Watch Those Studs! How Prior Domain Knowledge and Extraneous Details on LEGOâ Bricks Influence Children’s Fraction Division
Notice bibliographique
Résumé
The primary aim of the present study was to examine whether extraneous details on LEGOâ bricks prompted inappropriate counting strategies and impacted performance accuracy when solving fraction division problems. The secondary aim was to investigate whether prior domain knowledge of fractions concepts influenced the extent to which the extraneous details on the bricks affected children’s problem-solving performance. Thirty-eight fifth- and sixth-grade students (<i>N</i> = 38) participated in the study. A fractions test was used to classify students into low (<i>n</i> = 19) and high prior knowledge (<i>n</i> = 19) groups. Then, all participants watched an instructional lesson that showed them how to represent fractions with LEGO bricks and how to solve fraction division problems using measurement division with the bricks. The participants then completed a learning task and a second task designed to assess whether extraneous details on LEGO bricks influenced their problem-solving performance. The results revealed that the extraneous details on LEGO bricks prompted some students to use inappropriate counting strategies, but prior knowledge did not explain the attention to extraneous details. In contrast, prior knowledge accounted for the variance in performance accuracy and the types of errors committed. Specifically, children with low prior knowledge made more errors choosing the correct bricks to represent the dividend fractions, which resulted in a larger number of inaccurate solutions compared to children with high prior knowledge.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».