MétaCan
Menu
Retour à la cohorte
Enregistrement W4407106687 · doi:10.3390/educsci15020169

Solving STEM-Relevant Problems: A Study with Prospective Primary School Teachers

2025· article· en· W4407106687 sur OpenAlexfundno aff
Sofia Morgado, Laurinda Leite, Luís Gonzaga Pereira Dourado, Paulo Idalino Balça Varela

Notice bibliographique

RevueEducation Sciences · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueScience Education and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesFundação para a Ciência e a TecnologiaUniversidade do MinhoMinistério da Ciência, Tecnologia e Ensino SuperiorInternational Council for Canadian Studies
Mots-clésMathematics educationPsychology

Résumé

récupéré en direct d'OpenAlex

Solving a problem requires and promotes a diversity of competencies, which include conceptual knowledge, technical and methodological knowledge, and transversal competencies. Everyday STEM-relevant problems are contextualized, ill structured, and multidisciplinary in nature. By focusing on daily life issues, they promote students’ engagement in the problem-solving process and enable them to perceive how science relates to their lives. This paper aims to characterize the processes followed by prospective primary school teachers when solving three STEM-relevant problems that have different features. The qualitative analysis of 77 participants’ answers showed that complete problem-solving pathways were one among a variety of other paths identified. Most strategies adopted by the participants led them to ignore the contextual conditions of the problem and to reach solutions that did not attend to them. The affective relationship with the object may increase the problem solver’s tendency to ignore the contextual conditions, but this issue deserves further research. The results shed some light on the features of the problems that teacher educators should select if they wish for their prospective teachers to learn and succeed in solving everyday STEM-relevant issues. This is required to promote their future students’ engagement in problem-based learning processes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,546
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,047
Tête enseignante GPT0,405
Écart entre enseignants0,357 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducation SciencesMême sujetScience Education and PedagogyTravaux en français237 207