MétaCan
Menu
Retour à la cohorte
Enregistrement W4415780937 · doi:10.64710/hfls9668

Examining the effectiveness of the numeracy course ‘Numbers for Life’ at McMaster University

2025· article· W4415780937 sur OpenAlexaffabout
Andrijana Burazin, Taras Gula, Miroslav Lovic

Notice bibliographique

RevueAdults Learning Mathematics An International Journal · 2025
Typearticle
Langue
DomaineMathematics
ThématiqueMathematics Education and Programs
Établissements canadiensGeorge Brown CollegeUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNumeracyVariety (cybernetics)Class (philosophy)NarrativeCourse (navigation)Qualitative propertyGovernment (linguistics)Logical reasoning

Résumé

récupéré en direct d'OpenAlex

This paper reports on our study of the effectiveness of the course instruction in the numeracy course ‘Numbers for Life’, offered at McMaster University, Canada, and taught by one of the co-authors. In this course students explore the ways to reason with numbers in a variety of contexts important not only for their individual lives and their community, but broader – it helps them understand the world they live in, and the challenges they will face. To answer important questions about students’ learning and their development of quantitative reasoning skills, we designed a two-year research project, for which we secured government funding. We combined quantitative and qualitative data analysis methods to assess the gains in student learning and skills development using a number of instruments, including pre-test and post-test surveys, class activities, course assessments and teaching evaluations. Our research suggests that the “Numbers for Life” course instruction improves most students’ numeracy knowledge and skills. We detected improvements in students’ ability to understand numbers, ability to engage with logical constructions and reasoning, and ability to engage with multiple-step problems which require quantitative reasoning. The largest learning gains were detected among students who had inadequate background, as determined by their pre-test performance. We were not able to detect pre- to post-test improvements in communication (explaining what a numeric answer represents, providing a logical argument, creating a narrative about a situation involving numbers, and so on). We believe that part of the reason for this lies in the fact that students were probably not as serious, nor as patient in their approach to completing their post-test (at the end of the semester) as they were in completing a pre-test (at the start of the semester).

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)0,007
score de la tête « metaresearch » (Gemma)0,034
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 enseignants0,143
Score d'incertitude au seuil0,284

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,034
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0020,002
Science ouverte0,0030,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,029
Tête enseignante GPT0,324
Écart entre enseignants0,295 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdults Learning Mathematics An International JournalMême sujetMathematics Education and ProgramsTravaux en français237 207