MétaCan
Menu
Retour à la cohorte
Enregistrement W3021509599 · doi:10.1080/03323315.2020.1779108

Framework for analysing continuity in students’ learning experiences during primary to secondary transition in mathematics

2020· article· en· W3021509599 sur OpenAlexfundno aff
Ian Cantley, Niamh O’Meara, Mark Prendergast, Lorraine Harbison, Clare O’Hara

Notice bibliographique

RevueIrish Educational Studies · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMathematics Education and Teaching Techniques
Établissements canadiensnon disponible
Organismes subventionnairesQueen's UniversityIrish Research CouncilQueen's University Belfast
Mots-clésTransition (genetics)Mathematics educationPrimary (astronomy)MathematicsPedagogySociologyPhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

The transition from primary to secondary education tends to have deleterious effects on student achievement and motivation in mathematics, and these effects have been significantly linked to lack of curricular and pedagogical continuity at transition. Curricular and pedagogical practices in each phase of schooling are influenced by a number of factors including, for example, teachers’ mathematical knowledge for teaching, and a range of other school and societal level characteristics. We propose a novel theoretical framework for studying continuity of learning experiences during primary/secondary transition in mathematics which takes cognisance of these factors. The framework is based on aspects of the so-called anthropological theory of didactics, which acknowledge that mathematics learning and teaching are human activities that cannot be divorced from the broader organisational, societal and cultural contexts within which they occur; teacher attributes; and Dewey’s principle of continuity of experience. Potential applications of the framework to other forms of educational transition are also signposted.

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)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0080,004
Études des sciences et des technologies0,0030,010
Communication savante0,0050,005
Science ouverte0,0030,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,091
Tête enseignante GPT0,446
Écart entre enseignants0,355 · 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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIrish Educational StudiesMême sujetMathematics Education and Teaching TechniquesTravaux en français237 207