Pathways to learning mathematics for students in French-immersion and English-instruction programs.
Notice bibliographique
Résumé
Canadian students enrolled in either French-immersion or English-instruction programs were followed from Grades 2 to 3 (Mage = 7.8 years to 8.9 years; N = 244; 55% girls). In each grade, students completed two mathematical tasks that required oral language processing (i.e., word-problem solving and number transcoding from dictation) and two that did not (i.e., arithmetic fluency and number line estimation). Students in both English-instruction (n = 92) and French-immersion programs (n = 152) completed tasks in English. Students in French-immersion programs also completed word-problem solving and transcoding tasks in French. The models were framed within the Pathways to Mathematics model, with a focus on the linguistic pathways for students in English-instruction and French-immersion programs. For tasks with oral language processing, performance in Grade 3 was predicted by students’ English receptive vocabulary for both English-instruction and French-immersion students, even when French-immersion students were tested in French, controlling for performance in Grade 2. In contrast, for tasks without oral language processing, receptive vocabulary in either English or French did not predict performance in Grade 3, controlling for performance in Grade 2. These results have implications for teaching mathematics within the context of immersion education
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».