MétaCan
Menu
Retour à la cohorte
Enregistrement W2520255252 · doi:10.33225/pec/11.35.58

KNOWING MATHEMATICS-FOR-TEACHING: THE CASE OF PLANNING LEARNING ACTIVITIES

2011· article· en· W2520255252 sur OpenAlexaff
Thomas Falkenberg

Notice bibliographique

RevueProblems of Education in the 21st Century · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMathematics Education and Teaching Techniques
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMathematics educationSubject matterReform mathematicsSubject (documents)Connected MathematicsCore-Plus Mathematics ProjectMath warsTeaching methodPhilosophy of mathematics educationPedagogyMathematicsComputer sciencePsychologyCurriculum

Résumé

récupéré en direct d'OpenAlex

Traditionally mathematical subject matter knowledge for teachers was defined with reference to the academic discipline of mathematics. Since the 1990s, however, a reconceptualization of what Shulman has called content knowledge for teachers has been suggested. In mathematics education, it has been conceptualized by some researchers through the notion of mathematics-for-teaching: the mathematics teachers need to know derives from the practice of teaching mathematics at the school level. The study reported upon in this article inquired into the mathematics-for-teaching used by elementary school teachers during joint lesson planning sessions. Implications for teacher education are discussed. Keywords: teaching mathematics, mathematics-for-teaching, teachers’ subject matter knowledge, mathematics teacher education.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,366
Score d'incertitude au seuil0,347

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
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 Opus0,061
Tête enseignante GPT0,363
Écart entre enseignants0,302 · 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'étudeQualitatif
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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProblems of Education in the 21st CenturyMême sujetMathematics Education and Teaching TechniquesTravaux en français237 207