Students using programming for pure and applied mathematics investigations
Notice bibliographique
Résumé
In this paper, we recount our research on undergraduate mathematics students learning to use programming for mathematics investigation projects. More precisely, we focus on how a particular theoretical perspective (the Instrumental Approach) helps us better understand this student activity. Pulling data from students' and instructors' experiences in a sequence of courses (offered since 2001), our results expose, at the micro and macro levels, how the student activity is organized (through stable 'ways of doing'), and highlights the complexity of this activity (as an intertwined web of 'ways of doing' involving a combination of both mathematics and programming competencies). We end with concrete recommendations to instructors. Dans cet article, nous présentons notre recherche sur les étudiants de premier cycle en mathématiques apprenant à utiliser la programmation pour des projets d'investigation en mathématiques. Plus précisément, nous nous concentrons sur la façon dont une certaine perspective théorique (l'Approche instrumentale) nous aide à mieux comprendre cette activité de l’étudiant. S’appuyant sur des données des expériences d’étudiants et d’instructeurs dans une séquence de cours (offerts depuis 2001), nos résultats décrivent comment l'activité de l’étudiant est organisée (par le biais de «façons de faire» stables), et met en évidence la complexité de cette activité (comme un réseau entrelacé de « manières de faire » impliquant une combinaison de compétences en mathématiques et en programmation). Nous terminons par quelques recommandations concrètes pour les instructeurs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».