Mathematical Intimacy within Blended and Face-to-face Learning Environments
Notice bibliographique
Résumé
Oftentimes, learning mathematics involves using technology as a conscious attempt to understand the material in a new and accessible mode, to increase performance, and to expand one’s knowledge regardless of the level of training. While comparative assessments of students ’ performances in blended and face-to-face environments are essential, the authors of this paper analyze students ’ mathematical intimacy and flow experiences, as well as their confidence and perseverance while learning mathematics in two different settings. Are students more engaged in problem solving, more inclined to experience joy, excitement and affection, more confident, and more persistent while doing mathematics in blended or in traditional learning environments? The authors of this paper aim to answer the question from the perspective of using MyMathLab, a Pearson based online course, within a blended teaching and learning environment for Algebra and Trigonometry, a large first year university mathematics course. This paper aims to analyze and interpret students ’ mathematical intimacy, confidence and perseverance in these two different learning environments. MyMathLab is an online course designed by Pearson Education Canada for its Algebra and Trigonometry textbook. MyMathLab is built on the MathXL platform, Pearson’s online homework and assessment system and is accessed via CourseCompass, the Pearson online learning environment. University professors can choose MyMathLab for teaching the whole math course or just some of its sections. MyMathLab offers instructors and
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».