MétaCan
Menu
Retour à la cohorte
Enregistrement W4404225281 · doi:10.46328/ijemst.4385

Arguing for Access: Teachers’ Perspectives on the Use of Argumentation in Elementary Mathematics

2024· article· en· W4404225281 sur OpenAlexaff
Cathy Marks Krpan, Gurpreet Sahmbi

Notice bibliographique

RevueInternational Journal of Education in Mathematics Science and Technology · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Critical Thinking Development
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésArgumentation theoryMathematics educationComputer scienceMathematicsPsychologyPedagogyEpistemology

Résumé

récupéré en direct d'OpenAlex

This study investigates teachers’ perspectives on the use of a mathematical argumentation teaching strategy in elementary mathematics in which students disprove mathematical statements they already know to be false. Mathematical argumentation is a process through which students develop an argument about a mathematical concept and rationalize its truth or untruth through mathematical reasoning but is if often underused in mathematics. In this study we focused on a argumentation tasks which involved providing students with number statements which they already knew to be false, and inviting them to argue, using visuals, numeric notation, and/or written explanations, why it was false. Through practical action research, seven teachers from two different schools implemented this approach in their mathematics programs to one hundred and thirty-one students over the course of five months. Findings indicate this approach was easy to implement, improved student engagement, supported learners who struggled and deepened students’ mathematical knowledge. We believe that this approach can be used as a precursor to more formal proofs and provide more access for teachers and students in exploring mathematical proofs in elementary classrooms.

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)0,029
score de la tête « metaresearch » (Gemma)0,067
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 enseignants0,029
Score d'incertitude au seuil0,155

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,067
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,001
Études des sciences et des technologies0,0070,019
Communication savante0,0130,010
Science ouverte0,0020,009
Intégrité de la recherche0,0050,008
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 Opus0,074
Tête enseignante GPT0,435
Écart entre enseignants0,362 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Education in Mathematics Science and TechnologyMême sujetEducation and Critical Thinking DevelopmentTravaux en français237 207