Assessing Numerical Analysis Performance with the Practi Mobile App
Notice bibliographique
Résumé
Numerical analysis is a unique combination of mathematical and computing skills. It facilitates a deeper understanding of data analytics and machine learning software libraries, which are exploding in use and importance. However, it is a topic that continues to challenge students because it requires a confluence of conceptual, procedural, and computational skills and associated pedagogies. Therefore, it is valuable to identify effective pedagogies and tools to enhance and assess student numerical analysis skills. Despite the proliferation of mobile technology in postsecondary education, its role in the context of numerical analysis is largely unknown. This quasi-experimental pilot study used Practi, an educational mobile app designed to assess numerical analysis performance and promote both retrieval practice and deliberate practice, which have been shown to help improve performance and develop expertise. Participants were 32 undergraduate students enrolled in a second-year introductory Numerical Analysis course at a large North American university. They were prompted to use Practi to solve quizzes on a regular basis throughout the course, before and after each lecture, to promote deliberate practice and spaced retrieval. Results of a paired t-test analysis showed that Practi was able to detect improvement in student quiz performance after the lectures compared to before the lectures. Additionally, performance on the Practi quizzes after the lectures was positively associated with the overall course performance. This suggests that mobile apps supporting deliberate and retrieval practice can complement more traditional means of instruction and assessment of numerical analysis in postsecondary mathematics education.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».