Szegregált és integrált oktatás játékelméleti szimulációja

Hasonló dokumentumok
Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Multikulturális nevelés Inkluzív nevelés. Dr. Nyéki Lajos 2016

Kvantitatív módszerek

Transzformátor rezgés mérés. A BME Villamos Energetika Tanszéken

Makroökonómia. 6. szeminárium

Nagy Péter: Fortuna szekerén...

Demográfiai modellek (folytatás)

Makroökonómia. 7. szeminárium

Korreferátum Havas Gábor előadásához

Conway életjátéka (Conway' s Game of Life)

A matematikai feladatok és megoldások konvenciói

Szennyezőanyagok terjedésének numerikus szimulációja, MISKAM célszoftver

1. Példa. A gamma függvény és a Fubini-tétel.

Osztott algoritmusok

PRÓBAÉRETTSÉGI VIZSGA

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban?

ELEKTRONIKAI ALAPISMERETEK

ÁRAMKÖRÖK SZIMULÁCIÓJA

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal

Mérési adatok illesztése, korreláció, regresszió

HÍDTARTÓK ELLENÁLLÁSTÉNYEZŐJE

Az SPC (statisztikai folyamatszabályozás) ingadozásai

MATEMATIKA ÍRÁSBELI VIZSGA május 5.

Gyalogos elütések szimulációs vizsgálata

Prímszámok statisztikai analízise

Regresszió. Fő cél: jóslás Történhet:

First Prev Next Last Go Back Full Screen Close Quit

Matematika III előadás

ELEKTRONIKAI ALAPISMERETEK

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus.

Suliprogram. Vizsgakövetelmények

Hraskó András, Surányi László: spec.mat szakkör Tartotta: Hraskó András. 1. alkalom

Gettósodás, mint szociális probléma

HÁZI FELADAT PROGRAMOZÁS I. évf. Fizikus BSc. 2009/2010. I. félév

Monte Carlo módszerek a statisztikus fizikában. Az Ising modell. 8. előadás

Forgalmi modellezés BMEKOKUM209

Számítógépes döntéstámogatás. Genetikus algoritmusok

Pontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20.

Projektfeladatok 2014, tavaszi félév

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Matematikai modellek. Nagyprojekt

FIZIKA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ

Példa: Háromszög síkidom másodrendű nyomatékainak számítása

Általános iskolai feladatellátási helyek tanulói megoszlása fenntartói típusonként

Hő- és füstelvezetés, elmélet-gyakorlat

OPERÁCIÓKUTATÁS, AZ ELFELEDETT TUDOMÁNY A LOGISZTIKÁBAN (A LOGISZTIKAI CÉL ELÉRÉSÉNEK ÉRDEKÉBEN)

PRÓBAÉRETTSÉGI MEGOLDÁSA: MATEMATIKA, KÖZÉP SZINT. 3, ahonnan 2 x = 3, tehát. x =. 2

Hő- és füstelvezetés, elmélet-gyakorlat

8. feladatsor: Többváltozós függvények határértéke (megoldás)

Matematika A 9. szakiskolai évfolyam. 16. modul EGYBEVÁGÓSÁGOK. Készítette: Vidra Gábor

Statisztika I. 13. előadás Idősorok elemzése. Előadó: Dr. Ertsey Imre

REGIONÁLIS KLÍMAMODELLEZÉS AZ OMSZ-NÁL. Magyar Tudományos Akadémia szeptember 15. 1

Feladatok Házi feladat. Keszeg Attila

Feladatok: pontdiagram és dobozdiagram. Hogyan csináltuk?

