Cecilia Dudas är licentiand inom forskarskolan för didaktisk modellering (NaNo) vid Stockholms universitet samt förstelärare i kemi vid Globala gymnasiet i Stockholm. Carl-Johan Rundgren är docent i naturvetenskapsämnenas didaktik vid institutionen för matematikämnets och naturvetenskapsämnenas didaktik (MND) vid Stockholms universitet. Han disputerade i naturvetenskapernas didaktik vid Linköpings universitet 2008 och hans forskning inriktar sig bl a på naturvetenskaplig medborgarbildning, särskilt i relation till media, och på användning av olika representationer av naturvetenskapliga fenomen. Iann Lundegård är docent och lektor i naturvetenskapsämnenas didaktik vid Stockholms universitet. Hans forskningsintressen berör framförallt elevers samtal om miljö och hållbar utveckling i ett utbildningsinnehåll som befinner sig i skärningspunkten mellan natur och samhälle. Lundegård är också intresserad av pragmatisk utbildningsfilosofi och hans forskning bidrar till metodutveckling på det området. were used to construct a didactic model. Those considerations regarded facts and values in relation to known and unknown facts. Design principles were also developed, which together with the model can support teachers in didactic analyses regarding complex sustainability issues in chemistry education. Furthermore, the study shows that chemistry education can contribute to development of Bildung and democratic citizenship.
Abstract To meet future challenges regarding sustainability issues, science education needs to address how to educate scientifically literate and responsible citizens. One aspect of this is how to draw students' attention to the complexity in sustainability issues. We explore how a didactic model and design principles can be developed and used to analyse complexity in students' deliberation on sustainability issues. The study has been conducted as an in-situ study at two upper secondary schools. The data was analyzed using Practical Epistemological Analysis (PEA) and Deliberative Educational Questions (DEQ). The results highlight four different kinds of considerations needed to visualize complexity, which