MétaCan
Menu
Retour à la cohorte
Enregistrement W3161275293 · doi:10.11575/prism/31969

Students’ Identities and Collaboration in Mathematics Group Work

2018· article· en· W3161275293 sur OpenAlexaboutno aff
Silvana Valera, Miwa Aoki Takeuchi

Notice bibliographique

RevueOpen MIND · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGroup (periodic table)Mathematics educationGroup workWork (physics)MathematicsPedagogyAlgebra over a fieldPsychologyPure mathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

In this study, we examined how students’ different identities, especially gender and students’ relationship with mathematics, influenced leadership and group work in math classrooms. This study took place in two linguistically and racially diverse middle schools in Canada. We collected student surveys, video-recorded group work interactions, and individual video-mediated interviews. We analyzed four mixed-gender groups and 12 interviews. Our analysis revealed that girls took on leadership roles equally as boys. Instead, we found that those who demonstrated a positive math identity tended to take on leadership roles in the group and those who demonstrated a negative math identity did not. We also identified how culturally-constituted gender norms can influence collaboration. Two girls expressed their preference to work with girls. Their preference influenced the way in which they interacted in the group with a boy. Our results complicated the role of gender identities in math by examining its intersection with other identities. We highlight the importance for educators and parents to collectively develop positive math identities among all students to in turn foster leadership and agency in math learning. We also question the common school practice where students are socialized into the unsustainable norm that boys and girls work separately.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,370
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0020,000

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 Opus0,081
Tête enseignante GPT0,472
Écart entre enseignants0,391 · 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'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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207