MétaCan
Menu
Retour à la cohorte
Enregistrement W4388147061 · doi:10.25071/1916-4467.40437

Play and Mathematics

2019· article· en· W4388147061 sur OpenAlexaffvenue
Krista Francis

Notice bibliographique

RevueJournal of the Canadian Association for Curriculum Studies · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation Methods and Practices
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMathematics educationConversationCurriculumGRASPFocus (optics)PedagogyPsychologyProcess (computing)Computer science

Résumé

récupéré en direct d'OpenAlex

In this paper, I argue that a lack of play and joy in classrooms could be due to our North American standardized education system, which emphasizes achievement outcomes. I argue that this system does not benefit the majority of students, nor the field of mathematics. Many students are negatively affected—both emotionally and academically—by a focus on results. Rather than outcome-driven pedagogy, a focus on learning to enjoy doing mathematics might change the conversation. A kinder, process-driven approach through mathematical play may spark enjoyable teaching and learning. Play (Gadamer, 1960/1989; Huizinga, 1944/1949) has the potential to absorb learners as they seek answers to fun yet challenging mathematics problems. The experience of flow is similar to that of play (Csikszentmihalyi, 2000); when playing, learners get a chance to practice and elaborate on their existing skills in manners that suspend notions of time. When the play releases them from its grasp, learners experience the joy from solving problems. Dewey (1916) considered play to be purposeful activity that sponsors a child’s growth. Teachers could capitalize on this for growth in learning. Learning to bring mathematical play into the classroom requires intention, an inviting attitude, knowledge of the types of problems that invoke play, and knowledge of how to connect playful problems to mathematical concepts and curriculum. Such engaging experiences with mathematics could sponsor joyful engagement in mathematics and an intrinsic desire to learn more.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,013
Communication savante0,0060,003
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0170,002

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 Opus0,045
Tête enseignante GPT0,397
Écart entre enseignants0,352 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Canadian Association for Curriculum StudiesMême sujetEducation Methods and PracticesTravaux en français237 207