Enhancing Spatial Literacy through ClassPoint-Integrated Geometry Learning: A Quasi-Experimental Study Type
Notice bibliographique
Résumé
This study evaluates the efficiency of ClassPoint learning media in improving students' spatial literacy in geometry education. Spatial literacy, which includes imagery, reasoning, and communication skills, is crucial for understanding and solving complex geometric problems. The research employed a quasi-experimental methodology, dividing 52 eleventh-grade students into two groups: one utilizing ClassPoint for the experiment and the other employing conventional methods as the control group. We collected data through pretests and post-tests with instruments devised particularly to assess three characteristics of spatial literacy. The data analysis included t-tests and N-Gain to evaluate the intervention's effectiveness. The results demonstrated that students in the experimental group showed a significant improvement in spatial literacy compared to the control group. The mean score of the experimental group increased from 66.38 to 85.23 following the intervention, with N-Gain scores for vision at 0.84 (high category), reasoning at 0.81 (high category), and communication at 0.70 (medium category). The interactive features of ClassPoint, such as quizzes, polls, and live annotations, improved the learning experience and aided students' understanding of concepts. This study contributes to educational literature by illustrating the effectiveness of the ClassPoint learning medium in improving spatial literacy in geometry education. This study's practical implications suggest utilizing learning tools like ClassPoint in mathematics lessons to create a more innovative, engaging, and relevant educational environment. We expect the results of this study to guide educators and policymakers in developing learning strategies that enhance students' spatial skills development
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».