Numeracy Screener: Comparing Symbolic and Non-Symbolic Numerical Magnitude Processing in 4–6-year-old Canadian and Singaporean Children
Notice bibliographique
Résumé
Background – Students in East Asian countries consistently outperform their Western counterparts on mathematics assessments, with Singaporean students topping all global math competency assessments in 2015. Previous studies suggest that this learning gap between East Asian and Western countries emerges even before students begin formal schooling. Aim - The present study used existing data to test whether Singaporean children display an early advantage in basic numerical knowledge relative to their Canadian peers. Methods - 4 to 6-year-old Singaporean (n = 214) and Canadian (n = 370) children’s symbolic and non-symbolic magnitude processing skills were evaluated using the Numeracy Screener. Participants were presented with pairs of stimuli and asked to identify which of two numbers or symbols (dot arrays) were larger in magnitude. Results - Canadian children outperformed Singaporean children on both the symbolic and non-symbolic magnitude comparison tasks, suggesting that Singaporean children do not begin with an early advantage in basic math skills. After controlling for age, a subset analysis of 5-year-old participants reduced the main effects of format and country on performance scores. Implications & Future Direction - These findings provide novel evidence of a learning gap between younger children that favours a Western country (Canada), suggesting that the learning gap is not unidirectional. This finding conflicts with previous research, highlighting the need for further investigation into the factors underlying the mathematics achievement gap between East Asian and Western countries.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».