MétaCan
Menu
Retour à la cohorte
Enregistrement W3156349369 · doi:10.1080/0020739x.2021.1910742

Using guided notes to support learning in first-year calculus

2021· article· en· W3156349369 sur OpenAlexaff
Donna Kotsopoulos, Chester Weatherby, Douglas G. Woolford

Notice bibliographique

RevueInternational Journal of Mathematical Education in Science and Technology · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Technology Integration
Établissements canadiensWilfrid Laurier UniversityWestern University
Organismes subventionnairesnon disponible
Mots-clésCalculus (dental)AptitudeMathematics educationLogistic regressionAlgebra over a fieldMathematicsComputer scienceMedicineStatisticsPure mathematics

Résumé

récupéré en direct d'OpenAlex

This research explores the use of guided notes in a post-secondary calculus course and the extent to which use enhanced students’ success in a first year calculus course. Guided notes have been previously shown to be perceived as helpful to learning by students, and one study showed that the use of guided notes improved pass rates in a first year college algebra course. Using an experimental design, our results show that guided notes improved outcomes for students when compared to a control group that did not use guided notes–logistic regression modelling found evidence that guided notes, mathematical aptitude and gender (male) were associated with a higher probability of a student successfully completing the course. No significant interactions between guided notes and gender was observed. Implications for further research and practitioners are included.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,292
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,436
Écart entre enseignants0,386 · 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 tête enseignante, pas un consensus.

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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Mathematical Education in Science and TechnologyMême sujetEducation and Technology IntegrationTravaux en français237 207