MétaCan
Menu
Retour à la cohorte
Enregistrement W4313641849 · doi:10.11594/ijmaber.03.12.03

Teaching Strategies and Students’ Performance in Mathematics in a Borderless Classroom

2022· article· en· W4313641849 sur OpenAlexaff
Angelie Roblon, Alfredo del Caño, Grechel Miñoza, Jenybabe Recomo, Jhetier Monares, Mark Angelo Arriola, Queenie Polancos

Notice bibliographique

RevueInternational Journal of Multidisciplinary Applied Business and Education Research · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology-Enhanced Education Studies
Établissements canadiensLa Cité Collégiale
Organismes subventionnairesnon disponible
Mots-clésMathematics educationAsynchronous communicationConnected MathematicsCore-Plus Mathematics ProjectComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

As the educational sector shifted from traditional to borderless classrooms, having discussions through virtual platforms became the most popular option to keep the learning going amid the pandemic. This study investigated the teaching strategies of mathematics college instructors in college on the second-year mathematics students’ performance in borderless classrooms. It also determined how well the mathematics instructors adjusted to the situation, as evidenced by how and what teaching strategies they used in their classes. Fifteen mathematics instructors were recruited for the study using a random sampling technique. Findings revealed that some teachers were unfamiliar with various tools and platforms. Using the Pearson correlation coefficient, there is a significant positive relationship between the teaching strategies in the borderless classrooms and the student’s performance in mathematics r (13) = .49, p< .04. The Strategic Intervention Applied in Asynchronous Teaching (SIAAT) was proposed by which will ensure that students will continue to receive asynchronous learning in borderless classrooms.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,053
Tête enseignante GPT0,446
Écart entre enseignants0,393 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Multidisciplinary Applied Business and Education ResearchMême sujetTechnology-Enhanced Education StudiesTravaux en français237 207