MétaCan
Menu
Retour à la cohorte
Enregistrement W4387878601 · doi:10.1111/ssm.12600

Framing, responsiveness, serviceability, and normativity: Categories of perception teachers use to relate to students' mathematical contributions in problem‐based lessons

2023· article· en· W4387878601 sur OpenAlexaff
Patricio Herbst, Amanda M. Brown, Daniel Chazan, Nicolas Boileau, Irma E. Stevens

Notice bibliographique

RevueSchool Science and Mathematics · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMathematics Education and Teaching Techniques
Établissements canadiensOntario College of Art and Design
Organismes subventionnairesJames S. McDonnell Foundation
Mots-clésFraming (construction)NoticePerceptionAffordanceMathematics educationNormativeSituated cognitionPsychologySituatedCognitionPedagogyComputer scienceCognitive psychologyEpistemologyEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract We contribute to the understanding of teacher noticing by focusing on what a teacher may notice in students' mathematical contributions in the context of problem‐based lessons. Complementing approaches to research on noticing that focus on individual teachers' perceptual, cognitive, or situated skills, this conceptual article offers four categories of perception as examples of affordances available in the practice of teaching mathematics through problems. These include (1) the familiar instructional situations available to frame the problem, and the possibility to see student's work as (2) responsive to the problem, (3) serviceable for the knowledge at stake, and (4) normative with respect to the instructional situation used to frame the problem. The article shows examples of how teachers recognize responsiveness, serviceability, and normativity of student contributions and calls for research that can further uncover how such recognition may matter in the practice of teaching.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,016
Communication savante0,0050,005
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,044
Tête enseignante GPT0,414
Écart entre enseignants0,370 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSchool Science and MathematicsMême sujetMathematics Education and Teaching TechniquesTravaux en français237 207