MétaCan
Menu
Retour à la cohorte
Enregistrement W3190276890 · doi:10.3390/math9151811

Prospective Elementary Teachers’ Pedagogical Knowledge for Mathematical Problem Solving

2021· article· en· W3190276890 sur OpenAlexaff
Juan Luis Piñeiro, Olive Chapman, Elena Castro-Rodríguez, Enrique Castro

Notice bibliographique

RevueMathematics · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMathematics Education and Teaching Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesComisión Nacional de Investigación Científica y Tecnológica
Mots-clésMathematics educationCognitionKnowledge levelPsychologyElementary mathematicsTask (project management)Engineering

Résumé

récupéré en direct d'OpenAlex

Research on mathematics teachers’ knowledge has generally focused more on mathematics concepts than mathematical processes. This paper addresses the latter with a focus on mathematical problem solving (PS). It reports on a study that investigated the pedagogical knowledge for PS of prospective elementary school teachers of mathematics (PTs). Participants were 149 PTs at a university in Spain. They were at the end of their teacher education program. Data sources consisted of a questionnaire on knowledge of learning PS and a questionnaire on knowledge of teaching PS. Findings indicated that the PTs held combination of different levels of knowledge of PS learning and teaching. Many of them demonstrated appropriate knowledge of many characteristics for (1) PS learning consisting of student as a problem-solver, PS as a worthwhile task, non-cognitive factor related to PS, and (2) PS teaching consisting of PS teaching approaches, discourse in PS, intervention during stuck state in PS, PS assessment, and PS resources. However, there were also contradictions and limitations to their knowledge with implications for teacher education. These combination of appropriate and inappropriate knowledge resulted in some conflicts that are related to teaching actions and would limit student’ learning of PS.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,123
Tête enseignante GPT0,433
Écart entre enseignants0,310 · 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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematicsMême sujetMathematics Education and Teaching TechniquesTravaux en français237 207