MétaCan
Menu
Retour à la cohorte
Enregistrement W2970911656 · doi:10.5539/ies.v12n9p54

Augmented Reality and MS-Kinect in the Learning of Basic Mathematics: KARMLS Case

2019· article· en· W2970911656 sur OpenAlexvenueno aff
Raúl Lozada-Yánez, Nora Bertha La Serna Palomino, Fernando Molina-Granja

Notice bibliographique

RevueInternational Education Studies · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueAugmented Reality Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAugmented realityCurriculumMathematics educationTest (biology)Basic educationMotion (physics)CognitionFocus (optics)PsychologyComputer sciencePedagogyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

By its nature, the learning of certain complex contents has always been a focus of attention and a challenge in the study of mathematics. This fact acquires greater importance if it is about the learning of children, because the psycho-cognitive skills of this type of user, especially when they attend the first levels of Basic General Education are not yet mature. As a result, children are unable to assimilate correctly and easily certain content of an abstract nature during the early stages of mathematics learning. This study presents the results of the application of a computer system called “Kinect based Augmented Reality Math Learning System - KARMLS”, whose design and development uses the Augmented Reality technology and the motion sensor implemented in MS-Kinect camera. The developed application covers elementary math topics corresponding to the Basic General Education curriculum of the Republic of Ecuador. The study used an experimental quantitative approach, involving 29 third-grade children (13 girls and 16 boys), who attend to 2 Basic General Education schools in Riobamba city, Ecuador. The results that allowed to evaluate the prototype proposed in the study were obtained by means of a pretest and a posttest, which were contrasted with the students’ t-test for paired samples. Through the analysis of data obtained and the discussion, it is concluded that the applied computer system had a positive effect for the learning when used as a supplementary tool in the classroom and that it was more effective in children who previously had low performance than with those of high performance. Also, the children were motivated and with positive attitudes regarding the use of the analyzed software.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,000
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 Opus0,066
Tête enseignante GPT0,396
Écart entre enseignants0,330 · 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

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetAugmented Reality ApplicationsTravaux en français237 207