate ai risultati del corso, indipendentemente dai risultati VARK specifici dello studente. Un totale di 426 studenti di anatomia dei semestri autunnali 2015 e 2016 ha completato un sondaggio sulle strategie di studio e un questionario VARK online. I risultati hanno dimostrato che la maggior parte degli studenti non riportava strategie di studio correlate alla valutazione VARK e che la prestazione degli studenti in anatomia non era correlata al punteggio ottenuto in nessuna delle categorie VARK. Piuttosto, alcune strategie di studio specifiche (indipendentemente dai risultati VARK), come l’uso del microscopio virtuale, sono risultate correlate positivamente con il voto finale della classe. Tuttavia, l’allineamento di queste strategie di studio con i risultati VARK non ha avuto alcuna correlazione con i risultati del corso di anatomia. Pertanto, questa ricerca fornisce un’ulteriore prova del fatto che la saggezza convenzionale sugli stili di apprendimento dovrebbe essere rifiutata sia dagli educatori che dagli studenti.

Introduzione

Il concetto e l’esistenza degli “stili di apprendimento” degli studenti sono stati oggetto di grande discussione e dibattito nella ricerca educativa (Coffield et al., 2004 ; Hawk e Shah, 2007 ). Diffuso negli anni ’70 e ’80, uno stile di apprendimento è definito come “il modo coerente di uno studente di rispondere e utilizzare gli stimoli nel contesto dell’apprendimento” (Claxton e Ralston, 1978 ). Dalla sua divulgazione, sono stati scritti molti articoli per descrivere i modi ipotetici in cui gli studenti dovrebbero apprendere meglio secondo un particolare stile di apprendimento (Fleming e Mills, 1992 ; Fleming, 1995 ; Marcy, 2001 ; Drago e Wagner, 2004 ; Murphy et al., 2004 ; Tanner e Allen, 2004 ; Fleming e Baume, 2006 ; Lujan e DiCarlo, 2006 ; Baykan e Naçar, 2007 ; Slater et al., 2007 ; Breckler et al., 2009 ; Dobson, 2009 ; Fleming, 2012a, 2012b ; Kim et al., 2015 ; Davidson e Ritchie, 2016 ; Höffler et al., 2017 ) e ha portato a chiedere agli istruttori di progettare le loro lezioni in modo da affrontare molteplici stili di apprendimento (Marcy, 2001 ; Wehrwein et al., 2007 ; Alkhasawneh, 2013 , Bhutkar e Bhutkar, 2016 ). Tuttavia, nella loro meta-analisi fondamentale di studi precedenti che esaminavano gli stili di apprendimento, Pashler et al. ( 2009 ) hanno dimostrato che pochi di questi studi hanno resistito a un controllo rigoroso, e quelli che hanno soddisfatto standard metodologici rigorosi non sono riusciti a giustificare la saggezza convenzionale sul concetto di stili di apprendimento.

Numerose ricerche hanno dimostrato che cambiare la presentazione o le strategie di insegnamento per allinearsi agli stili di apprendimento degli studenti non migliora i risultati abbastanza da giustificare i costi finanziari o temporali coinvolti (Coffield et al., 2004 ; Pashler et al., 2009 ; Reiner e Willingham , 2010 , Papanagnou et al., 2016 ). Inoltre, ricerche precedenti hanno dimostrato che il fatto che i materiali di studio siano forniti o meno in linea con lo stile di apprendimento dello studente non migliora i risultati dell’apprendimento (Kollöffel, 2012 ). Pertanto, questi studi suggeriscono che un’interpretazione rigida di uno stile di apprendimento è inappropriata; che, sebbene uno studente possa preferire il materiale didattico in un formato particolare, la presentazione del materiale in formati diversi non compromette l’apprendimento.

Un’altra spiegazione della mancanza di correlazione tra metodi di insegnamento, stili di apprendimento e risultati degli studenti è il fatto che insegnamento e apprendimento non sono gli stessi concetti. La maggior parte dell’apprendimento avviene al di fuori della classe, quando gli studenti studiano il materiale da soli o in piccoli gruppi (McKee, 2002 ; Aquino, 2011 ; Bulent et al., 2015 ). Questo tempo di studio esterno avviene quando lo stile di apprendimento o la preferenza percepita da uno studente può essere incorporato attraverso l’uso di strategie di studio specifiche, senza alcun costo per gli istruttori o le amministrazioni. Infatti, Kraemer et al. ( 2014 ) ha suggerito che se la presentazione delle informazioni è in linea con le preferenze di apprendimento dello studente potrebbe non influenzare i risultati perché gli studenti convertiranno le informazioni in allineamento con le loro preferenze di apprendimento durante il periodo di studio esterno. Se Kraemer et al. ( 2014 ) sono corrette, allora il concetto di stili di apprendimento diventa più rilevante quando uno studente utilizza le proprie strategie di studio al di fuori della classe per apprendere il materiale. Inoltre, se gli stili di apprendimento sono un concetto veramente valido, allora gli studenti che utilizzano strategie di studio che corrispondono al loro stile di apprendimento dovrebbero ottenere risultati migliori degli studenti le cui strategie di studio e stili di apprendimento non corrispondono.

Pertanto, il primo obiettivo della presente ricerca valuta se gli studenti universitari di anatomia hanno maggiori probabilità di sviluppare e utilizzare strategie di studio in linea con i loro ipotetici stili di apprendimento. Il secondo obiettivo riguarda se gli studenti allineano le loro strategie di studio con il loro ipotetico stile di apprendimento, se questo allineamento è correlato ai loro risultati nel corso. Rispondendo a queste domande di ricerca, gli autori forniranno una valutazione rigorosa (richiesta da Pashler et al., 2009 ) della validità degli stili di apprendimento come concetto.

Stili di apprendimento VARK

Sebbene molti ricercatori abbiano proposto diversi tipi di stili di apprendimento (Coffield et al., 2004 ; Hawk e Shah, 2007 ), gli autori hanno scelto di utilizzare il modello visivo, uditivo, di lettura/scrittura e cinestetico (VARK) sviluppato da Fleming e Mills ( 1992 ) per la sua accessibilità, concisione e ampio riconoscimento tra i nostri studenti. Il questionario VARK è disponibile gratuitamente online (VARK, 2017 ) e consiste di sole 16 domande, rendendo più probabile per uno studente completare il test rispetto a un sondaggio più lungo sullo stile di apprendimento. Inoltre, molti studenti universitari hanno già familiarità con questo modello grazie a lezioni o insegnamenti precedenti (Reiner e Willingham, 2010 ).Il modello VARK classifica gli studenti in base alla modalità sensoriale con cui preferiscono ricevere le informazioni (Fleming e Mills, 1992 ). Le singole categorie sono:

• Visivo (V) : gli individui sono classificati come studenti visivi (V) se preferiscono visualizzare le informazioni sotto forma di disegni, diagrammi o diagrammi di flusso. Si consiglia loro di studiare guardando immagini, grafici e diagrammi di flusso.
• Uditivo (A) : le persone sono classificate come studenti uditivi (A) se preferiscono ascoltare le informazioni che vengono loro presentate. Si raccomanda loro di studiare frequentando le lezioni, discutendo il materiale con altri e leggendo appunti o testi ad alta voce su un registratore.
• Lettura/scrittura (R) : gli studenti di lettura/scrittura (R) preferiscono vedere le nuove informazioni per iscritto tramite testo o tabelle. Si suggerisce loro di studiare scrivendo appunti con parole proprie o organizzando elenchi e tabelle di informazioni.
• Cinestesico (K) : infine, gli studenti sono classificati come studenti cinestetici (K) se preferiscono che le nuove informazioni siano chiaramente rilevanti per il mondo reale o qualcosa che possono manipolare con le mani. Si consiglia loro di studiare utilizzando approcci pratici, applicazione dei materiali ed esempi di vita reale.

Nel modello VARK, se una persona preferisce una di queste categorie, si dice che lo studente è unimodale. A volte, gli individui possono avere preferenze per più di una di queste categorie. Se un individuo ha preferenze relativamente ugualmente forti in due delle quattro categorie (ad esempio, mostra una preferenza sia per il visivo che per l’uditivo), lo studente viene classificato come bimodale . Se un individuo ha preferenze per tre delle quattro categorie, lo studente viene classificato come trimodale . Se uno studente mostra preferenze tra tutte e quattro le categorie, l’individuo viene classificato come quadrimodale . La maggior parte degli individui rientra in una di queste categorie multimodali.

