School and Community Practices of Computational Thinking in Mathematics Education through Diverse Perspectives
Notice bibliographique
Résumé
In the 21st century, computational thinking (CT) has emerged as a fundamental skill. Building on this momentum and recognizing the importance of exploring the use of computational thinking (CT) concepts and tools in teaching and learning, this study conducted a qualitative content analysis to investigate online resources for school and community outreach practices related to integrating CT and coding into mathematics education. The data set was selected from sample websites hosting a community of practice and interpreted through Kafai et al.’s (2020) framings of CT and a combination of three theories of learning and teaching (i.e., constructionism, social constructivism, and critical literacy). The study found that in mathematics, more attention is given to the cognitive approach of CT, which focuses on acquiring CT skills and concepts, rather than the situated approach that emphasizes participation during learning. Additionally, there is not enough emphasis on the critical framing of CT, which examines how learning reflects values and power structures. The study’s significance is grounded in enhancing the perspectives of researchers, educators, and policymakers by providing insights into the wide affordances of CT which meet and exceed the expectations of curriculum content and skills. In light of the recent attention paid to adding coding to the new mathematics curriculum, this study contributes to the literature, practice, and curriculum development on the integration of CT into school mathematics and serves as a basis for future research in the field.
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 | 0,012 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».