Fraction mapping and fraction comparison skills among grade 4 Chinese students: An error analysis
Notice bibliographique
Résumé
BACKGROUND: Mapping fraction symbols to magnitudes is easier for students to master than comparing fraction magnitudes. Fraction mapping assesses students' understanding of part-whole interpretations of fractions; fractions represent the parts of an object or set of objects. Fraction comparison assesses students' understanding of measurement interpretations of fractions; a fraction is a single numerical quantity, not a combination of two whole numbers. AIM: To examine and compare the types of errors made by emergent fraction learners on fraction mapping and comparison tasks. SAMPLE: = 9.9 years). METHOD: We examined performance and identified errors on fraction mapping and comparison tasks. For mapping, students converted pictorial representations into fraction notation. For comparison, they chose the larger of two symbolic fractions. RESULTS: Consistent with curriculum expectations, most students successfully mapped pictorial representations to fraction notation. In contrast, few students were able to accurately compare fraction magnitudes. Within each task, students' errors were consistent across trials, suggesting that they applied systematic but incorrect procedures. However, errors were not consistent between tasks and the correlation between mapping and comparison performance was weak. CONCLUSION: Emergent fraction learners can acquire part-whole knowledge of fractions without acquiring measurement interpretations of fractions. Moreover, misconceptions about different interpretations of fractions need not overlap. Awareness of the types of errors that students make can assist educators in identifying misconceptions early so that students do not build their fraction knowledge on erroneous beliefs.
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 | 0,001 |
| 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) | 0,002 | 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 ».