Storia, ricerca e controversia con VARK

Come accennato in precedenza, il modello VARK è stato ampiamente studiato ed è forse la teoria più conosciuta sugli stili di apprendimento. Sfortunatamente, quando il modello VARK ha guadagnato pubblicità e popolarità nell’istruzione tradizionale, si è sviluppata una controversia sul modello. Il modello VARK è stato originariamente sviluppato come strumento per promuovere la discussione e la riflessione sulle strategie di apprendimento (Fleming e Mills, 1992 ), sebbene quel messaggio sia andato in gran parte perso, inducendo Fleming a ricordare vivamente ai lettori che l’analisi VARK non è mai stata intesa come uno strumento diagnostico. (Fleming, 1995 ; Fleming e Baume, 2006 ). Il rapporto di Pashler et al. ( 2009 ) sulla mancanza di prove di stili di apprendimento dimostrabili utilizzando metodi rigorosi e altri studi simili dell’epoca (ad esempio Scott, 2010 ), riportano Fleming a difendere il suo modello (Fleming, 2012a, 2012b ) sebbene queste difese abbiano avuto poche o nessuna citazione a sostegno. Ciononostante, gli autori presenti hanno ampie prove aneddotiche di quanti studenti continuano a utilizzare gli stili di apprendimento VARK come una “stampella” per spiegare il motivo per cui potrebbero non imparare bene qualcosa (ad esempio, “Semplicemente non sono uno studente visivo”). Inoltre, ad alcuni insegnanti e istruttori è stato erroneamente insegnato che includere tutti gli stili di apprendimento nell’insegnamento fosse essenziale e quindi loro stessi hanno perpetuato il mito (Dekker et al., 2012 ). Pashler et al. ( 2009 ) hanno anche notato il fascino pubblico degli stili di apprendimento in quanto contribuiscono all’unicità dell’individuo e forse al movimento di autostima che è continuato dagli anni ’70 come fattore aggiuntivo nell’uso continuato del modello VARK.

Il modello VARK è stato anche criticato per la sua mancanza di misure di validità dimostrata (Hawk e Shah, 2007 ; Wehrwein et al., 2007 ), cosa difficile da dimostrare poiché le domande non limitano i partecipanti a un’unica risposta. Leite et al. ( 2010 ) hanno trovato alcune prove preliminari di affidabilità e validità della struttura interna dell’indagine utilizzando l’analisi fattoriale confermativa, ma hanno raccomandato di utilizzare il modello VARK solo per valutazioni a basso rischio e non per la ricerca poiché la validità del contenuto, del processo di risposta, le relazioni tra le variabili e le conseguenze dei test non sono state ancora valutate. Anche Fitkov-Norris e Yeghiazarian ( 2015 ) hanno trovato una certa validità nel modello VARK in quanto riferiscono che il modello Rasch (una forma di analisi della validità di costrutto interno che controlla l’adattamento di risposte binarie o di più di due ordinali a un modello su scala formale) generalmente si adatta al questionario VARK per tutte le domande tranne una. Sfortunatamente, la dimensione del campione dello studio Fitkov-Norris e Yeghiazarian non era particolarmente ampia (107 studenti di economia in Inghilterra) una volta suddiviso il campione in più categorie diverse. Inoltre, il campione Fitkov-Norris e Yeghiazarian è probabilmente troppo piccolo per essere rappresentativo, dato il numero di persone che hanno risposto al questionario VARK (vedi sotto). Pertanto, è ancora oggetto di dibattito il modo in cui il loro rapporto di validità rappresenti tutti gli individui in tutto il mondo che hanno risposto al questionario VARK.

Nonostante queste controversie, VARK è rimasta una risorsa molto utilizzata con oltre 15.000 studenti statunitensi che hanno partecipato al sondaggio online in un solo mese (gennaio 2007), e quel numero include solo quegli studenti statunitensi che hanno partecipato al sondaggio per la prima volta (Leite et al., 2010 ). Il questionario VARK online (VARK 2017 ) afferma che oltre 250.000 persone hanno risposto solo nell’ottobre del 2014, e questo numero non include nessuno che lo abbia compilato su carta in quel periodo. Pertanto, questa continua ad essere una risorsa molto popolare.

VARK è stato ampiamente studiato e qui viene presentata una panoramica di alcuni dei principali studi con studenti universitari in discipline di anatomia e fisiologia degli ultimi dieci anni. (Ulteriori discussioni sugli studi rilevanti per questa ricerca continuano nella discussione.) Wehrwein et al. ( 2007 ) hanno somministrato il questionario VARK a 134 studenti universitari in fisiologia e hanno scoperto che i maschi avevano maggiori probabilità di essere multimodali, soprattutto quadrimodali. Hanno raccomandato agli insegnanti di variare ampiamente i loro metodi di insegnamento per mantenere un interesse più ampio per la scienza. Tuttavia, hanno anche raccomandato agli studenti di essere consapevoli delle proprie preferenze e di adattare le proprie strategie di studio per adattarle ai risultati della valutazione VARK, anche se lo stile di insegnamento del corso non corrisponde. È interessante notare che Breckler et al. ( 2009 ), nel suo studio sugli studenti universitari di fisiologia, ha scoperto che solo il 15% degli studenti poteva prevedere con precisione i risultati VARK, suggerendo che il modo in cui uno studente pensa di apprendere meglio in genere non corrisponde bene con il modo in cui VARK prevede che dovrebbero imparare. In un’altra analisi degli studenti universitari di fisiologia dell’Università della Florida, Dobson ( 2009 ) ha riportato associazioni tra le preferenze di apprendimento VARK con il genere e con i voti di fisiologia. Tuttavia, Dobson non ha utilizzato l’intero questionario VARK, ma ha scelto invece solo tre domande che corrispondevano approssimativamente alle categorie VARK e poi ha chiesto agli studenti di autovalutare quale categoria (V, A, R o K) li descriveva meglio [quale Breckler et al. ( 2009 ) avevano dimostrato che la maggior parte degli studenti non riusciva a farlo in modo accurato]. Alkhasawneh e colleghi hanno intervistato gli studenti infermieri giordani e hanno trovato prove che le preferenze di apprendimento VARK possono cambiare in base alle esperienze educative (Alkhasawneh et al., 2008 ; Alkhasawneh, 2013 ). Nel 2008, Alkhasawneh et al. hanno riscontrato aumenti nei punteggi di tutte le categorie VARK in seguito all’implementazione dell’apprendimento basato sui problemi in un corso sulla salute della famiglia materna. Nel 2013, Alkhasawneh ha intervistato gli studenti di infermieristica del primo, secondo e terzo anno e ha scoperto che gli studenti del terzo anno preferivano attività più cinestetiche mentre gli studenti del secondo anno preferivano leggere/scrivere e gli studenti del primo anno preferivano le attività visive. Tuttavia, questo è stato uno studio trasversale e non longitudinale, quindi le preferenze individuali di ciascuna coorte potrebbero essere state semplicemente diverse. Infine, Farkas et al. ( 2015 ) hanno intervistato 492 studenti universitari in un corso combinato di anatomia e fisiologia di 200 livelli. Non riportano differenze significative nelle preferenze di apprendimento tra i sessi o tra gli anni accademici.

Pertanto, la ricerca su VARK nell’educazione all’anatomia e alla fisiologia ha avuto risultati contrastanti. Inoltre, la maggior parte di questi studi sono stati condotti in lezioni di fisiologia (e non di anatomia). La ricerca su VARK nelle singole lezioni di anatomia (e non in quelle combinate di anatomia e fisiologia o in interi programmi, come infermieristica, medicina, ecc.) è stata scarsamente riportata. Infine, questi studi non hanno valutato e confrontato VARK e le strategie di studio utilizzando un sondaggio validato per documentare queste strategie (Husmann et al., 2016 ).

