MétaCan
Menu
Retour à la cohorte
Enregistrement W2770605319 · doi:10.5539/ass.v13n12p86

On Eight Grade Students Understanding in Solving Mathematical Problems

2017· article· en· W2770605319 sur OpenAlexvenueno aff
Ani Minarni

Notice bibliographique

RevueAsian Social Science · 2017
Typearticle
Langueen
DomaineMathematics
ThématiqueMathematics Education and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematics educationVariety (cybernetics)Test (biology)Mathematical problemPsychologyMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Human must have the ability to understand, because understanding can prevent people from misunderstandings and conflicts. Similarly, public junior high school (PJHS) students need to have mathematical understanding ability (MUA) for a reason, that is, MUA is an important part in problem solving. In fact, MUA of PJHS students was still low. This research was conducted to contribute in improving students’ MUA. There were 158 students engaged in the experiment classroom as well as in the conventional one taken from PJHS 1, 2, and 4 from district of Deli Serdang, PJHS 17 and 22 from Medan City, Indonesia. Joyful problem based learning (JPBL) approach was applied to attain the purpose of the research. The study used essay-test to measure students’ MUA. The score obtained was then analyzed by t-independent test, while student performance in solving MUA problems was described descriptively. Results of the research: (1) Students MUA’ score was higher in the experiment classroom than in the conventional one. (2) The improvement of students MUA in the experiment classroom belongs to medium category. (3) The students’ performance in MUA was better in the JPBL classroom than it was in the conventional one. Some students faced difficulties both in explaining the solution and in giving example of a mathematical concept. Overall, the students’ performance was best at the aspect of presenting problem in mathematics equation. Based on the findings, the study suggests teachers to give reinforcement in both aspect where students lacked of by, for example, encouraging them to solve a variety of problems which eliciting the aspect of explaining and giving examples.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0200,004

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 Opus0,230
Tête enseignante GPT0,458
Écart entre enseignants0,229 · 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

Citations13
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetMathematics Education and PedagogyTravaux en français237 207