MétaCan
Menu
Retour à la cohorte
Enregistrement W2126456996

Dynamic Composition of Math Lessons

2003· article· en· W2126456996 sur OpenAlexaff
Melanie Kellar, Bonnie MacKay, Rui Zhang, Carolyn Watters, David Kaufman, Jonathan M. Borwein

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Education and E-Learning
Établissements canadiensSimon Fraser UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceVariety (cybernetics)ReuseComposition (language)ArchitectureInterface (matter)MultimediaWorld Wide WebPrincipal (computer security)Mathematics educationMathematicsEngineeringArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this work we describe an architecture that supports the composition of web based lesson plans for math based on a database of fine grained mathematical components. Lessons can be tailored for different communities of users. For this research, the principal target community of users is middle school mathematics teachers. Our goal is to build a web accessible resource of pedagogical material for grades K-12 math that can be used and reused in a variety of contexts from teacher remediation to lesson preparation through to student use of the lesson. The web based lessons are generated on the fly from a database of fine grained components that include explanations, interactive activities, worksheets, images, videos, audio, FAQ's, online questions and challenges. We present a prototype system based on this architecture that includes functionality for teachers, students and parents. The prototype also includes a graphical interface for easily creating and reusing lesson content.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,965
Score d'incertitude au seuil0,120

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,290
Écart entre enseignants0,274 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOpen Education and E-LearningTravaux en français237 207