Il metodo MERLO per la didattica della matematica
Notice bibliographique
Résumé
L'elaborato vuole esplorare le potenzialità del metodo MERLO nella didattica della matematica. Il metodo MERLO (Meaning Equivalence Reusable Learning Object) nasce negli anni novanta in Canada e solo da qualche anno è stato portato nel contesto italiano, principalmente grazie al Dipartimento di Matematica dell'Università di Torino. \nQuesto metodo per incentivare l'apprendimento concettuale si basa sull'uso di schede con rappresentazioni multisemiotiche con lo scopo di evidenziare un Boundary Of Meaning (BOM) ossia un confine di significato. L'affermazione di cui si vuole indagare la conoscenza e le sue diverse rappresentazioni semiotiche rientrano nel BOM mentre rappresentazioni semiotiche simili ma con un significato diverso ne sono esclusi. \nNell'elaborato sono stati analizzati quelli che sono i principali fattori che intervengono nell'apprendimento di un concetto. È stato poi esposto in cosa consiste il metodo MERLO e come è stato trasposto in Italia, per meglio capire le potenzialità e criticità nella sua applicazione è stata riportata una sperimentazione didattica in una classe terza di una scuola secondaria di primo grado. Per avere una visione completa dell'introduzione del MERLO nel contesto della didattica della matematica sono state intervistate alcune docenti che ne fanno uso nella propria didattica e è stato intervistato anche il Professor Kennet che ha collaborato con i creatori del metodo. \nAl termine dell'elaborato sono state indicate le criticità del metodo MERLO e le sue potenzialità.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».