Developing Mathematical Procedures in Numbers and Algebra Through an Intelligent Tutoring System
Notice bibliographique
Résumé
This study aimed to assess and compare the development of mathematical procedures on the part of Grade 7 students using an intelligent tutoring system on a digital platform. The sample comprised 96 students from Khon Kaen University Demonstration School, Thailand, divided equally into experimental and control groups. The experimental group worked with an intelligent tutoring system and received automated feedback, while the control group worked with an intelligent tutoring system but did not receive such feedback. Data were analyzed using mean, standard deviation, t-test, repeated measures ANOVA, and learning progression analysis. The results showed that the experimental group significantly improved in terms of mathematical procedures (p < .05), with pre-test and post-test scores of 1.31 (SD = 1.49) and 3.46 (SD = 0.97), respectively. In contrast, the control group’s scores were 1.13 (SD = 1.41) and 2.67 (SD = 1.56). Additionally, the experimental group achieved an average learning progression of 84.83% (SD = 27.59), significantly higher than that of the control group’s 64.54% (SD = 30.08) (t = 3.45, df = 94, p < .001), with a large effect size ( = 0.70). In conclusion, integrating diagnostic systems with intelligent tutoring and automated feedback effectively enhances students’ mathematical proficiency and learning progression. These findings support the use of digital technology to improve 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».