Real-world problems through computational thinking tools and concepts: the case of coronavirus disease (COVID-19)
Notice bibliographique
Résumé
Purpose Many mathematical models have been shared to communicate about the COVID-19 outbreak; however, they require advanced mathematical skills. The main purpose of this study is to investigate in which way computational thinking (CT) tools and concepts are helpful to better understand the outbreak, and how the context of disease could be used as a real-world context to promote elementary and middle-grade students' mathematical and computational knowledge and skills. Design/methodology/approach In this study, the authors used a qualitative research design, specifically content analysis, and analyzed two simulations of basic SIR models designed in a Scratch. The authors examine the extent to which they help with the understanding of the parameters, rates and the effect of variations in control measures in the mathematical models. Findings This paper investigated the four dimensions of sample simulations: initialization, movements, transmission, recovery process and their connections to school mathematical and computational concepts. Research limitations/implications A major limitation is that this study took place during the pandemic and the authors could not collect empirical data. Practical implications Teaching mathematical modeling and computer programming is enhanced by elaborating in a specific context. This may serve as a springboard for encouraging students to engage in real-world problems and to promote using their knowledge and skills in making well-informed decisions in future crises. Originality/value This research not only sheds light on the way of helping students respond to the challenges of the outbreak but also explores the opportunities it offers to motivate students by showing the value and relevance of CT and mathematics (Albrecht and Karabenick, 2018).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,025 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».