Obiettivi della ricerca

Considerato tutto quanto sopra, questo studio affronta due principali obiettivi di ricerca, e due corollari:

1. Gli studenti che rispondono al questionario VARK allineano le loro strategie di studio con la categoria VARK che ha il punteggio più alto?
2. Gli studenti le cui strategie di studio sono in linea con la categoria VARK del loro punteggio più alto ottengono risultati significativamente migliori (o peggiori) in una lezione di anatomia universitaria (A215) rispetto agli studenti che non seguono le raccomandazioni VARK?
   • Gli studenti che sono dominanti in una particolare categoria VARK ottengono risultati migliori (o peggiori) in A215 indipendentemente dalle loro strategie di studio?
   • Gli studenti che utilizzano particolari strategie di studio ottengono risultati migliori (o peggiori) in A215 indipendentemente dalla categoria del loro punteggio VARK più alto?

Materiali e metodi

Il seguente studio è stato ritenuto esente da rischi umani dal Comitato di revisione istituzionale dell’Università dell’Indiana (Protocollo n. 1509015906). I dati per questo studio sono stati esaminati dopo la fine del semestre e dopo la presentazione dei voti finali, secondo le linee guida IRB. I metodi sono descritti di seguito.

Il Corso: Anatomia A215

Anatomia A215 (Anatomia umana di base) è un corso di anatomia sistemica universitario della durata di un semestre e cinque ore di credito, tenuto presso l’Università dell’Indiana. Il corso è composto da una grande lezione (oltre 400 studenti all’inizio di ogni semestre) che si riunisce per 50 minuti al giorno tre volte a settimana e dodici sezioni di laboratorio più piccole (circa 36 studenti ciascuna) che si incontrano per 1,75 ore due volte a settimana. Due docenti insegnano la componente frontale del corso, mentre la componente di laboratorio è tenuta da due assistenti didattici laureati (TA) e un assistente didattico universitario (UTA). Il corso A215 è richiesto e/o consigliato per più curricula di scienze sanitarie tra cui pre-infermieristica, kinesiologia, nutrizione, scienze motorie, pre-optometria, pre-dentale e salute pre-alleata (ad esempio, preparazione atletica, terapia fisica, terapia occupazionale). La maggior parte degli studenti sono matricole e studenti del secondo anno, sebbene sia iscritto anche un numero limitato di studenti junior e senior.

L’anatomia generale e l’istologia di tutti i sistemi corporei sono presentate sia nelle parti di laboratorio che in quelle frontali del corso. I docenti discutono il materiale utilizzando diapositive PowerPoint e forniscono agli studenti brevi dispense che dovranno compilare durante le lezioni. I docenti utilizzano una varietà di tecniche di valutazione in classe (Angelo e Cross, 1993 ), come le matrici di memoria, per incorporare l’apprendimento attivo durante la lezione. Il materiale delle lezioni viene valutato attraverso quattro esami a risposta multipla (del valore totale di 360 punti) e otto quiz online (del valore totale di 40 punti).

Durante le sessioni di laboratorio, gli assistenti didattici forniscono un’introduzione di 15-20 minuti ai contenuti della giornata, quindi il laboratorio viene gestito come un tempo di apprendimento regolato dagli studenti con ossa, modelli tridimensionali e vetrini microscopici virtuali disponibili per aiutare ad apprendere il materiale. (La componente di microscopia virtuale della classe è stata discussa in dettaglio in Husmann et al., 2009. ) Le AT dimostrano anche strutture anatomiche macroscopiche su due cadaveri processati (donatori) alloggiati nella stanza. I quattro esami di laboratorio a risposta breve (100 punti ciascuno) valutano quindi la conoscenza degli studenti delle caratteristiche anatomiche delle stesse ossa, dei modelli, dei vetrini microscopici virtuali e dei cadaveri disponibili per lo studio. Questi quattro esami di laboratorio ammontano a quattrocento punti (400), per un totale di ottocento (800) punti (distribuiti equamente tra laboratorio e lezione) che possono essere guadagnati nel corso.

Gli studenti dei semestri autunno 2015 e autunno 2016 sono stati invitati a partecipare a questa ricerca. Dei 390 studenti del semestre autunnale 2015 e dei 377 studenti del semestre autunnale 2016 che hanno completato il corso, hanno partecipato allo studio rispettivamente 244 e 182 studenti in totale. Pertanto, la dimensione totale del campione per entrambi i semestri era di 426 studenti. Tuttavia, alcuni studenti non hanno risposto a tutte le domande del sondaggio e altri non hanno fornito tutte le componenti della valutazione VARK. Queste risposte mancate hanno poi comportato dimensioni del campione leggermente inferiori per alcune analisi (ad esempio, Tabelle 3 , 5 e 6 ).

Sondaggio VARK

Durante la prima settimana del semestre, tutti gli studenti di Anatomy A215 sono stati informati sul sito web VARK (VARK, 2017 ) e incoraggiati a completare il questionario VARK per determinare la categoria (o le categorie) VARK più adatta a loro. Agli studenti veniva assegnato un punto di credito extra se completavano il questionario VARK e riportavano i risultati nel sistema di apprendimento gestionale online del corso. Gli studenti sono stati incoraggiati dagli istruttori a leggere le strategie di studio suggerite per ciascuna categoria VARK e a considerare di incorporare alcune strategie di studio nel loro regime di studio, se ritenevano che sarebbero state utili.

Dopo la fine del semestre e l’invio dei voti finali, i risultati VARK sono stati confrontati con le risposte al sondaggio sulla strategia di studio (per raggiungere l’obiettivo 1) e l’accordo (o la mancanza di esso) è stato quindi confrontato con i punti totali guadagnati nella classe (per indirizzo obiettivo 2).

Sondaggio sulla strategia di studio

L’indagine sulla strategia di studio utilizzata qui è stata sviluppata da J. Bradley Barger seguendo i metodi di Fowler ( 1995 ) e sperimentata con un piccolo gruppo di studenti universitari prima delle revisioni finali (Barger, 2012 ). L’indagine è stata valutata anche da un campione di docenti di anatomia dell’Università dell’Indiana e di studenti laureati coinvolti nel corso A215. Nel corso di diversi semestri, sia gli studenti di medicina che quelli universitari hanno partecipato al sondaggio ed è stato calcolato un coefficiente alfa di Cronbach per valutare l’affidabilità o la coerenza interna delle domande del sondaggio su questa popolazione combinata (medica e universitaria). L’alfa di Cronbach è misurato su una scala da 0 a 1, con valori pari o superiori a 0,7 considerati buone misure di affidabilità (Field, 2009 ). Il sondaggio ha raggiunto un alfa di Cronbach pari a 0,767, indicando una buona affidabilità (Husmann et al., 2016 ).

L’indagine comprendeva ventisei domande su scala Likert su strategie di studio, frequenza e atteggiamenti. Un campione di queste domande è stato precedentemente pubblicato da Husmann et al. ( 2016 ). La sezione finale del sondaggio includeva ulteriori domande categoriche sui dati demografici di base, come età, sesso, etnia e posizione accademica.

Le domande del sondaggio sulla strategia di studio sono state quindi codificate da entrambi i ricercatori in base alla categoria VARK che meglio si allineava alla domanda. Ad esempio, “Leggere il testo o le tabelle dal libro di testo” è stato classificato come R (lettura/scrittura) mentre “rivedere le figure dal libro di testo” è stato classificato come V (visivo). Queste categorie sono state discusse anche con docenti di anatomia e studenti laureati che hanno prestato servizio come assistenti didattici nel corso per un’ulteriore conferma. Questo sondaggio è stato gestito tramite Qualtrics (Qualtrics, Provo, UT) e impostato dietro un accesso CAS (Central Authentication System) in modo che una versione del Family Educational Rights and Privacy Act (FERPA, 2017 ) potesse essere inclusa nel consenso informato la forma e i voti potrebbero essere abbinati al sondaggio individuale.

