MétaCan
Menu
Retour à la cohorte
Enregistrement W2790956766 · doi:10.65685/amiutem.v2i2.23

Nuevas Tendencias En La Enseñanza Del Cálculo: La Derivada En Ambientes TICE

2018· article· es· W2790956766 sur OpenAlexaff
Fernando Hitt

Notice bibliographique

RevueRevista AMIUTEM · 2018
Typearticle
Languees
DomaineSocial Sciences
ThématiqueMathematics Education and Teaching Techniques
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Los problemas de aprendizaje de los conceptos del cálculo han sido constantemente documentados en la literatura en educación matemática desde hace varias décadas. Nuevas tendencias sobre procesos de modelación matemática han sido promovidas por los investigadores (por ejemplo, proyecto europeo PRIMAS (2007-2013): www.primas-project.eu) en donde la integración a otras ramas científicas aparte de las matemáticas se muestra imprescindible. ¿Cómo integrar las Tecnologías de la Información y Comunicación en Educación (TICE) a esta problemática? ¿Cómo desarrollar un pensamiento matemático ligado al cálculo? En este documento, hacemos énfasis en la elaboración de situaciones problema referentes a la introducción al cálculo y específicamente a la derivada. Proponemos una secuencia de actividades en donde la manipulación de objetos físicos, producción de representaciones, historia de las matemáticas (método de Fermat para el cálculo de máximos y mínimos) y producción y análisis de videos de un fenómeno físico con el soporte de Tracker y GeoGebra, forman un todo coherente en la enseñanza del concepto de derivada. Para la elaboración de esta propuesta, se han tomado en consideración resultados de investigación sobre el papel de las representaciones, la noción de obstáculo epistemológico, visualización matemática, co-variación entre variables y procesos dinámicos, todo ello, bajo un lente de las TICE. Esta propuesta está dirigida a la enseñanza del cálculo en la escuela pre-universitaria.

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)0,005
score de la tête « metaresearch » (Gemma)0,024
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: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,024
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,009
Communication savante0,0120,012
Science ouverte0,0020,008
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,019
Tête enseignante GPT0,360
Écart entre enseignants0,341 · 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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista AMIUTEMMême sujetMathematics Education and Teaching TechniquesTravaux en français237 207