Data analysis or how high school students “read” statistics
Notice bibliographique
Résumé
In most countries, statistics are included in the mathematics curriculum and taught by mathematics teachers. This leads to students learning the elements of statistical concepts as mathematical and to more emphasis placed on being able to compute different measures (e.g. mean, median, standard deviation) rather than their meaning and use. Moreover, in Quebec, the high school curriculum favours a scattered presentation of statistical concepts: tables and simple graphical representations are seen in the first year; averages, medians and histograms in the third; position measures in the fourth and some aspects of correlation and standard deviation are seen in the fifth. Some elements of probability are seen in the second year. But “statistics requires a different kind of thinking” (Cobb & Moore, 1997). Is it possible by making students compute statistical measures to foster the development of statistical thinking and prepare to draw conclusions from different data sets - all important abilities for “reading” statistics, an essential part of communication. This study attempts to determine if high school graduates develop the ability to effectively interpret the use and meaning of statistics (i.e. develop a “statistical way of thinking”). To this purpose we investigated (a) if a mode of data representation (1) list of data, (2) graphical, (3) principal location and dispersion parameters (mean, median, quartiles, standard deviation, etc), influences the students’ answers, (b) if students take into account the context of the data in their analysis, and (3) if students’ reasoning reveals “statistical thinking” as described in McGatha, Cobb and McClain (1998). A multiplicative argument combined with the use of the context in which the data are presented is preferable to an argument using only one point or only one measure (usually the mean) or only an arithmetic reasoning. To do so, a questionnaire with seven items asking students to choose from two or three samples and to justify the choice was presented to 141 fifth year high school students in the three different modes of presentation mentioned above. The results show that almost one third of the students revealed correct statistical thinking and another 41 % take the whole sample into account. The majority of the explanations are linked to the context. However, for some students more difficult tasks seemed to trigger a more global interpretation.
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 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».