1. Egy italautomatában hétféle rostos üdítő kapható. Hányféle sorrendben vehet Anna a rostos üdítőkből három különbözőt?

A választható pedagógus-továbbképzési programok ismertetője 1

Bevezető feldatok. Elágazás és összegzés tétele

1. MATEMATIKA EMELT SZINTŰ ÍRÁSBELI FELADATSOR

Példa sejtautomatákra. Homokdomb modellek.

tévhitek az oktatási szegregációról

1. ábra ábra

Hőmérsékleti sugárzás

KÖVETELMÉNYEK II. félév

NULLADIK MATEMATIKA ZÁRTHELYI

Ejtési teszt modellezése a tervezés fázisában

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének

A évi kompetenciamérés eredményeinek értékelése a FITjelentés

TÁRSADALMI BEFOGADÁS A TÁRSADALMI VÁLLALKOZÁSOKBAN MAGYARORSZÁGON KISS JULIANNA PRIMECZ HENRIETT TOARNICZKY ANDREA

Matematika. J a v í t ó k u l c s. 8. évfolyam. Oktatási Hivatal Közoktatási Mérési Értékelési Osztály 1054 Budapest, Báthory utca 10.

0-49 pont: elégtelen, pont: elégséges, pont: közepes, pont: jó, pont: jeles

Regresszió számítás. Tartalomjegyzék: GeoEasy V2.05+ Geodéziai Kommunikációs Program

Követelmény a 7. évfolyamon félévkor matematikából

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Programozási nyelvek 2. előadás

JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ A MATEMATIKA KÖZÉPSZINTŰ ÍRÁSBELI 1. FELADATSORHOZ

1/50. Teljes indukció 1. Back Close

SAJÁTOS NEVELÉSI IGÉNYŰ GYERMEK AZ OSZTÁLYBAN (A SAJÁTOS NEVELÉSI IGÉNY PEDAGÓGUS SZEMMEL) AZ INTEGRÁCIÓ JELENTŐSÉGE

Mérés: Millikan olajcsepp-kísérlete

MULTIMÉDIÁS TANSEGÉDLET A TV2-117A HAJTÓMŰ ÁLTALÁNOS FELÉPÍTÉSÉNEK BEMUTATÁSÁRA A MULTIMÉDIÁS TANSEGÉDLET FELÉPÍTÉSE, BEMUTATÁSA

Adatok statisztikai értékelésének főbb lehetőségei

Számítógépes döntéstámogatás. Statisztikai elemzés

A fűrészmozgás kinetikai vizsgálata

Osztott jáva programok automatikus tesztelése. Matkó Imre BBTE, Kolozsvár Informatika szak, IV. Év 2007 január

XVI. reál- és humántudományi ERDÉLYI TUDOMÁNYOS DIÁKKÖRI KONFERENCIA Kolozsvár május

Eddigi tanulmányaink alapján már egy sor, a szeizmikában általánosan használt műveletet el tudunk végezni.

AZ ÉPÍTÉSI MUNKÁK IDŐTERVEZÉSE

( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket!

Mesterséges Intelligencia MI

IV. Felkészítő feladatsor

Varga Tamás Matematikaverseny Javítási útmutató Iskolai forduló 2018/ osztály

Termelés- és szolgáltatásmenedzsment

A II. kategória Fizika OKTV mérési feladatainak megoldása

Segédlet: Főfeszültségek meghatározása Mohr-féle feszültségi körök alkalmazásával

Idősorok elemzése előadás. Előadó: Dr. Balogh Péter

Ipari kemencék PID irányítása

ELEKTRONIKAI ALAPISMERETEK

TERÜLETI EGYÜTTMŰKÖDÉST SEGÍTŐ PROGRAMOK KIALAKÍTÁSA AZ ÖNKORMÁNYZATOKNÁL A KONVERGENCIA RÉGIÓBAN ÁROP - 1.A MARCALI VÁROS ÖNKORMÁNYZATA

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

Átírás:

