MétaCan
Menu
Retour à la cohorte
Enregistrement W4385358938 · doi:10.54870/1551-3440.1636

On Convincing Power of Counterexamples

2023· article· en· W4385358938 sur OpenAlexaff
Orly Buchbinder, Rina Zazkis

Notice bibliographique

RevueThe Mathematics Enthusiast · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMathematics Education and Teaching Techniques
Établissements canadiensSimon Fraser University
Organismes subventionnairesNational Science Foundation
Mots-clésCounterexampleCorrectnessMathematical proofTransparency (behavior)Power (physics)MathematicsEpistemologyMathematics educationAlgebra over a fieldComputer scienceCalculus (dental)Pure mathematicsDiscrete mathematicsAlgorithmPhilosophyMedicinePhysics

Résumé

récupéré en direct d'OpenAlex

Despite plethora of research that attends to the convincing power of different types of proofs, research related to the convincing power of counterexamples is rather slim. In this paper we examine how prospective and practicing secondary school mathematics teachers respond to different types of counterexamples. The counterexamples were presented as products of students’ arguments, and the participants were asked to evaluate their correctness and comment on them. The counterexamples varied according to mathematical topic: algebra or geometry, and their explicitness. However, as we analyzed the data, we discovered that these distinctions were insufficient to explain why teachers accepted some counterexamples, but rejected others, with seemingly similar features. As we analyze the participants’ perceived transparency of different counterexamples, we employ various theoretical approaches that can advance our understanding of teachers’ conceptions of conviction with respect to counterexamples.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,591
Score d'incertitude au seuil0,665

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,357
Écart entre enseignants0,298 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Mathematics EnthusiastMême sujetMathematics Education and Teaching TechniquesTravaux en français237 207