MétaCan
Menu
Retour à la cohorte
Enregistrement W3094109410 · doi:10.5539/ies.v13n11p86

Investigation of Middle School Students’ Math Self-Efficacy Perceptions and Math Problem Posing Attitudes

2020· article· en· W3094109410 sur OpenAlexvenueno aff
Sena Görgün, Canses Tican

Notice bibliographique

RevueInternational Education Studies · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Leadership and Administration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPerceptionMathematics educationPsychologySelf-efficacyTest (biology)MathematicsSocial psychology

Résumé

récupéré en direct d'OpenAlex

The main purpose of the current study is to investigate middle school students’ math self-efficacy perceptions and math problem posing attitudes. The sample of the study is comprised of 990 fifth, sixth, seventh and eighth grade students attending middle school in the Fethiye district of the city of Muğla. As the data collection tool, the “Math Self-efficacy Perception Scale” and the “Math Problem Posing Attitude Scale” were used. In the analysis of the data collected through the quantitative research method, frequencies, percentages, independent-samples t-test, one-way variance analysis, post-hoc tests (Scheffe and Dunnett’s C) and correlation analysis were used. As a result, it was found that the middle school students’ math self-efficacy perceptions and math problem posing attitudes are over the medium level. The middle school students’ self-efficacy perceptions were found to be varying significantly depending on gender. The middle school students’ problem posing attitudes were found to be varying significantly depending on gender. The math self-efficacy perceptions and math problem posing attitudes of the 5th and 6th grade students were found to be significantly higher than those of the 7th and 8th grade students. A medium, positive and significant correlation was found between the middle school students’ mean math self-efficacy perception score and their mean math problem posing attitude score.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
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
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,177
Tête enseignante GPT0,433
Écart entre enseignants0,256 · 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetEducational Leadership and AdministrationTravaux en français237 207