Mathematics Undergraduate Student Teachers’ Conceptions of Guided Inductive and Deductive Teaching Approaches
Notice bibliographique
Résumé
This contribution aimed at developing an understanding of student teachers’ conceptions of guided discoveryteaching approaches. A cross-sectional survey design involving eleven secondary mathematics teachers who hadenrolled for an in-service mathematics education degree was used to address the research question: What areundergraduate student teachers’ conceptions of deductive and inductive teaching approaches? Task-based interviewswere used in conjunction with oral interviews as settings for unravelling students’ conceptions of the two teachingapproaches. Drawing in part from Ausbel’s learning theory and Tall’s notion of a met-before, the study also aimed atassessing the students’ level of grasp of fundamental limitation of empirical explorations despite many benefitsassociated with them such as helping in identifying patterns, use in formulation and communicating of conjecture,and providing insights on what needs to be solved. Verbatim transcriptions from follow up interviews and textualdata from task based interviews were subjected to directed content analysis to infer meaning about students’conceptions of guided teaching approaches. Qualitative data analysis using in part Robert Moore’s notion of conceptusage uncovered conceptual limitations that include inconsistencies in student teachers’ definitions of the teachingapproaches, use of specific examples instead of arbitrary mathematical objects in illustrating analytic teaching.Limitations identified should be given attention by mathematics educators in order to increase understanding of theapproaches among teachers. Research studies into factors contributing to limitations identified can go a long way inimproving the teaching and learning of school mathematics.
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 | 0,004 | 0,002 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».