MétaCan
Menu
Retour à la cohorte
Enregistrement W4394749035 · doi:10.3390/educsci14040404

Assessing Numerical Analysis Performance with the Practi Mobile App

2024· article· en· W4394749035 sur OpenAlexafffund
Maria Cutumisu, Kristin Garn, Raymond J. Spiteri

Notice bibliographique

RevueEducation Sciences · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensUniversity of SaskatchewanMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésContext (archaeology)Learning analyticsComputer scienceMathematics educationMobile devicePsychologyData scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

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 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)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,023
Tête enseignante GPT0,363
Écart entre enseignants0,339 · 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'étudeObservationnel
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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEducation SciencesMême sujetMobile Learning in EducationTravaux en français237 207