MétaCan
Menu
Retour à la cohorte
Enregistrement W2767560263

Does Practice and Knowledge Equal Knowledge and Practice

2006· article· en· W2767560263 sur OpenAlexfundno aff
Marsha C. Lovett, Miriam Rosenberg‐Lee

Notice bibliographique

RevueeScholarship (California Digital Library) · 2006
Typearticle
Langueen
DomainePsychology
ThématiqueVisual and Cognitive Learning Processes
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCurriculumProcedural knowledgePsychologyCognitionConceptual frameworkMathematical practiceMathematics educationPedagogyDomain knowledgeComputer scienceSociologyKnowledge managementSocial science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Debate surrounds the value of procedural practice in learning conceptual material in mathematical domains (Schoenfeld, 2004).We investigated whether purely procedural practice could lead to conceptual gains and explored cognitive load theory as a mechanism for those gains (Sweller, 1988).In a laboratory experiment, 93 undergraduates practiced a procedure by solving 30 problems of an algebra analog and were given conceptual tests before, during and after practice.The conceptual tests tapped students' understanding of the underlying structure of the domain.Participants' conceptual knowledge increased with procedural practice, particularly between no practice and some practice.Consistent with cognitive load theory performance on the conceptual test after practice was significantly related to procedural performance at the end of practice.However, this relationship between procedural learning and conceptual learning only held if participants had been alerted earlier in practice to the conceptual nature of the task.These results are consistent with the proposal by Rittle-Johnson, Siegler, & Alibali, ( 2001) that there is an iterative relationship between conceptual understanding and procedural skill.

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)0,012
score de la tête « metaresearch » (Gemma)0,084
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,014
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,084
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,017
Communication savante0,0050,012
Science ouverte0,0010,005
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,021
Tête enseignante GPT0,310
Écart entre enseignants0,289 · 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'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

Citations35
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship (California Digital Library)Même sujetVisual and Cognitive Learning ProcessesTravaux en français237 207