MétaCan
Menu
Retour à la cohorte
Enregistrement W2889423741 · doi:10.5206/cie-eci.v47i1.9323

Reciprocal learning in mathematics education: An interactive study between two Canadian and Chinese elementary schools

2018· article· en· W2889423741 sur OpenAlexafffundvenueabout
Aihui Peng, Anthony N. Ezeife, Bo Yu

Notice bibliographique

RevueComparative and International Education · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTeacher Education and Leadership Studies
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNational Social Science Fund of ChinaSocial Sciences and Humanities Research Council of Canada
Mots-clésDichotomyMathematics educationReciprocalReciprocal teachingPedagogySociologyPsychologyMathematicsPolitical scienceReading comprehension

Résumé

récupéré en direct d'OpenAlex

In this study, the researchers go beyond the back-and-forth debates on the East-West educational paradigms that often arise from comparative studies, and take a reciprocal learning approach to explore in-depth the commonalities and differences in mathematics education between two Canadian and Chinese elementary schools. Research data were collected through direct and indirect interactions between the pair of research schools, including Skype meetings; formal and informal conversations with teachers and administrators; and the sharing/exchange of documents, texts, teaching materials, and resources. Results show that there is a common emphasis on some thematic issues in the teaching and learning of mathematics including the use of manipulatives, multiple solutions to mathematical problems, and parental involvement, but also some differences between the two schools in teachers’ strategies for teaching problem solving, students’ learning tendencies and schools’ supports for Special Needs students. The researchers conclude that the dichotomies of the East-West educational paradigms need to be further, and more deeply re-examined.

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)0,007
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 enseignants0,084
Score d'incertitude au seuil0,376

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0420,010
Communication savante0,0050,002
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,209
Tête enseignante GPT0,519
Écart entre enseignants0,310 · 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

Citations8
Publié2018
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueComparative and International EducationMême sujetTeacher Education and Leadership StudiesTravaux en français237 207