Szegregált és integrált oktatás játékelméleti szimulációja Kata János BME, Műszaki Pedagógia Tanszék, Budapest kataj@eik.bme.hu A Neumann János által megalapozott játékelméleti módszerek újszerű módot nyújtanak természeti és társadalmi jelenségek modellezésére és értelmezésére. Bár ő maga nem kaphatott Nobel-díjat, munkásságának szellemi örökösei közül többen válhattak e díj büszke tulajdonosává. Ezen tudósok egyike Thomas C. Shelling, aki a közgazdaságtudomány területén vált Nobel-díjassá 25-ben. Az 1921-ben született Shelling a Conway-féle Életjátékhoz, az első ilyen jellegű modellhez hasonlóan egyszerű játékszabályok alapján vizsgálta a konfliktusok és a kooperációk bonyolult jelenségét. Munkásságával kimutatta, hogy a társadalom különböző rétegei, osztályai, csoportjai törvényszerűen elkülönülnek egymástól, mert a keveredés a konfliktusok kialakulása mellett a kisebbségi csoport(ok) kulturális, történelmi, világnézeti, nyelvi jellemzőinek feladásával jár. A folyamat akkor is lezajlik, ha a társadalom egyes tagjait maximális tolerancia jellemzi. A Schelling által kidolgozott modell arra az egyszerű szabályra épül, hogy egy sakktáblán a társadalom egyes tagjainak lakóhelyét jelző mezőkön a következő szabályok érvényesülnek: ha az egyén korábban is ott lakott, ott marad, ha szomszédai között többségben vannak a vele azonos csoportba tartozók; ha az egyén korábban is ott lakott, akkor elköltözik, ha szomszédai nincsenek kisebbségben a tőle eltérő csoportba tartozók; ha a mező korábban üres volt, akkor odaköltözik egy olyan egyén, aki a szomszédban többségben levő csoportba tartozik; ha a mező korábban üres volt, akkor üres is marad, ha szomszédságában valamelyik csoport tagjai nem kerülnek fölénybe. Schelling modellje a játékelmélet többi módszeréhez hasonlóan laikusok számára is könnyen érthető, sőt házilagos körülmények között is megismételhető számítási lehetőségeket biztosít. A továbbiakban megvizsgáljuk, milyen eredményeket kapunk, ha a modellt a szükséges módosítások után az oktatás körülményeihez igazítjuk. 245

A modell jellemzői a szegregáció vizsgálata során Az oktatás szegregációjáról napjaink pedagógiájában folyamatos viták zajlanak. Az interkulturális és multikulturális oktatás kialakulásával és fejlődésével, a (bármilyen szempontból) hátrányos helyzetűek támogatásával párhuzamosan etikai megfontolások alapján azonban egyre inkább az integráció felé billen a mérleg. Egyes szakemberek ennek ellenére mégis azt hangoztatják, hogy a túl nagy különbségek nehezen áthidalhatóak. Ezt azzal indokolják, hogy ilyenkor a hátrányos helyzetűek sokszor nehezen leküzdhető feladatokkal kerülnek szembe (például egy vak diák esetén), vagy pedig ellenérzést keltenek a többiekben (például egy értelmi fogyatékos tanuló esetén). Ez pedig éppen ellenkező hatást ér el a célként kitűzött tolerancianövekedéssel szemben. A játékelmélet által megalapozott modellünkkel azt kívántuk elemezni, hogy milyen hatása lehet az oktatás szegregációs szintjének a kisebbségi csoportok beolvadására, integrálódására. Az eredmények értelmezése során pedig azt kívántuk megfogalmazni, hogy különböző kisebbségi arányok mellett melyik lehet a legalkalmasabb oktatási forma a társadalom összessége szempontjából. Ennek során eltekintettünk attól, hogy értékítéletet tegyünk. Ezt az indokolta, hogy a kapott eredmények mentesek mindenfajta etikai normától. Azt például különbözőképpen értékelhetjük, hogy a kisebbség menthetetlenül beolvad a többségbe. Pozitív lesz akkor, ha a mélyszegénységben nyomorgók tömege számolódik fel, negatív akkor, ha egy nemzeti kisebbség adja fel nyelvi és kulturális identitását, és lehetetlen akkor, ha az értelmi fogyatékosok teljes értékű integrálódását tűzzük ki célul. Az elemzés során tehát csak magára a beolvadás jelenségére koncentráltunk, annak értékítélete nélkül. A modellt futtató programot a következő jellemzőket kódoltuk: A szimuláció 1*1-es táblán folyik. Két populáció vesz részt benne. Transzformációs szabályok: o Egy mező vagy foglalt valamelyik népesség egy tagjával, vagy szabad. o Ha egy mező foglalt, és a szomszédai között legfeljebb 4 idegen van, a foglalt mező nem változik meg. o Ha egy mező foglalt, és a szomszédai között legalább 5 idegen van, a mező szabaddá válik. o Ha egy mező szabad, és a szomszédok aránya eléri az 3:1 értéket, akkor a több szomszédnak megfelelő jellegűvé válik a mező. o Ha egy mező szabad, és a szomszédok aránya kisebb 1:3-nál, akkor a mező szabad marad. o A szélső- és sarokelemekre a fenti szabályok arányosan érvényesek. (E szabályok meglehetősen enyhék. Ezzel részben a tolerancia magas fokát a rasszizmus hiányát kívánjuk kifejezni, másrészt a folyamat sebességét befolyásoljuk ezáltal.) 246

