MétaCan
Menu
Retour à la cohorte
Enregistrement W4394724394 · doi:10.5539/jel.v13n3p133

Bridging Gaps: Pre-Service Mathematics Teachers’ Handling the Difficulties in Posing Real-World Mathematical Problems

2024· article· en· W4394724394 sur OpenAlexvenueno aff
Sakon Tangkawsakul, Weerawat Thaikam, Songchai Ugsonkid

Notice bibliographique

RevueJournal of Education and Learning · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMathematics Education and Teaching Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBridging (networking)Mathematics educationTeaching methodMathematicsComputer science

Résumé

récupéré en direct d'OpenAlex

Real-world mathematical problem (RWMP) solving and posing are important aspects of teaching and learning mathematical modelling, as well as developing a mathematization disposition for both teachers and students. Several researchers have explored blockages or difficulties in such modelling processes and in problem posing. However, prior research has identified difficulties that the pre-service mathematics teachers (PSMTs) encountered when they tried to pose a modelling problem by choosing the general topic themselves, as there is little known about possible obstacles that PSMTs can encounter when trying to pose a real-world problem relevant to a given mathematical topic. The current study explored the difficulties encountered by PSMTs in a RWMP-posing activity. The target group was 23 PSMTs with prior experience in mathematical modelling and mathematical problem posing. The findings showed that the PSMTs struggled with: (a) task organization, which involved selecting and understanding mathematical knowledge; (b) specialized content knowledge, which included a lack of real-world knowledge and difficulty in connecting mathematical concepts to real-world contexts; and (c) individual considerations of aptness, which encompassed authenticity, interest, complexity, language, and relevance to task organization. The PSMTs applied various strategies to complete the posing task, such as using problem-posing and solving heuristics, adapting existing problems, sharing and discussing with friends, and considering the perspective of a typical student. The implications of these findings should help in developing preparatory instructional practices for mathematics teachers.

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)0,006
score de la tête « metaresearch » (Gemma)0,029
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 enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,029
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0060,005
Communication savante0,0060,005
Science ouverte0,0020,009
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,031
Tête enseignante GPT0,368
Écart entre enseignants0,336 · 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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetMathematics Education and Teaching TechniquesTravaux en français237 207