The Multiplication Table : A comparison between teaching based on strategy and drill
Notice bibliographique
Résumé
Undervisning om multiplikationstabellen består främst av lärande genom repetition eller strategi. Syftet med litteraturstudien är att utifrån forskning undersöka och jämföra inlärning av multiplikationstabellen genom strategi- och repetitionsbaserad undervisning. Studien avgränsas till elever i årskurs 1 till 6. Materialet samlades in genom en iterativ sökning på åtta databaser för vetenskapliga publikationer. Det insamlade materialet bestod av sjutton vetenskapliga publikationer. Resultatet visade att både lärande genom repetition och lärande genom strategi möjliggör för elever att automatisera multiplikationstabellen. Resultatet visade också att lärande genom strategi gör att elever kan använda sina kunskaper i nya matematiska sammanhang. En nackdel med lärande genom repetition är att det är svårt att lära sig multiplikationstabellen utan att använda mönster och samband. Strategi- och repetitionsbaserad undervisning leder till olika felsvar. Felsvaren förklaras bland annat med att eleven övat för lite eller att de har en bristande taluppfattning. Forskningen presenterar en stadieteori som beskriver lärandet av multiplikationstabellen och två olika teorier som beskriver hur multiplikationskombinationer memoreras. Kombinationerna memoreras som enskilda enheter eller som system av sammankopplade erfarenheter.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,050 | 0,009 |
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 source (Gemma direct ou Codex distillé), 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 ».