A szimuláció során háromféle változat elemzése történt meg: Integrált oktatás (a kisebbséghez tartozók az oktatás során teljes mértékben keverednek a többiekkel). o Az első lépésben a szimulációs sík egyes mezői véletlenszerűen töltődnek fel a kisebbség megadott arányának megfelelően. Szegregált, centralizált oktatás (a kisebbséghez tartozók egy-egy nagy, a hozzájuk illeszkedő felszereltségű, a szükséges speciális képzettséggel rendelkező pedagógusokat alkalmazó centrumban, elkülönülve vesznek részt az oktatásban). o Az első lépésben a szimulációs sík középső tartományában egybefüggő, de véletlenszerű elhelyezkedésű tömbben helyezkednek el a kisebbség tagjai az előzetesen megadott arány szerint. Szegregált, decentralizált oktatás (a kisebbséghez tartozók több, kisebb, néha nem a hozzájuk illeszkedő felszereltségű, a szükséges speciális képzettséggel nem mindig rendelkező pedagógusokat alkalmazó tanintézetben, elkülönülve vesznek részt az oktatásban). o Az első lépésben a szimulációs sík két szélső tartományában egymástól szeparált, véletlenszerű alakzatban helyezkednek el a kisebbség tagjai az előzetesen megadott aránynak megfelelően. Az elemzés során mindhárom esetben lefuttatunk egy sztochasztikus algoritmust különböző kisebbségi arányokkal (1-től 15 %-ig egyesével növekedve, innen 45%-ig ötösével növekedve). Regisztráltuk továbbá az egyes generációk (algoritmikus lépések) részeredményeit is. Ezek közvetlenül jelezték a folyamatok jellegét, ám a véletlen hatásait erősen tükrözték. Emiatt a továbbiakban ezeket a véletlen által is befolyásolt eredményeket úgy általánosítottuk, hogy Solver program segítségével meghatároztuk a kezdeti népességi arányokat (például 8%-2%) a folyamat végén kialakuló kisebbségi arányba legjobban leképező tenzor adatait. Ezt meghatározva tetszőleges kiinduló adatokhoz meghatározhattuk a végeredményeket. Mivel ezek még mindig tartalmaztak véletlenszerű elemeket (hiszen a különböző futtatásokat különböző tenzorok képezték le), az adatainkat egy kétváltozós exponenciális függvényhez illesztettük egy Cobb-Douglas transzformációval (ahol az egyik független változó a kiinduló kisebbségi arány, a másik az idő volt). E két transzformáció alkalmas volt arra, hogy a tényleges adatokat jól közelítő, de már a véletlen szerepét háttérbe szorító modellt kapjunk. A következőkben először a transzformációk előtti közvetlen, majd a transzformációk utáni általánosított eredményeket közöljük. A modellezés eredményei A modell paramétereit előzetesen sikerült úgy beállítanunk, hogy az eredmények viszonylag gyorsan állandósult értékre álljanak be, így a tranziens jelenségek tényleges időbeli lefolyását, annak sebességét nem vizsgálhattuk. 247