VARK e amministrazione dei sondaggi

Gli studenti di Anatomia A215 sono stati invitati a completare il questionario VARK durante le prime due settimane di lezione (VARK, 2017 ). Il collegamento al questionario è stato pubblicato sulla pagina dei compiti e sul calendario della classe. Durante le lezioni sono stati fatti anche annunci. Al termine, agli studenti è stato chiesto di pubblicare una schermata dei risultati VARK sulla pagina di gestione del corso per ottenere un punto di credito extra (vedere Fig. 1 ). Questi risultati includevano un punteggio numerico per ciascuna delle categorie (visiva, uditiva, lettura/scrittura e cinestetica) e ciò che il programma calcolava fosse la preferenza di quell’individuo. I risultati includevano anche collegamenti a strategie di studio che si ritiene siano correlate a ciascuna categoria VARK.

A causa dell’elevato numero di studenti valutati dal programma come multimodali (285 su 417, di cui 170 valutati come quadrimodali), uno degli autori (PH) ha ulteriormente classificato gli studenti in base alla categoria VARK con il punteggio più alto. Questa categoria con il punteggio più alto è stata quindi denominata categoria dominante VARK. Se più categorie avevano lo stesso punteggio più alto, tutte le categorie con quel punteggio più alto venivano incluse come categorie dominanti VARK.

Un collegamento al sondaggio sulle strategie di studio è stato inoltre pubblicato sul sistema di gestione dell’apprendimento e sono stati inclusi fino a due punti di credito aggiuntivi come incentivo. (Questi stessi punti di credito extra potrebbero anche essere assegnati per il completamento di un modulo di compiti online, in modo che non vi sia alcuna coercizione per partecipare al sondaggio.) Anche in questo caso, durante le sessioni di lezione sono stati fatti annunci di promemoria sul sondaggio sulle strategie di studio. Il sondaggio è stato disponibile per due settimane e si è concluso il giorno successivo all’ultimo esame. I punteggi delle strategie di studio sono stati quindi combinati per generare un punteggio totale per le strategie di studio classificate come visive (V), un punteggio totale per le strategie di studio classificate come uditive (A), un punteggio totale per le strategie di studio classificate come lettura/ scrittura (R) e un punteggio totale per le strategie di studio classificate come cinestetiche (K). Questi punteggi sono stati poi divisi per il numero di strategie di studio nell’indagine che rientravano in quella categoria per creare un rapporto poiché non tutte e quattro le categorie avevano un numero uguale di strategie di studio incluse nell’indagine sulla strategia di studio. Pertanto, a ogni studente è stato assegnato un rapporto numerico combinato per le strategie di studio visivo, uno per le strategie di studio uditivo, uno per le strategie di studio di lettura/scrittura e uno per le strategie di studio cinestetico.

Analisi statistica

I dati sono stati valutati per distribuzioni normali e uguaglianza di varianza. È stata confermata l’uguaglianza della varianza. Tuttavia, mentre le distribuzioni normali sono state confermate sulla base di un’analisi visiva degli istogrammi, l’analisi di Kolmogorov-Smirnov è risultata statisticamente significativa con P  < 0,0001. Poiché un test di Kolmogorov-Smirnov statisticamente significativo mette in dubbio la presenza di una distribuzione normale, tutti i risultati includono sia test parametrici che non parametrici. Tutte le statistiche sono state calcolate utilizzando il pacchetto statistico SPSS, versione 24.0 (IBM Corp., Armonk, NY) con un cutoff di P  = 0,05 come soglia per la significatività statistica.

Inizialmente, i totali medi finali tra i campioni per ciascun semestre e la media della classe totale (compresi quelli che non hanno partecipato allo studio) sono stati confrontati utilizzando test t per campione singolo e test dei ranghi con segno di Wilcoxon per determinare se i partecipanti erano rappresentativi dell’intera classe. Questi test a campione singolo erano necessari poiché non era possibile utilizzare i punteggi individuali di coloro che non avevano partecipato (vale a dire, era possibile confrontare solo la media dell’intera classe poiché gli studenti non partecipanti non consentivano ai ricercatori di utilizzare il loro voto individuale dati in questo progetto). I totali dei punti finali nei due semestri valutati sono stati inoltre confrontati utilizzando test t su campioni indipendenti e test Kruskal-Wallis per determinare se le differenze di voto tra i due semestri fossero o meno diverse in modo statisticamente significativo. Sono stati confrontati anche i dati demografici di base tra i semestri per determinare se la composizione demografica della classe fosse coerente (vedere Tabella 1 ).

Tabella 1. Dati demografici e rendimento medio del corso di Anatomia umana di base (A215).

			Prestazione media della lezione finale
Dati demografici	Composizione delle classi autunno 2015 (%)(N = 244)	Composizione delle classi autunno 2016 (%)(N = 179)	Punto totale a (±SD)	% (±DS)
Sesso
Maschio	20.5	22.5	679,2 (±76,9)	84,9 (±9,6)
Femmina	79.1	75,8	671,5 (±87,4)	83,9 (±10,9)
Età
<18	0.4	0	629,6 (N/D)	78,7 (NA)
18-19	29.9	31.9	665,3 (±88,2)	83,2 (±11,0)
20–21	58.2	54.9	677,9 (±81,1)	84,7 (±10,1)
22–23	11.1	8.8	665,4 (±97,7)	83,2 (±12,2)
24+	0.4	2.7	728,7 (±79,5)	91,1 (±9,9)
Etnia
Afroamericano	7	8.8	612,0 (±77,3)	76,5 (±9,7)
indiano americano	0,8	1.6	640,7 (±70,2)	80,0 (±8,8)
Asiatico-americano	9	4.4	699,5 (±79,3)	87,5 (±9,9)
ispanico	1.6	2.7	584,7 (±90,6)	73,1 (±11,3)
Bianco	77,9	78	680,5 (±83,8)	85,1 (±10,5)
Posizione accademica
Matricola	9.4	8.8	689,6 (±84,6)	86,2 (±10,6)
Secondo anno	32.4	35.2	658,9 (±89,5)	82,3 (±11,2)
Junior	37.7	34.6	675,5 (±83,0)	84,4 (±10,4)
Anziano	18.9	18.1	687,8 (±74,5)	86,0 (±9,3)
Ore di studio riferite nella settimana precedente l’esame
0–2	1,75	2,75	611,5 (±106,8)	76,4 (±13,4)
3–5	18.2	20.3	656,8 (±94,2)	82,1 (±11,8)
6–8	34.7	31.3	672,6 (±88,6)	84,1 (±11,1)
9–11	21.4	21.4	684,2 (±76,9)	85,5 (±9,6)
Più di 11	23.8	24.2	682,9 (±74,6)	85,4 (±9,3)

Successivamente, le frequenze relative del numero di categorie preferite nella valutazione VARK generata dal computer e i punteggi di uomini e donne in ciascuna categoria VARK sono stati confrontati utilizzando test t e test U di Mann-Whitney per campioni indipendenti per determinare se questo campione di risultati VARK erano coerenti con quelli precedentemente pubblicati in letteratura. Le correlazioni rho di Pearson e Spearman sono state quindi calcolate tra i punteggi numerici VARK e i totali dei punti finali, così come i test t per campioni indipendenti e i test U di Mann-Whitney tra i binari di valutazione VARK (ad esempio, era V (visivo) parte del loro originale, computer- ha generato una valutazione VARK individualmente o come parte di una valutazione multimodale (sì o no) separatamente per i punteggi di laboratorio e delle lezioni, per determinare se eventuali categorie VARK fossero intrinsecamente utili nella classe indipendentemente dalle strategie di studio impiegate (obiettivo 2a). Sono state poi calcolate le correlazioni rho di Pearson e Spearman tra le strategie di studio e i totali dei punti finali in anatomia per determinare se qualche strategia di studio fosse particolarmente utile per il rendimento della classe, indipendentemente dai risultati VARK (obiettivo 2b).

Infine, la categoria dominante VARK di ciascuno studente è stata confrontata con il rapporto di strategia di studio più alto per vedere se gli studenti allineavano le loro strategie di studio con i risultati VARK (obiettivo 1). Se queste due variabili concordavano (ad esempio, uditivo [A] era la categoria del loro punteggio VARK più alto e avevano il rapporto più alto per le strategie di studio uditivo), allora venivano classificate come “d’accordo”. Se le due variabili erano diverse (ad esempio, la cinestetica era la categoria del loro punteggio VARK più alto, ma avevano il rapporto più alto per le strategie di studio di lettura/scrittura), allora venivano classificate come “in disaccordo”. Sono stati poi calcolati i t -test per campioni indipendenti e i test U di Mann-Whitney tra i gruppi “d’accordo” e “non d’accordo” per determinare se gli studenti che utilizzavano strategie di studio in linea con la loro categoria dominante VARK avevano totali dei punti finali diversi in modo statisticamente significativo nel corso rispetto a quegli studenti le cui strategie di studio e la categoria dominante VARK non erano allineate (obiettivo 2). Questi confronti sono stati calcolati anche per ogni singola categoria dominante VARK rimuovendo gli individui multimodali, in modo da ridurre l’influenza di quegli studenti che avevano più categorie dominanti (il che aumenterebbe la probabilità di accordo).

