MétaCan
Menu
Retour à la cohorte
Enregistrement W1552971944 · doi:10.30827/pna.v6i4.6137

<p>Prospective elementary school teachers’ ways of making sense of mathematical problem posing</p>

2012· article· es· W1552971944 sur OpenAlexaff
Olive Chapman

Notice bibliographique

RevuePNA · 2012
Typearticle
Languees
DomaineSocial Sciences
ThématiqueMathematics Education and Teaching Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMathematics educationHumanitiesPsychologyPedagogyPhilosophy

Résumé

récupéré en direct d'OpenAlex

The study tackled prospective teachers’ sense-making of mathematical problem posing and the impact of posing different contextual problems on their learning. Focus was on the generation of new problems and reformulation of given problems. Participants were 40 prospective elementary teachers. The findings provide insights into possible ways these teachers could make sense of problem posing of contextual mathematical problems and the learning afforded by posing diverse problems. Highlighted are five perspectives and nine categories of problem posing tasks to support development of proficiency in problem-posing knowledge for teaching. Modos en que futuros profesores de primaria dan sentido a la invención de problemas matemáticos El estudio indagó sobre los modos en que futuros profesores de primaria dan sentido a la invención de problemas matemáticos y el impacto de plantear diferentes problemas contextualizados en su aprendizaje. El foco fue la invención de nuevos problemas y la reformulación de otros dados. Los participantes fueron 40 futuros maestros de primaria. Los resultados proporcionan elementos sobre posibles modos en que estos maestros dan sentido a la invención de problemas matemáticos y el aprendizaje que ofrece plantear diversos problemas. Se destacan cinco perspectivas y nueve categorías de tareas en la invención de problemas para apoyar el desarrollo de la competencia de plantear problemas en la enseñanza.Handle: http://hdl.handle.net/10481/20053Nº de citas en WOS (2017): 6 (Citas de 2º orden, 4)Nº de citas en SCOPUS (2017): 7 (Citas de 2º orden, 7)

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,005
Communication savante0,0050,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,041
Tête enseignante GPT0,342
Écart entre enseignants0,301 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations48
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePNAMême sujetMathematics Education and Teaching TechniquesTravaux en français237 207