A leggyorsabban az integrált oktatás során következett be a változások eredménye, ezt követte szegregált-centralizált rendszer. Az első esetben jelentős beolvadást tapasztalhattunk, a kezdeti aránytól függően kevesebb, mint felére csökkent a kisebbség népessége. A második esetben jóval kisebb mértékű beolvadást láttunk, végeredményként 1-4 %-os beolvadás adódott. A szegregált-decentralizált oktatás esetén gyakorlatilag nem tapasztalhatunk beolvadást, a kisebbség aránya állandó maradt. Mindezt az 1-3 sz. ábrák szemléltetik. 45 4 1. ábra. A kisebbség arányának változása a kezdeti arány (4a stb.) függvényében integrált oktatás esetén 35 25 2 15 1 5 2 4 6 8 1 12 4a a 2a 1a 2. ábra. A kisebbség arányának változása a kezdeti arány (4a stb.) függvényében szegregált-centralizált oktatás esetén 45 4 35 25 2 15 1 5 2. sz. 2 4 6 8 1 12 4a a 2a 1a 248

45 4 35 25 2 15 1 5 3. ábra. A kisebbség arányának változása a kezdeti arány (4a stb.) függvényében szegregált-decentralizált oktatás esetén 3. sz. 2 4 6 8 1 12 4a a 2a 1a Az általánosított eredmények alapján kijelenthető, hogy a 4. sz. ábrának megfelelően: Az integrált oktatás törvényszerűen megszünteti a kisebbséget, ha annak kezdeti aránya 1-15 % alatti. Efölött pedig kevesebb, mint felére csökkenti a kisebbség arányát. Az integrált oktatás mindig erőteljesebb beolvadást eredményez, mint a szegregált oktatás. Ha a kisebbség aránya 5 % alatti, akkor a decentralizált szegregáció a legkisebb, efölött pedig a centralizált szegregáció a legkisebb beolvadást okozó rendszer. (Ez az eredmény a fordítottja annak, amit várnánk.) A szegregált oktatás mindig biztosítja a kisebbség megmaradását, bizonyos esetekben pedig lehetővé teszi annak számbeli gyarapodását is. 249

4. ábra. A kisebbség arányának változása a kezdeti arány függvényében a különböző oktatási rendszerek esetén 6 5 4 2 1 INTEGRÁLT SZEGREGÁLT, CENTRALIZÁLT SZEGREGÁLT, DECENTRALIZÁLT EGYENLETES -1 2 4 6 (bejelölve a változatlanságot kifejező y=x egyenest is) Záró gondolatok A kisebbségügy kezelése napjainkra a társadalom egyik hangsúlyos feladata. Sokféle kisebbség létezik ugyanis, talán azt is mondhatnánk, hogy a társadalom nem más, mint különböző kisebbségek összessége. Meg kell őriznünk és védenünk kell a nemzeti kisebbségek kultúráját és hagyományait. De ugyanígy gondoskodnunk kell a tudományos és művészeti tehetségekről vagy a vallásivilágnézeti sokszínűség megmaradásáról is. Vannak olyan kisebbségek, amelyeknek maguknak is az a törekvésük, hogy beolvadjanak a többségi társadalomba. Amint a mindennapi gyakorlatban is tapasztalhatjuk, az integrált oktatás nagyon érzékeny téma. A játékelmélet a kényes kérdésekre nem tudja megadni a választ, azonban a döntések várható hatásait pontosan előre tudja jelezni. 25