Risultati

Durante il semestre autunnale 2015, 244 studenti su 390 hanno completato sia il questionario VARK che il sondaggio sulla strategia di studio. Durante il semestre autunnale 2016, 182 studenti su 377 hanno completato sia il questionario VARK che il sondaggio sulla strategia di studio. La dimensione totale del campione per entrambi i semestri era di 426, anche se alcune domande sono state lasciate in bianco o le valutazioni VARK erano incomplete, con il risultato di dimensioni del campione leggermente inferiori per alcune analisi.

Per la classe dell’autunno 2015, la media del corso era dell’80,3% con una media dell’83,12%, mentre la media per il nostro campione di quel semestre era dell’84,04% con una media dell’86,15%. Per la classe dell’autunno 2016, la media del corso era dell’80% con una media dell’84,22%, mentre la media per il nostro campione di quel semestre era dell’84,28% con una media dell’86,69%. I t-test per campioni singoli hanno rivelato una differenza statisticamente significativa tra la percentuale media finale per il campione e la classe in generale ( P  < 0,0001) per ciascun semestre, mentre i test per ranghi con segno di Wilcoxon hanno rilevato una differenza statisticamente significativa anche per il semestre autunnale 2015 ( P  = 0,012) e una differenza lieve, ma statisticamente non significativa per il semestre autunnale 2016 ( P  = 0,300). Questi risultati suggeriscono che gli studenti che hanno partecipato a questo progetto hanno ottenuto, almeno in generale, risultati migliori rispetto allo studente medio nel corso in entrambi i semestri. Tuttavia, sul nostro campione sono stati calcolati test t e test Kruskal-Wallis di campioni indipendenti per verificare differenze statisticamente significative nella media dei punti totali guadagnati tra i due semestri. Poiché non sono state riscontrate differenze statisticamente significative ( P  = 0,818 parametrico, P  = 0,690 non parametrico), tutte le ulteriori analisi sono state calcolate combinando i dati di entrambi i semestri.

La Figura 2 mostra le frequenze relative per il numero di categorie preferite nella valutazione VARK. In particolare, emerge che oltre il 40% degli studenti è stato valutato come quadrimodale, ovvero forte in tutte e quattro le categorie VARK. La Figura 3 mostra la distribuzione delle categorie dominanti VARK negli studenti A215. Gli studenti i cui punteggi dominanti sono pari sono inclusi nei conteggi di tutte le categorie che hanno ottenuto il punteggio più alto. Dato che studi precedenti di Wehrwein et al. ( 2007 ), Dobson ( 2009 ) e Farkas et al. ( 2015 ) avevano riscontrato differenze di genere nei risultati VARK, sono stati calcolati confronti parametrici e non parametrici per i punteggi numerici di maschi e femmine in ciascuna categoria VARK (Tabella 2 ). Mentre è stato riscontrato che le donne avevano punteggi numerici più alti in tutte e quattro le categorie VARK, queste differenze erano statisticamente significative solo nella categoria R (lettura/scrittura).

Tabella 2. Differenze della categoria VARK tra maschi (M) e femmine (F). (a)

	Punteggio VARK medio	punteggio t	Valore P	Mann-Whitney U	Valore P
Visivo	M: 5,85P: 6.53	−1.814	0,070	12159.5	0,088
Uditivo	M: 6.44P: 6.53	−0,259	0,796	13604.5	0,830
Lettura/Scrivere	M: 5.54P: 6.57	−2.642	0,009 a	11141	0,006 a
Cinestesico	M: 8.07F: 8.06	0,025	0,980	13520	0,762

Le correlazioni parametriche e non parametriche tra i punteggi numerici VARK e i voti finali (Tabella 3 ) mostrano che i punteggi VARK hanno tutti correlazioni positive tra loro tranne che tra le categorie R e K, ma nessuna correlazione con i punti totali guadagnati nella classe di anatomia. Non è stata trovata alcuna correlazione statisticamente significativa tra i punteggi numerici VARK e i totali dei punti delle lezioni o dei laboratori. Sulla base delle correlazioni tra i punteggi V, A, R e K, è stato ipotizzato che alcuni studenti ambiziosi potrebbero semplicemente utilizzare più approcci in tutte le categorie per cercare di migliorare i propri voti. Tuttavia, non è stata trovata alcuna correlazione statisticamente significativa tra i rapporti medi in tutte le categorie di strategia dello studio VARK e i punti totali finali della classe (Pearsons = -0,041, P  = 0,403, Spearmans = -0,060, P  = 0,219). Questi risultati suggeriscono che gli studenti che utilizzano più strategie di studio nelle categorie VARK non ottengono punteggi finali più alti nella classe rispetto ai loro coetanei.

Tabella 3. Correlazioni tra i punteggi della categoria VARK e i voti finali

Categoria VARK	Test statistici e dimensioni del campione	Punti totali di anatomia	Punti di laboratorio	Punti della lezione	Visivo	Uditivo	Lettura/scrittura
Visivo
	Correlazione (P/S) b	0,075/0,089	0,085/0,086	0,060/0,072	XXXXXX c
	Significato ( P ) a	0,126/0,070	0,085/0,080	0,224/0,142
	N	414	414	414
Uditivo
	Correlazione (P/S)	0,068/0,074	0,073/0,093	0,056/0,056	0,226/0,209d	XXXXXX
	Significato ( P )	0,170/0,134	0,138/0,059	0,253/0,254	<0,0001/<0,0001
	N	414	414	414	414
Lettura/scrittura
	Correlazione (P/S)	0,030/0,050	0,008/0,040	0,045/0,055	0,147/0,150	0,203/0,232	XXXXXX
	Significato ( P )	0,538/0,307	0,863/0,417	0,358/0,268	0,003/0,002	<0,0001/<0,0001
	N	414	414	414	414	414
Cinestesico
	Correlazione (P/S)	0,008/0,016	0,046/0,046	−0,024/–0,009	0,353/0,344	0,372/0,359	0,076/0,075
	Significato ( P )	0,875/0,748	0,354/0,350	0,622/0,859	<0,0001/<0,0001	<0,0001/<0,0001	0,121/0,127
	N	414	414	414	414	414	414

Sono stati eseguiti anche confronti dei voti finali tra i sistemi binari di valutazione VARK (sì/no, incluso quando la categoria fa parte di bimodale, trimodale, ecc.) e non hanno prodotto risultati statisticamente significativi (Tabella 4 ). Pertanto, anche l’essere classificato (o non essere classificato) come una particolare categoria VARK, come V (visivo), non è correlato a gradi più alti o più bassi in anatomia. I confronti tra i binari di valutazione VARK sono stati calcolati anche separatamente per i punteggi degli esami di laboratorio e delle lezioni per determinare se una qualsiasi categoria VARK è associata a punteggi più alti o più bassi nelle lezioni o in laboratorio separatamente, ma non sono stati trovati risultati statisticamente significativi. Questi risultati indicano che se uno studente è stato valutato dal modello VARK come “forte” in ciascuna delle categorie (come punteggio dominante individuale o come parte di un punteggio dominante multimodale) non era associato a un punteggio totale statisticamente più alto o più basso in lezione nel suo complesso oppure in lezioni frontali o in laboratorio separatamente.

