Математична модель навчання програмуванню: переваги STEAM-підходу в середній школі

A Mathematical and Statistical Model for Teaching Algorithmization and Programming in STEAM-Based Middle School Education

  • Автори: Хаїтова Діловар, Хазратов Фазліддін
  • Рік публікації: 2026
  • Журнал / джерело:  Universal Journal of Academic and Multidisciplinary Research (UJAMR) 
  • Тип дослідження: Квазіекспериментальне (контрольна та експериментальна групи по 15 учнів)
  • Контекст / країна: Узбекистан, учні 7-х класів середньої школи

Автори шукали спосіб зробити уроки програмування та алгоритмізації цікавішими та ефективнішими для підлітків. Замість звичайного вивчення синтаксису мов програмування, учням запропонували STEAM-підхід: вирішення реальних проблем через створення цифрових артефактів та інженерний дизайн. Головною метою було створити точну математичну формулу (індекс), яка б дозволила об’єктивно виміряти не лише вміння писати код, а й розвиток логічного мислення, математичних здібностей та технологічної грамотності учнів одночасно.

Подвійна ефективність: Середній приріст знань в експериментальній групі (STEAM) був майже вдвічі вищим (27.2 бала), ніж у групі з традиційним навчанням (13.5 бала).
Прорив у логіці та кодуванні: Найбільший прогрес зафіксовано в алгоритмічному мисленні та навичках написання коду — показники зросли на понад 32 пункти.
Інтеграція як ключ: Об’єднання програмування з інженерним дизайном допомагає учням краще розуміти абстрактні математичні концепції та застосовувати їх на практиці.
Технологічна грамотність: Учні STEAM-групи показали вдвічі кращий рівень володіння цифровими інструментами завдяки роботі над реальними проєктами.
Математичне обґрунтування: Розроблений інтегральний індекс підтвердив, що успіх у програмуванні прямо залежить від збалансованого розвитку всіх п’яти компонентів STEAM.

  • Мала вибірка: У дослідженні взяли участь лише 30 учнів (по 15 у кожній групі), що потребує перевірки на більших аудиторіях.
  • Короткий термін: Експеримент тривав лише один навчальний період, тому неможливо оцінити, наскільки добре знання збережуться через довгий час
  • Суб’єктивність ваг: Вагові коефіцієнти в індексі (наприклад, 35% для програмування) були визначені авторами курсу, і їх зміна може вплинути на фінальні результати.