When preservice and inservice teachers join forces: A collaborative way to support the enactment of new coding curricula in mathematics classrooms
Notice bibliographique
Résumé
The importance of computational thinking skills in mathematics has been recognized in educational research for a long time. More recently, this recognition has materialized in formal international recommendations (e.g., by PISA’s 2022 Mathematics Framework) and in national or provincial curricular reforms (e.g., in France, Sweden, and Canada) that promote the incorporation of coding in mathematics classrooms. This has led to opportunities as well as challenges for mathematics teachers, and a pressing need for work on teacher training. To contribute to this emerging area, we report on a professional development experience in which 25 inservice teachers collaborated with 36 preservice teachers to plan, implement, and reflect on the implementation of coding-based mathematics activities (using Scratch or Python) with Gr. 5–9 school students. Teachers’ reflections are shared as insights gained through the experience, which may be of interest to other teachers or policy makers engaged in the implementation of coding in school subjects such as mathematics. With other researchers and teacher educators in mind, participating teachers’ reflections are also used as a springboard to evaluate the reported training approach, discuss the approach in the context of existing literature, and provide some perspectives for the future.
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 | 0,024 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,006 |
| Communication savante | 0,011 | 0,007 |
| Science ouverte | 0,005 | 0,021 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».