Computational Thinking Workshop: A New Way to Learn and Teach Mathematics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this digital era, technology has entered every aspect of our life, including educational system. Computational thinking (CT) and programming are a relatively recent part of certain school curricula. The idea of CT was originated in 1950s, and the first usage of the term CT was by Papert in 1980; the notion/concept was refreshed by Wing in 2006. CT is the focus of attention for many researchers, such as Gadanidis , Namukasa,  Kotsopoulos, Curzon, diSessa, Farris,  Sengupta and so on ; they argued that using CT tools, ideas and activities in mathematics pedagogies and curricula contributes to learning in creative and imaginative ways. In this paper, the ways that students interact with their peers during CT and mathematical thinking activities are investigated in the context of an instrumental case study of 10 elementary students. Observational, interview, and reflection data collected during two workshops were analyzed to determine the ways in which the activities impacted students’ interacting and understanding. Students engaged in three CT activities: symmetry app, Scratch program, and Sphero robot. As a result, CT activities allow students to learn mathematical concepts better, when they are working with CT ideas and activities. This study was limited in its sampling as it only focused on primary grades 3 - 6 in a private school. For future studies, the researchers suggest conducting a study that will include public schools and involve tools for teaching mathematics concepts.
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.
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 | 0,009 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle