Bibliographic record
Abstract
Die numerische Entwicklung von 1597 Kindern aus der Region Quebec, Kanada, wurde in vier regelmäßigen Abständen zwischen dem Alter von 4 bis 7 Jahren untersucht. Neben dem Zahlenwissen erhoben Garon-Carrier und Kollegen auch andere kognitive Leistungen, wie visuell-räumliche Fähigkeiten oder Gedächtnisleistungen und verschiedene Masse zur Beschreibung der Familiensituation. Die numerische Entwicklung ließ sich am besten in vier unterschiedliche Verläufe gruppieren: 1) eine sich nur wenig verbessernde Gruppe (10 % der Kinder), 2) eine sich moderat verbessernde Gruppe (39 %), 3) eine sich moderat, aber schnell verbessernde Gruppe (32 %), und 4) eine sich stark verbessernde Gruppe (19 %). Die spätere Untersuchung dieser Kinder im Alter von 8 und 10 Jahren zeigte, dass sich die vier Gruppen weiterhin signifikant in ihren Mathematikleistungen unterschieden. Kinder der sich nur wenig verbessernden Gruppe zeigten persistent deutlich schwächere Mathematikleistungen im Vergleich zu den anderen Gruppen. Zudem stammten die Kinder dieser Gruppe aus Haushalten mit geringerem Einkommen und schlechterer Ausbildung der Väter. Weiter wiesen diese Kinder eine schlechtere frühe kognitive Entwicklung auf und besonders wichtig, schlechtere visuell-räumliche Fähigkeiten und reduzierte Gedächtnisleistungen. Diese beiden Leistungen sagten die späteren numerischen Kompetenzen besser voraus als die familiären Umstände. Diese Studie zeigt eindrücklich, dass insbesondere Vorschulkinder mit tieferen kognitiven Fähigkeiten aus ärmeren und bildungsferneren Familienmilieus ein erhöhtes Risiko haben, persistent tiefere mathematische Fähigkeiten vom Kindergarten bis in die Grundschule zu entwickeln. Aus diesem Grund bedürfen solche Kinder besonderer präventiver Hilfe, um ihren weiteren mathematischen Entwicklungsverlauf positiv zu unterstützen.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".