Intended mathematics curriculum in grade 1: A comparative study
Notice bibliographique
Résumé
Learning mathematics in grade 1 as the formal starting point for learning mathematics in many countries can significantly impact students’ subsequent learnings. One of the most critical factors influencing teacher teaching and student learning is the written intended curriculum materials (official curricula). Despite the importance of this topic, there is little research on how many mathematics topics should be taught in grade 1 and to what depth students should learn these topics until the end of the first grade. In this study, we investigated and compared the grade 1 intended mathematics curriculum of Australia, Iran, Singapore, the Province of Ontario in Canada, and New York State in the USA. Indeed, we sought to examine how curriculum developers and decision-makers in education in these jurisdictions prepared the content of the first-grade mathematics in the curriculum writing materials. To do this, by examining the official curricula for grade 1 of these countries and using a procedure called general topic trace mapping, we found a list of 14 topics. The findings of the current paper showed similarities and differences in the topics intended in the mathematics curriculum of these countries. Ontario, Australia, Singapore, New York, and Iran curricula cover 13, 11, 9, 9, and 7 topics of 14 topics, respectively. We also considered five content strands and examined and compared the progress of each intended curriculum in these strands at the end of grade 1. We found that the learning progression in some content strands is different among countries. The results demonstrate the nuanced complexity of these comparisons and the importance of cross-national comparisons. We concluded this article with suggestions for curriculum developers, textbook writers, and teachers.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».