MétaCan
Menu
Retour à la cohorte
Enregistrement W2513323657 · doi:10.5539/ies.v9n9p182

Transition Process of Procedural to Conceptual Understanding in Solving Mathematical Problems

2016· article· en· W2513323657 sur OpenAlexvenueno aff
Fatqurhohman Fatqurhohman

Notice bibliographique

RevueInternational Education Studies · 2016
Typearticle
Langueen
DomaineMathematics
ThématiqueMathematics Education and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)Transition (genetics)Class (philosophy)Mathematics educationPsychologyConcept learningTeaching methodConceptual frameworkComputer scienceArtificial intelligenceProgramming languageEpistemology

Résumé

récupéré en direct d'OpenAlex

<p class="apa">This article aims to describe the transition process from procedural understanding to conceptual understanding in solving mathematical problems. Subjects in this study were three students from 20 fifth grade students of SDN 01 Sumberberas Banyuwangi selected based on the results of the students’ answers. The transition process from procedural to conceptually based on three aspects: (1) identify problems in the use of an algorithm, (2) the process algorithm, (3) connect multiple concepts to transform into another shape through the symbolic/picture representations. The results showed that the majority of students (18 students out of 20 students) only meets two (2) aspects of 10 students (50%) can identify the algorithms and the use of algorithms, 8 students (40%) able to use algorithms and connect with other forms. While other students (two students from 20 students) of 10% that meet only three aspects of the transitions. Thus, understanding the procedural has an important role in developing a conceptual understanding. Because the component/aspect of procedural understanding exist on components/aspects of conceptual understanding. Thus, the association acquired several components/aspects that support the process of transition from procedural understanding to a conceptual understanding.</p>

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)0,002
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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,180
Score d'incertitude au seuil0,431

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
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 Opus0,287
Tête enseignante GPT0,474
Écart entre enseignants0,187 · 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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetMathematics Education and PedagogyTravaux en français237 207