Differentiating Instruction Using a Virtual Environment: A Study of Mathematical Problem Posing Among Gifted and Talented Learners
Notice bibliographique
Résumé
Meeting the needs of mathematically gifted and talented students is a challenge for educators.To support teachers of mathematically gifted and talented students to find appropriate solutions, several innovative projects were conducted in schools using funds provided by the New Brunswick, Canada, Department of Education.This article presents one such initiative: a collaborative project we developed with two middle school teachers to enrich the mathematical experience of their most advanced students.We worked with 40 students from both schools, involving them in creating mathematics problems using multimedia tools for the CAMI (Communaut d'apprentissages multidisciplinaires interactifs) 1 website.We analyzed the richness of the problems created by the participants (Manuel, 2010), as well as students' perceptions of their experiences, collected through semi-structured interviews.Students appreciated the experience, and recommended that the project be continued in following years.Most of the problems created by students were moderately rich, and included multiple steps, but were similar to those used in classrooms.Some students stated that they were more comfortable solving problems than creating new ones, which suggested that they found the task challenging.Our results showed that specific programs for students interested in mathematics could provide positive experiences and challenges.Our research also suggested that problem posing in mathematics classrooms needs to be investigated in more depth.
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 | 0,001 | 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 | 0,001 | 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 ».