MétaCan
Menu
Retour à la cohorte
Enregistrement W2611657437 · doi:10.3390/educsci7020052

Effects of Instructional Guidance and Sequencing of Manipulatives and Written Symbols on Second Graders’ Numeration Knowledge

2017· article· en· W2611657437 sur OpenAlexafffund
Helena P. Osana, Emmanuelle Adrien, Nathalie Duponsel

Notice bibliographique

RevueEducation Sciences · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMathematics Education and Teaching Techniques
Établissements canadiensConcordia University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésMathematics educationTest (biology)Value (mathematics)Computer scienceBase (topology)Sequence (biology)Teaching methodArithmeticPsychologyMathematicsMachine learning

Résumé

récupéré en direct d'OpenAlex

Concrete objects used to illustrate mathematical ideas are commonly known as manipulatives. Manipulatives are ubiquitous in North American elementary classrooms in the early years, and although they can be beneficial, they do not guarantee learning. In the present study, the authors examined two factors hypothesized to impact second-graders’ learning of place value and regrouping with manipulatives: (a) the sequencing of concrete (base-ten blocks) and abstract (written symbols) representations of the standard addition algorithm; and (b) the level of instructional guidance on the structural relations between the representations. Results from a classroom experiment with second-grade students (N = 87) indicated that place value knowledge increased from pre-test to post-test when the base-ten blocks were presented before the symbols, but only when no instructional guidance was offered. When guidance was given, only students in the symbols-first condition improved their place value knowledge. Students who received instruction increased their understanding of regrouping, irrespective of representational sequence. No effects were found for iterative sequencing of concrete and abstract representations. Practical implications for teaching mathematics with manipulatives are considered.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,075
Tête enseignante GPT0,417
Écart entre enseignants0,342 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations14
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEducation SciencesMême sujetMathematics Education and Teaching TechniquesTravaux en français237 207