MétaCan
Menu
Retour à la cohorte
Enregistrement W2077048765 · doi:10.5539/ies.v7n1p1

A Study of Improving Eighth Graders’ Learning Deficiency in Algebra by Applying a Realistic Context Instructional Design

2013· article· en· W2077048765 sur OpenAlexvenueno aff
Yu-Liang Chang, Yu-I Huang

Notice bibliographique

RevueInternational Education Studies · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMathematics Education and Teaching Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematics educationContext (archaeology)Test (biology)Computer scienceResearch designAchievement testStatistical analysisInstructional designAlgebra over a fieldPsychologyMathematicsStandardized testStatistics

Résumé

récupéré en direct d'OpenAlex

The intention of this study was to improve the learning deficiency in algebraic learning and to enhance Taiwanese middle students’ learning achievement and interest in algebra. By using a grade skipping experimental design, the research team intended to find out an effective way to benefit these students’ leaning in abstract algebraic concepts. Therefore, this study aimed to explore how the “realistic context” instructional design influenced 8th graders’ performance on algebraic grade skipping learning of “linear programming”. A quasi-experimental design with a post-test was employed in this study. Samples were selected purposely from thirty-six 8th graders of a junior high school as the Experimental Group, while seventy-nine 12th graders of a senior high school were chosen as the Control Group. Data were mainly gathered by the linear programming achievement test after executing the instruction. Statistical analyses were performed to answer the research question. Findings indicated that there was no significant difference between 8th graders (Experiment) and 12th graders (Control) on the performance of the linear programming achievement test. This result indicated that the instructional material with a realistic context design used in this study did help students to learn the abstract algebra effectively.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,438
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,114
Tête enseignante GPT0,408
Écart entre enseignants0,294 · 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 tête enseignante, 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

Citations8
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetMathematics Education and Teaching TechniquesTravaux en français237 207