Tabella 4. Confronto dei voti finali tra coloro che erano e non erano classificati in ciascuna delle categorie VARK

Categoria VARK e punti guadagnati in A215	Totale punti medi per quelli inclusi in questa categoria (± DS)	Totale punti medi per quelli non inclusi (±SD)	t -punteggi	Valore P	Mann-Whitney U	Valore P
Visivo
Totale	677,4 (±83,9)	670,6 (±84,2)	−0,697	0,486	18898.0	0,361
Laboratorio	342,2 (±39,8)	336,8 (±40,7)	−1.330	0,184	18342.5	0,165
Conferenza	335,1 (±48,8)	333,8 (±48,9)	−0,272	0,786	19606.0	0,759
Uditivo
Totale	673,6 (±84,5)	676,3 (±83,6)	0,446	0,655	19766.0	0,756
Laboratorio	340,0 (±41,1)	340,2 (±38,8)	0,053	0,958	19900.0	0,845
Conferenza	333,6 (±48,1)	336,1 (±49,9)	0,505	0,614	19410.0	0,539
Lettura/scrittura
Totale	673,2 (±86,1)	677,1 (±80,8)	0,442	0,659	19522.5	0,792
Laboratorio	338,7 (±41,9)	342,4 (±37,3)	0,908	0,365	19094.0	0,528
Conferenza	334,6 (±49,1)	334,7 (±48,6)	0,025	0,980	19812.5	0,989
Cinestesico
Totale	674,7 (±84,0)	674,7 (±84,5)	0,139	0,889	13636.5	0,989
Laboratorio	340,2 (±40,1)	339,6 (±40,5)	−0,133	0,894	13578.0	0,941
Conferenza	334,5 (±48,8)	335,6 (±49,4)	0,112	0,911	13575.0	0,919

Sono state calcolate anche correlazioni parametriche e non parametriche tra le strategie di studio e il punto totale finale in anatomia (Tabella 5 ). Queste correlazioni hanno mostrato correlazioni negative statisticamente significative con l’uso di domande pratiche, libri da colorare, flashcard, altri libri di testo e altri siti web, il che suggerisce che un maggiore utilizzo di queste risorse era più comune negli studenti con punteggi totali più bassi nella classe. Sono state trovate correlazioni positive statisticamente significative tra il punteggio totale finale e l’uso del microscopio virtuale e degli appunti, suggerendo che un maggiore utilizzo di queste risorse era più comune negli studenti con punteggi totali più alti nella classe.

Tabella 5. Correlazioni tra strategia di studio e voto finale

Strategia di studio utilizzata, per risposta al sondaggio	Correlazione di Pearson con il totale del punto finale (r)	Valore P	Correlazione Rho di Spearman con il punto totale finale	Valore P
Uso di domande pratiche	–0,155	0,001	–0,105	0,003
Utilizzo del microscopio virtuale	0,127	0,009	0,090	0,017
Utilizzo degli appunti delle lezioni	0,122	0,012	0,126	0,001
Uso del libro da colorare	– 0,236	0.000	– 1,71	<0,0001
Utilizzo delle Flashcard	– 0,114	0,019	– 0,096	0,007
Utilizzo di altri libri di testo	– 0,124	0,010	– 0,114	0,003
Utilizzo di siti Web esterni	– 0,363	0.000	– 0,273	<0,0001
Crea le tue Flashcard	– 0,148	0,002	– 0,111	0,002

Ulteriori risultati interessanti sono stati ottenuti confrontando le categorie dominanti VARK degli studenti e il loro rapporto di strategia di studio più elevato. Solo il 32,85% degli studenti aveva strategie di studio dominanti che concordavano con la categoria dominante VARK. Si è scoperto che il restante 67,15% degli studenti utilizzava preferenzialmente strategie di studio che non si adattavano alla categoria dominante VARK.

I confronti tra coloro il cui rapporto di strategie di studio più alto e la categoria VARK dominante concordano rispetto a quelli le cui strategie di studio e categoria VARK dominante non concordano non hanno rivelato differenze statisticamente significative nei gradi anatomici finali (Tabella 6 ). Sono stati eseguiti anche t -test per campioni indipendenti tra individui “d’accordo” e “in disaccordo” per ciascuna categoria dominante VARK, rimuovendo gli individui multimodali per ridurre l’influenza di quegli studenti che avevano più categorie dominanti (il che aumentava le possibilità di accordo), ma non c’erano non esistevano ancora differenze statisticamente significative. Questi risultati indicano che il fatto che gli studenti utilizzassero o meno strategie di studio coerenti con le loro categorie dominanti VARK non era associato a punteggi totali più alti o più bassi in modo statisticamente significativo nella classe.

Tabella 6. Confronto dei voti finali tra studenti le cui strategie di studio concordano con la loro valutazione VARK e studenti le cui strategie di studio non concordano con la loro valutazione VARK

Categoria VARK	La categoria VARK dominante è d’accordo o in disaccordo con la strategia di studio?	Voti finali medi (%)	t -punteggi	Valore P	Mann-Whitney U	Valore P
Visivo	D’accordo (n=14)	88,88	−1.252	0,216	254	0,277
	Non è d’accordo (n=45)	85,50
Uditivo	D’accordo (n=22)	85.46	−0,503	0,617	482	0,753
	Non è d’accordo (n=46)	84.20
Lettura/scrittura	D’accordo (n=36)	80.46	1.641	0,105	660	0,202
	Non è d’accordo (n=44)	85.16
Cinestesico	D’accordo (n=30)	83.37	0,095	0,924	1614	0,742
	Non è d’accordo (n=112)	83,59
Tutte le categorie	D’accordo (n=136)	83,94	0,470	0,639	18779.5	0,927
	Non è d’accordo (n=278)	84,45

Discussione

I risultati sopra dettagliati dimostrano che la stragrande maggioranza (67%) degli studenti ha utilizzato strategie di studio che non erano coerenti con la categoria VARK con il punteggio più alto (obiettivo 1). Inoltre, gli studenti che hanno utilizzato strategie di studio coerenti con la categoria VARK con il punteggio più alto non hanno ottenuto risultati significativamente diversi nella classe rispetto a quegli studenti che non hanno utilizzato le strategie di studio consigliate da VARK (obiettivo 2). Inoltre, nessuna categoria VARK specifica è stata associata a risultati migliori nello studio A215: Anatomia umana di base (obiettivo 2a). Invece, è stato riscontrato che strategie di studio specifiche come l’uso di siti Web esterni o flashcard hanno una correlazione negativa significativa con i totali dei punti finali, mentre l’uso degli appunti forniti e del microscopio virtuale ha dimostrato di avere una relazione positiva con i voti finali (obiettivo 2b).

Precedenti ricerche utilizzando il questionario sullo stile di apprendimento VARK hanno rilevato che il cinestetico era la categoria di stile di apprendimento più comune per gli studenti universitari in scienze della salute (Alkhasawneh et al., 2008 ; Breckler et al., 2009 ; James et al., 2011 ). Il presente studio ha inoltre riscontrato che la cinestetica è la categoria più popolare tra gli studenti di Anatomia A215. Uno studio che contraddice questa tendenza è la ricerca di Dobson ( 2009 ), che ha scoperto che lo stile di apprendimento cinestetico era segnalato meno negli studenti universitari del primo e del secondo anno. Tuttavia, il fatto che abbia utilizzato solo tre domande del questionario VARK e poi abbia chiesto agli studenti di autoidentificare la loro preferenza per la categoria VARK (cosa che Breckler et al. 2009 avevano dimostrato che la maggior parte degli studenti non poteva fare con precisione) potrebbe aver distorto i suoi risultati.

Osservando il numero di categorie VARK preferite dagli studenti, ricerche precedenti avevano mostrato i seguenti intervalli: 13,8–69,9% unimodale, 11,7–72% bimodale, 10,8–42,5% trimodale e 0–56,3% quadrimodale con un combinato 30,1–86,8 % considerata multimodale (Drago e Wagner, 2004 ; Murphy et al., 2004 ; Lujan e DiCarlo, 2006 ; Baykan e Naçar, 2007 ; Wehrwein et al., 2007 ; Breckler et al., 2009 ; Leite et al., 2010 ; Nuzhat et al., 2011 ; Alkhasawneh, 2013 ; Samarakoon et al., 2013 ; Peyman et al., 2014 ; Prithishkumar e Michael, 2014 ; Urval et al., 2014 ; Farkas et al., 2015 ; Meyer et al., 2015 ; Balasubramaniam e Indhu, 2016 ; O’Mahony et al., 2016 ). Anche la presente ricerca si adatta bene a questi intervalli con il 31,65% unimodale, il 14,87% bimodale, il 12,71% trimodale e il 40,77% quadrimodale (con un errore standard della media di 0,064) per un multimodale combinato del 68,35%. In quanto tale, questa ricerca e il campione di studenti possono essere considerati una rappresentazione abbastanza tipica di una popolazione VARK universitaria e il confronto dei risultati di questa ricerca con altre ricerche VARK è appropriato.

