Trajectories of Symbolic and Nonsymbolic Magnitude Processing in the First Year of Formal Schooling
Notice bibliographique
Résumé
Sensitivity to numerical magnitudes is thought to provide a foundation for higher-level mathematical skills such as calculation. It is still unclear how symbolic (e.g. Arabic digits) and nonsymbolic (e.g. Dots) magnitude systems develop and how the two formats relate to one another. Some theories propose that children learn the meaning of symbolic numbers by scaffolding them onto a pre-existing nonsymbolic system (Approximate Number System). Others suggest that symbolic and nonsymbolic magnitudes have distinct and non-overlapping representations. In the present study, we examine the developmental trajectories of symbolic and nonsymbolic magnitude processing skills and how they relate to each other in the first year of formal schooling when children are becoming more fluent with symbolic numbers. Thirty Grade 1 children completed symbolic and nonsymbolic magnitude processing tasks at three time points in Grade 1. We found that symbolic and nonsymbolic magnitude processing skills had distinct developmental trajectories, where symbolic magnitude processing was characterized by greater gains than nonsymbolic skills over the one-year period in Grade 1. We further found that the development of the two formats only related to one another in the first half of the school year where symbolic magnitude processing skills influenced later nonsymbolic skills. These findings indicate that symbolic and nonsymbolic abilities have different developmental trajectories and that the development of symbolic abilities is not strongly linked to nonsymbolic representations by Grade 1. These findings also suggest that the relationship between symbolic and nonsymbolic processing is not as unidirectional as previously thought.
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 | 0,001 |
| 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) | 0,000 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».