MétaCan
Menu
Retour à la cohorte
Enregistrement W2806298010 · doi:10.5964/jnc.v4i1.89

A tale of two researchers: Commonalities, complementarities, and contrasts in an examination of mental computation and relational thinking

2018· article· en· W2806298010 sur OpenAlexafffund
Helena P. Osana, Jérôme Proulx

Notice bibliographique

RevueJournal of Numerical Cognition · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMathematics Education and Teaching Techniques
Établissements canadiensUniversité du Québec à MontréalConcordia University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésInterpretation (philosophy)Context (archaeology)DisciplineMathematics educationEpistemologyPsychologyComputer scienceSociologySocial science

Résumé

récupéré en direct d'OpenAlex

This paper describes a research collaboration between an educational psychologist and a mathematics education researcher, namely a didacticien des mathématiques. Our joint project aimed to explore the mental computation strategies of preservice teachers in an elementary mathematics methods course and to investigate the relationship between mental computation and relational thinking. The primary objective of the paper, however, is to go beyond the data and their interpretation. We describe the commonalities, complementarities, and points of contrast that emerged between us as researchers who hail from different disciplines, but who have the same overarching interests in mathematical thinking. In particular, we untangle issues we encountered during our collaboration related to our research questions, methodologies, and epistemological stances. We detail the ways in which we navigated these issues in the context of the research and describe what we learned about our own disciplinary perspectives and each other’s. We conclude by discussing what our story offers as a means of reflecting on our individual fields and potential interactions between them.

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)0,045
score de la tête « metaresearch » (Gemma)0,093
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,236

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0450,093
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,005
Études des sciences et des technologies0,0140,073
Communication savante0,0200,033
Science ouverte0,0020,022
Intégrité de la recherche0,0060,012
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,157
Tête enseignante GPT0,441
Écart entre enseignants0,284 · 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'étudeQualitatif
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

Citations3
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Numerical CognitionMême sujetMathematics Education and Teaching TechniquesTravaux en français237 207