Obiettivo 2a: Correlazioni tra rendimento del corso e categorie VARK

Nessuna delle categorie VARK è risultata correlata ai voti finali in anatomia, il che è coerente con la ricerca precedente nei corsi di anatomia degli studenti di medicina del primo anno (Urval et al., 2014 ; O’Mahony et al., 2016 ). Tuttavia, altri non sono d’accordo con questa scoperta. Dobson ( 2009 ) ha scoperto che gli stili di apprendimento erano correlati ai voti finali di fisiologia, ma, ancora una volta, ha utilizzato solo una piccola parte del questionario VARK. Kim e colleghi hanno anche scoperto che le preferenze della categoria VARK erano associate a differenze nell’esame di specializzazione in chirurgia (Kim et al., 2015 ) e con i punteggi dello Step 1 degli intervistati in specializzazione chirurgica (Kim et al., 2016 ), sebbene le dimensioni dei suoi campioni fossero a volte poco robusti e bisogna ammettere che gli specializzandi sono una popolazione sostanzialmente diversa da un corso di anatomia di 200 livelli. Essendo almeno da cinque a dieci anni avanti nei loro studi (e avendo avuto abbastanza successo da ottenere l’ammissione e laurearsi in medicina), è più probabile che i residenti abbiano già capitalizzato i punti di forza della loro strategia di studio rispetto agli studenti universitari in un corso di anatomia di 200 livelli.

Nel presente studio, quasi tutti i punteggi della categoria VARK erano correlati tra loro. Questa scoperta è simile allo studio di Drago e Wagner ( 2004 ), che ha scoperto che le categorie visive, uditive e cinestetiche erano tutte collegate. Sulla base di queste prove, è stato ipotizzato che alcuni studenti, in particolare le donne poiché avevano risposte numeriche più elevate in tutte e quattro le categorie VARK, potrebbero semplicemente utilizzare più approcci allo studio nel tentativo di migliorare i loro voti. Tuttavia, non è stata trovata alcuna forte correlazione tra i punteggi combinati delle strategie di studio in tutte le categorie VARK e i voti finali, il che avrebbe indicato che l’utilizzo di più strategie di studio in tutte le categorie VARK era un metodo efficace per migliorare le prestazioni del corso. Pertanto, sebbene le categorie VARK siano correlate tra loro, questi risultati non dimostrano alcuna relazione tra i voti finali e la preferenza di una categoria VARK rispetto a un’altra.

Obiettivo 2b: Correlazioni tra rendimento del corso e strategie di studio

Le strategie di studio comunemente riportate dagli studenti universitari di anatomia nel presente studio erano anche coerenti con quelle della letteratura pubblicata in precedenza. L’uso di risorse esterne (ad esempio, altri testi, siti web, ecc.) è stato discusso anche da Gallard-Echenique et al. ( 2016 ), che hanno scoperto che gli studenti dei corsi di prerequisito infermieristico erano più propensi a cercare informazioni online o a capirle da soli piuttosto che a chiedere a un professore o un tutor. Sfortunatamente, questo uso di risorse esterne precedentemente riportato non sembra essere particolarmente efficace nel presente studio, date le correlazioni negative con i gradi anatomici finali.

Sono state osservate correlazioni negative anche tra l’uso di flashcard e domande pratiche rispetto al voto finale di anatomia. Questi risultati sono stati sorprendenti, data l’ampia ricerca condotta da Karpicke (Roediger e Karpicke, 2006 ; Karpicke e Bauernschmidt, 2011 ; Karpicke e Blunt, 2011 ) e Dobson (Dobson e Linderholm, 2015 ; Dobson et al., 2017 ) sui benefici di autotest per la conservazione delle informazioni. Tuttavia, i nostri risultati concordano con il lavoro di Felicilda-Reynaldo et al. ( 2017 ), che hanno scoperto che l’anatomia era uno dei corsi prerequisiti infermieristici più comunemente associati alla memorizzazione meccanica e che le flashcard erano la strategia più comune per tale memorizzazione. Inoltre, Ye et al. ( 2016 ) hanno dimostrato con gli studenti universitari di chimica che questa memorizzazione meccanica era associata a voti finali più bassi, abilità metacognitive inferiori e tratti affettivi più poveri (ad esempio, autoefficacia). Hartwig e Dunlosky ( 2012 ) nella loro indagine sugli studenti introduttivi di psicologia hanno anche trovato una distinzione nei resoconti degli studenti tra l’autotest e l’uso delle flashcard. Suggeriscono che gli studenti potrebbero non utilizzare le flashcard per auto-quiz (ad esempio, gli studenti potrebbero semplicemente leggerle) o che le flashcard potrebbero includere solo informazioni di base, non ottenendo così le connessioni maggiori e la comprensione più profonda necessarie per gli esami. Di conseguenza, l’uso delle flashcard può indicare strategie di memorizzazione meccanica non compatibili con le connessioni tra le informazioni e la capacità di applicare quanto appreso.

Anche l’associazione negativa tra l’uso di domande pratiche e il voto finale di anatomia è stata sorprendente, ma questi risultati potrebbero essere correlati al fatto che gli studenti utilizzano domande pratiche che non sono indicative del livello o del contenuto dell’esame. Ad esempio, il libro di testo richiesto per questo corso include domande pratiche, alcune delle quali non sono il tipo di domande viste negli esami e/o coprono contenuti non richiesti per questo corso (ad esempio, embriologia). Se queste domande sono quelle utilizzate dagli studenti, la mancanza di allineamento con le domande dell’esame del corso potrebbe contribuire a questa correlazione negativa.

Correlazioni positive tra strategie di studio e voti finali includevano l’uso degli appunti delle lezioni e l’uso del microscopio virtuale. Risultati simili per le presentazioni o gli appunti delle lezioni sono stati trovati in precedenza purché lo studente sia in grado di concentrarsi sugli appunti e vengano presi frequentemente appunti aggiuntivi (Nonis e Hudson, 2010 ; Advokat et al., 2011 ; Felicilda-Reynaldo et al., 2017 ). Anche l’associazione positiva con l’uso del microscopio virtuale non sorprende, data la quantità di istologia (fino al 25% per ogni esame di laboratorio) che gli studenti sono tenuti a conoscere sia per le lezioni frontali che per gli esami di laboratorio. Precedenti ricerche hanno anche indicato che uno dei vantaggi del microscopio virtuale più apprezzati dagli studenti è la possibilità di utilizzarlo da casa o da altri luoghi (Husmann et al., 2009 ) rispetto ai modelli o ai cadaveri processati associati al laboratorio di anatomia , che non possono lasciare il laboratorio. Una possibile spiegazione per il presente risultato è che la correlazione positiva tra l’uso del microscopio virtuale e i totali dei punti finali può anche riguardare gli studenti che trascorrono più tempo con il materiale al di fuori della classe (possibilmente utilizzando il microscopio virtuale) avendo più successo rispetto a quegli studenti che lo fanno. non.

