MétaCan
Menu
Retour à la cohorte
Enregistrement W3048432047 · doi:10.1590/1980-6248-2018-0034

Computational thinking as a heuristic endeavour: students’ solutions of coding problems

2020· article· en· W3048432047 sur OpenAlexafffund
Ricardo Scucuglia Rodrigues da Silva, George Gadanidis, Janette Hughes, Immaculate Kizito Namukasa

Notice bibliographique

RevuePro-Posições · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueTeaching and Learning Programming
Établissements canadiensSocial Sciences and Humanities Research CouncilOntario Tech UniversityWestern University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésCoding (social sciences)DebuggingHeuristicConstructionismStrict constructionismComputer scienceMathematics educationComputational thinkingPoint (geometry)Task (project management)PsychologyArtificial intelligenceMathematicsEpistemologyProgramming languageEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper we investigate students’ computational thinking in mathematics education. Specifically, through the analysis of teaching experiments conducted as qualitative case studies, we explore aspects of constructionism and problem solving. In different learning scenarios, pairs of elementary school and undergraduate students explored coding puzzles in order to complete a posed computational-mathematical task. From a constructionist point of view, the results indicate that the learning experience involved a problem solving spiral of description, execution, reflection and debugging. In the case of the experience of the undergraduate students, we also identified specific characteristics of computational thinking related to heuristic processes such as exploration, planning, analysis, and verification.

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)0,004
score de la tête « metaresearch » (Gemma)0,027
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 enseignants0,005
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,027
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,005
Communication savante0,0050,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,050
Tête enseignante GPT0,292
Écart entre enseignants0,242 · 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'admission2
Résumé présentoui

Explorer davantage

Même revuePro-PosiçõesMême sujetTeaching and Learning ProgrammingTravaux en français237 207