Enhancing Students' Mathematical Learning Through Focused Teacher Growth: A Review of of Promoting Purposeful Discourse…
Notice bibliographique
Résumé
Communication within the mathematics classroom has captured the interest of mathematics educators over several decades. The National Council of Teachers of Mathematics Standards publications (1989, 1991, 2000) highlight communication as one of the fundamental strands in mathematical processes. Although research has investigated students' written mathematics work (e.g., Masingila & Prus-Wisniowska, 1996; Mason & McFeetors, 2002; Pugalee, 2004), considerable focus has also been given to understanding effective spoken discourse patterns within the mathematics classroom (e.g., Hufferd-Ackles, Fuson, & Sherin, 2004; Lampert & Blunk, 1998; Nathan & Knuth, 2003). Pimm (1994) argues that focusing on “the form and structure of spoken interactions between mathematics teachers and pupils” (p. 134) can inform the way in which classroom discourse is shaped. He encourages the use of discourse analysis as one way of making sense of questions that address the what, how, and why of teachers' forms of language in teaching mathematics. Increasingly, studies using discourse analysis are being used to describe effective classroom communicative practices (e.g., Bills, 2000; Gresalfi, Martin, Hand, & Greeno, 2009; Truxaw & DeFranco, 2008; Zolkower & Shreyar, 2007).
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 | 0,042 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; 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 ».