MétaCan
Menu
Retour à la cohorte
Enregistrement W2778919955

Changing the curriculum script: teaching line symmetry in a digital environment

2017· article· en· W2778919955 sur OpenAlexaboutno aff
Anna Baccaglini‐Frank, Pietro Di Martino, Nathalie Sinclair

Notice bibliographique

RevueCINECA IRIS Institutial research information system (University of Pisa) · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLiteracy, Media, and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumComputer scienceLine (geometry)Mathematics educationPedagogyPsychologyMathematicsGeometry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this study, a set of activities on line symmetry in the Geometer’s Sketchpad environment, published on the Canadian website http://www.sfu.ca/geometry4yl.html, were adapted by two Italian researchers for 1st and 2nd grade classes with an Interactive White Board (IWB) in the classroom. The activities were proposed to a 2nd grade during two lessons conducted by one of the researchers, that were video-recorded. The videos were passed to 3 teachers who then proposed the same activities in their 1st and 2nd grade classes. The study was carried out over a 6-month period, with the aim of studying 1) Italian children’s responses to the activities and the emergence of attention towards mathematical properties of line symmetry; 2) the process of change undertaken by the set of activities, conceived as a boundary object (Star and Griesemer 1989); 3) teachers’ implementation of the activities and reflection upon the close interaction they had with the researchers involved on issues including the design of the digital objects in the activities. This poster discusses aspects of aim 3; in particular, the changes in structuring features (Ruthven, 2011) of teachers’ lessons on line symmetry before and during this experience.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,063
Tête enseignante GPT0,282
Écart entre enseignants0,219 · 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'étudeSans objet
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCINECA IRIS Institutial research information system (University of Pisa)Même sujetLiteracy, Media, and EducationTravaux en français237 207