MétaCan
Menu
Retour à la cohorte
Enregistrement W3199799534 · doi:10.1007/978-3-030-86062-2_36

The Presence of Diagrams and Problems Requiring Diagram Construction: Comparing Mathematical Word Problems in Japanese and Canadian Textbooks

2021· book-chapter· en· W3199799534 sur OpenAlexaboutno aff
Mari Fukuda, Emmanuel Manalo, Hiroaki Ayabe

Notice bibliographique

RevueLecture notes in computer science · 2021
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueMathematics Education and Teaching Techniques
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésDiagramComputer scienceConstruct (python library)Story-driven modelingSet (abstract data type)Word (group theory)Use Case DiagramMathematics educationClass diagramMathematicsProgramming languageUnified Modeling LanguageGeometry

Résumé

récupéré en direct d'OpenAlex

Abstract It is generally considered beneficial for learners to construct and use appropriate diagrams when solving mathematical word problems. However, previous research has indicated that learners tend not to use diagrams spontaneously. In the present study, we analyzed textbooks in Japan and Canada, focusing on the possibility that such inadequacy in diagram use may be affected by the presence (or absence) of diagrams in textbooks, the kinds of diagrams that are included, and whether problems requiring the construction of diagrams are provided in those textbooks. One set each of Japanese and Canadian elementary school textbooks were analyzed, focusing on the chapters dealing with division. Results revealed that the Japanese textbooks contain worked examples and exercise problems accompanied by diagrams more than the Canadian textbooks. Furthermore, the Japanese textbooks often use line diagrams and tables that abstractly represent quantitative relationships and they include more problems that require students to use diagrams. However, to encourage students to use diagrams spontaneously, it may be necessary to include problems that scaffold the use of diagrams in a step-by-step manner in both the Canadian and the Japanese textbooks.

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)0,001
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,931
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,003
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,034
Tête enseignante GPT0,290
Écart entre enseignants0,255 · 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.

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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLecture notes in computer scienceMême sujetMathematics Education and Teaching TechniquesTravaux en français237 207