AN ANALYSIS OF DIFFICULTIES ON MATHEMATICAL MODEL \nINTERPRETATION OF JUNIOR HIGH SCHOOL STUDENTS ON THE MATERIALS \nOF TWO-VARIABLE LINEAR EQUATION SYSTEM
Notice bibliographique
Résumé
Modeling is one of abilities included in studying mathematical materials. Modeling \nis mostly used to express the events of everyday life , such as modeling of tsunami \nwave, modeling of population growth, and modeling of economics growth. \nTherefore, mathematical modeling is an important ability to be possessed by \nstudents. It is in line with the opinion of Niss (2010) who states that Modeling is a \nCrucial Aspect of Students' Mathematical Modeling. Considering its significance, \nmathematical modeling should be learned by students since they attend elementary \nschool. For example, Singapore school curriculum has provided an opportunity for \nstudents to learn mathematical modeling abilities since they attended elementary \nschool (Kaur and Dindyal, 2010). On the other hand, it is a fact that students - in \nsome countries, such as Germany, England, Romania, Canada, Czech Republic, \nMozambique, Netherlands, and Japan - have difficulties in mathematical modeling \n(Ikeda, 2007). Therefore, this paper is intended to discusse some difficulties faced \nby junior high school student in conducting mathematical modeling and model \ninterpretation, particularly in the materials of linear equation system of two \nvariables. Data were obtained from students in two junior high schools coming from \ntwo and three cluster schools in the Bandung Municipality, covering research subject \nas many as 151 students.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,013 | 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 ».