MétaCan
Menu
Retour à la cohorte
Enregistrement W7108217452 · doi:10.33422/iacetl.v2i1.1441

Challenges in teaching math through problem-solving: reflections on potential actions to support primary school teachers

2025· article· en· W7108217452 sur OpenAlexafffund

Notice bibliographique

RevueThe Proceedings of the International Academic Conference on Education, Teaching and Learning. · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMathematics Education and Teaching Techniques
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésSchool teachersQualitative researchMathematical problemKey (lock)Qualitative analysisQualitative property

Résumé

récupéré en direct d'OpenAlex

For decades, problem-solving has played multiple roles in mathematics education. Among these, teaching through problem solving (TTPS) is widely recognized for promoting authentic mathematical exploration and conceptual understanding. Despite its benefits, TTPS remains rarely implemented in primary classrooms. Why is this the case? What challenges do teachers face, and how can they be addressed? This paper draws on two complementary research projects. The first, involving pedagogical advisors, highlights systemic barriers to TTPS. The second, part of a research and development initiative, focuses on primary teachers’ experiences using TTPS to introduce new mathematical concepts. Data include transcripts from four semi-structured interviews (grades 2–6) and 44 teacher questionnaires. The analysis of quantitative and qualitative data highlighted common challenges experienced by teachers in all grades. A key finding was that facilitating the discussion phase proved to be the most difficult aspect for them.Together, the results provide a nuanced understanding of the difficulties teachers encounter and inform practical recommendations to support the integration of TTPS in primary mathematics classrooms.

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)0,025
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,130

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,045
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0180,012
Communication savante0,0130,010
Science ouverte0,0050,016
Intégrité de la recherche0,0090,014
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,098
Tête enseignante GPT0,419
Écart entre enseignants0,321 · 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'étudeQualitatif
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 revueThe Proceedings of the International Academic Conference on Education, Teaching and Learning.Même sujetMathematics Education and Teaching TechniquesTravaux en français237 207