MétaCan
Menu
Retour à la cohorte
Enregistrement W4239515272 · doi:10.22215/etd/2020-14141

Fraction Symbols and their Relation to Conceptual Knowledge

2020· dissertation· en· W4239515272 sur OpenAlexaff
Heather Douglas

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineMathematics
ThématiqueCognitive and developmental aspects of mathematical skills
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésFraction (chemistry)VocabularyNumber lineOrthographyEstimatorMathematics educationComputer scienceMathematicsStatisticsLinguistics

Résumé

récupéré en direct d'OpenAlex

How do students make sense of fractions?Formal fraction knowledge begins when students start mapping fractions shown visually (e.g., area models), with symbols (e.g., ¾) and with words (e.g., three-quarters).Students were recruited from three schools that service rural and smalltown communities.Participating students in grade 4 (N=64) and grade 6 (N = 66) completed measures of cognition, language, and three novel measures developed for this study: mathematical vocabulary, orthography (i.e., the conventions for writing symbolic math), and fraction mapping.Five months later, their conceptual fraction skills (i.e., mapping, word problems and number line) were measured.I used two analytical approaches to examine the role of fraction mapping as students acquire conceptual fraction knowledge.In Study 1 (Chapters 4 and 5), I tested a path model in which mathematical vocabulary and orthography predicted fraction mapping, and fraction mapping predicted conceptual fraction skills.The model was largely supported for both grade 4 and grade 6.Moreover, mathematical vocabulary also predicted conceptual fraction skills for sixth graders.Thus, once students have sufficient knowledge of fraction mappings, other skills such as mathematical vocabulary may contribute more strongly to students' knowledge of fraction concepts.In Study 2 (Chapter 6), I used latent profile analysis to group students based on their fraction number line estimation.Three groups emerged.Relational estimators had the most advanced fraction concepts because they viewed the fraction as a unit.Compared to the other groups, relational estimators were more likely to be in sixth grade, have better mapping skills and more accurate whole number line estimation.Whole-component and denominator estimators, respectively, interpreted the fraction based on the magnitudes of both components (i.e., the numerator and denominator) or just the denominator.Only fraction mapping skills

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,041
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,003
Communication savante0,0030,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,041
Tête enseignante GPT0,324
Écart entre enseignants0,283 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCognitive and developmental aspects of mathematical skillsTravaux en français237 207