MétaCan
Menu
Retour à la cohorte
Enregistrement W3108857380 · doi:10.5964/jnc.v6i3.314

Iconicity in mathematical notation: Commutativity and symmetry

2020· article· en· W3108857380 sur OpenAlexafffund
Theresa Elise Wege, Sophie Batchelor, Matthew Inglis, Honali Mistry, Dirk Schlimm

Notice bibliographique

RevueJournal of Numerical Cognition · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueCognitive and developmental aspects of mathematical skills
Établissements canadiensMcGill University
Organismes subventionnairesCentre for Mathematical Cognition, Loughborough UniversityResearch EnglandSocial Sciences and Humanities Research Council of CanadaLoughborough University
Mots-clésIconicityNotationCommutative propertyMeaning (existential)Computer scienceSymmetry (geometry)Cognitive scienceAlgebra over a fieldMathematicsPure mathematicsLinguisticsPsychologyArithmetic

Résumé

récupéré en direct d'OpenAlex

Mathematical notation includes a vast array of signs. Most mathematical signs appear to be symbolic, in the sense that their meaning is arbitrarily related to their visual appearance. We explored the hypothesis that mathematical signs with iconic aspects – those which visually resemble in some way the concepts they represent – offer a cognitive advantage over those which are purely symbolic. An early formulation of this hypothesis was made by Christine Ladd in 1883 who suggested that symmetrical signs should be used to convey commutative relations, because they visually resemble the mathematical concept they represent. Two controlled experiments provide the first empirical test of, and evidence for, Ladd’s hypothesis. In Experiment 1 we find that participants are more likely to attribute commutativity to operations denoted by symmetric signs. In Experiment 2 we further show that using symmetric signs as notation for commutative operations can increase mathematical performance.

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)0,003
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,027
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,010
Communication savante0,0040,009
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,059
Tête enseignante GPT0,323
Écart entre enseignants0,264 · 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'étudeThéorique ou conceptuel
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

Citations13
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Numerical CognitionMême sujetCognitive and developmental aspects of mathematical skillsTravaux en français237 207