Nel complesso, è stato riscontrato che molte delle strategie di studio con cui gli studenti di Anatomia A215 potrebbero trovarsi più a loro agio (ad esempio flashcard, siti Web, ecc.) hanno correlazioni negative con i totali dei punti finali, mentre l’uso degli appunti delle lezioni e della microscopia virtuale è risultato essere hanno correlazioni positive. Una spiegazione di questi risultati potrebbe essere la premessa di Bjork e Bjork ( 2014 ) sulla “difficoltà desiderabile” per un dato compito. Questa premessa afferma che i compiti a cui è associato un certo grado di difficoltà saranno più utili per l’apprendimento rispetto a quelli che non sono difficili. Pertanto, compiti “desiderabilmente difficili” (come risolvere un problema complesso o trovare tipi di cellule utilizzando il microscopio virtuale) aiuteranno gli studenti ad apprendere meglio rispetto a compiti passivi come utilizzare un motore di ricerca web per trovare risposte o leggere flashcard (grassetto d.r.). Una spiegazione alternativa, o forse supplementare, per l’uso da parte degli studenti di strategie di studio meno efficaci può riguardare i circuiti di neurofeedback che si sviluppano attorno allo studio. Fitkov-Norris e Yeghiazarian ( 2013 ) hanno scoperto che le strategie di studio utilizzate frequentemente possono diventare vere e proprie abitudini di studio attraverso i circuiti di neurofeedback. Man mano che questi cicli di feedback si sviluppano nel tempo, potrebbe essere sempre più difficile per gli studenti cambiare le strategie di studio che stanno utilizzando.

Obiettivi 1 e 2: Allineamento tra categorie VARK e strategie di studio

Confrontando le categorie VARK con le strategie di studio utilizzate dagli studenti (obiettivo 1), due terzi degli studenti non hanno riferito di utilizzare strategie di studio in linea con la loro categoria dominante VARK. Tuttavia, Fleming sostiene che “l’adozione di comportamenti di apprendimento in linea con le proprie preferenze ha maggiori probabilità di portare a risultati di apprendimento positivi rispetto all’adozione di strategie alternative che sono opposte alle proprie preferenze” (Fleming, 2012a ). Sfortunatamente, anche quando le strategie di studio erano allineate ai comportamenti raccomandati in questo studio, non sono stati osservati benefici per il grado anatomico finale (obiettivo 2) e Fleming non fornisce citazioni a sostegno della sua affermazione. Pertanto, fornire agli studenti le preferenze della categoria VARK potrebbe non essere effettivamente vantaggioso per gli studenti poiché la maggior parte degli studenti non cambia le proprie strategie di studio e, anche se lo fanno, non sembrano esserci effetti apprezzabili sul rendimento del corso.

Limitazioni

Ci sono alcune limitazioni a questo studio. Il tasso di partecipazione a questo studio è leggermente inferiore al previsto (55,5%) ed è presente qualche distorsione nella selezione, probabilmente prodotta dall’uso di crediti extra (anche se <1% del voto finale) come incentivo alla partecipazione. È possibile che gli studenti più motivati ​​fossero propensi a partecipare per ottenere punti di credito extra, anche se questi punti erano trascurabili rispetto al voto finale di anatomia. Tuttavia, anche se tutti gli studenti che non hanno partecipato avessero studiato in conformità con le loro preferenze nella categoria VARK, questi studenti avrebbero comunque ottenuto risultati più scarsi nel corso rispetto agli studenti che hanno partecipato, e quindi è improbabile che le nostre conclusioni generali sarebbero diverse . Va anche notato che le nostre analisi hanno avuto un numero variabile di studenti valutati in varie categorie (ad esempio, Tabella 6 ). Ciò può potenzialmente aumentare la probabilità dell’errore di tipo 2. Inoltre, tutte le strategie di studio qui discusse sono state auto-riferite. Pertanto, è possibile che gli studenti non abbiano riportato accuratamente come si sono preparati per gli esami. C’è stato anche qualche disaccordo sull’allineamento tra alcune strategie di studio e la categoria VARK ad esse associata. Ad esempio, l’uso degli appunti delle lezioni era generalmente considerato una strategia R (lettura/scrittura), ma potrebbe anche essere considerato una strategia V (visiva) se fossero incluse anche le immagini. (Le immagini non sono state incluse negli appunti delle lezioni per il presente studio.) Tuttavia, se la facoltà e gli AT che hanno determinato quali strategie di studio si adattano a quale categoria VARK non sono riusciti a raggiungere un consenso generale, allora la strategia/domanda di studio non è stata utilizzata così per non distorcere i risultati. Questa ricerca non è stata inoltre in grado di controllare altre variabili di fondo che potrebbero influire sulle prestazioni degli studenti, come la capacità di sostenere i test di base, come potrebbe essere indirettamente indicato dai punteggi dello Scholastic Assessment Test/American College Testing (SAT/ACT), le medie dei voti complessivi, ulteriori responsabilità lavorative o domestiche durante il semestre, se uno studente era destinato all’università di prima generazione e così via. Pertanto, potrebbero esserci ulteriori fattori che hanno influito sul rendimento degli studenti, indipendentemente dalla preferenza della categoria VARK e dalle strategie di studio dello studente. Infine, è possibile che questo particolare corso di anatomia universitaria non sia del tutto rappresentativo di altri corsi di anatomia universitaria; Sono necessarie ulteriori ricerche con altre classi di anatomia per vedere se i risultati della ricerca si applicano ad altre popolazioni studentesche.

Conclusioni

L’inventario degli stili di apprendimento VARK (Fleming e Mills, 1992 ) ha il potenziale per consentire agli individui di riflettere su come apprendono e incoraggiare gli studenti ad adottare strategie di studio che potrebbero funzionare meglio per loro rispetto alle strategie esistenti. Gli obiettivi del presente studio erano valutare se gli studenti universitari di anatomia sviluppano e utilizzano strategie di studio coerenti con i loro ipotetici stili di apprendimento e, in caso affermativo, questo allineamento è correlato ai risultati del corso. Sfortunatamente, mentre molti studenti trovano interessante il test VARK, gli studenti universitari di anatomia coinvolti in questa ricerca non hanno utilizzato i risultati di VARK per apportare modifiche alle loro strategie di studio. Gli studenti potrebbero essere restii ad abbandonare le strategie di studio che hanno utilizzato in passato e che sono comode e facili (Bjork e Bjork, 2014 ) o che sono diventate vere e proprie abitudini (Fitkov-Norris e Yeghiazarian 2013 ), ma potrebbero invece aggrapparsi alle loro idee sbagliate su come pensano di apprendere meglio o su come ci si aspetta che imparino. Tuttavia, c’è ancora qualche speranza di aiutare questi studenti. L’istruzione esplicita sulle strategie di studio basate sull’evidenza può aiutare gli studenti a sviluppare meglio strategie di studio che siano veramente utili (McCabe, 2011 ). Pertanto, la ricerca futura dovrebbe concentrarsi sul continuare a definire queste strategie di studio basate sull’evidenza.

La presente ricerca dimostra inoltre che anche gli studenti che hanno utilizzato strategie di studio coerenti con la loro categoria dominante VARK non hanno avuto un successo maggiore nel corso. Questi risultati attuali, insieme ad ampi studi precedenti sui miti degli stili di apprendimento (ad esempio, Pashler et al., 2009 ) forniscono una forte prova che insegnanti e studenti non dovrebbero promuovere il concetto di stili di apprendimento per lo studio e/o per gli interventi didattici. Pertanto, il detto “non posso imparare la materia X perché apprendo visivamente” dovrebbe essere messo a tacere una volta per tutte.

Ringraziamenti

Gli autori desiderano ringraziare tutti i nostri studenti di anatomia, laureati in AT e UTA, nonché il nostro consulente statistico Michael Frisby, senza il quale questa ricerca non sarebbe possibile. Gli autori desiderano inoltre ringraziare i nostri revisori ed editori per aver contribuito a perfezionare questo studio. I risultati iniziali sono stati presentati alle riunioni annuali del 2016 e del 2017 della Human Anatomy and Physiology Society. Gli autori non hanno conflitti di interesse da rivelare.

Note sui contributori

POLLY R. HUSMANN, Ph.D., è assistente professore di anatomia e biologia cellulare nel programma di scienze mediche presso la Indiana University School of Medicine, Bloomington, Indiana. Insegna anatomia a studenti di medicina, laureati e universitari e conduce ricerche educative su fattori esterni alla classe che influenzano l’apprendimento degli studenti.

VALERIE DEAN O’LOUGHLIN, Ph.D., è professoressa di anatomia e biologia cellulare nel programma di scienze mediche presso la Indiana University School of Medicine, Bloomington, Indiana, dove insegna anatomia umana agli studenti universitari, anatomia generale medica e metodi pedagogici nelle scienze della salute. I suoi interessi di ricerca riguardano l’educazione all’anatomia e lo sviluppo pedagogico dell’assistente all’insegnamento.