Optimización de la enseñanza de las operaciones matemáticas básicas en estudiantes de primaria a través de la mejora curricular: una propuesta innovadora.
Bibliographic record
Abstract
Esta investigación se centra en la optimización de la enseñanza de las operaciones matemáticas básicas en estudiantes de primaria a través de la mejora curricular. Utilizando un enfoque cualitativo, se seleccionaron diferentes textos o fuentes bibliográficas a través del análisis de contenido. Los resultados de este estudio revelaron la importancia de la mejora curricular y el papel fundamental de los docentes en la enseñanza de las operaciones matemáticas básicas. Se destacó la necesidad de enfoques pedagógicos centrados en el estudiante, evaluación formativa, retroalimentación, currículos flexibles y contextualizados. Además, se identificaron nuevas líneas de investigación, como la implementación y evaluación de intervenciones curriculares específicas, el impacto de la formación docente y el uso de tecnología en la enseñanza de las operaciones matemáticas básicas. Las recomendaciones incluyen promover el desarrollo profesional docente, diseñar currículos flexibles, fomentar enfoques pedagógicos centrados en el estudiante, integrar tecnología de manera adecuada, fomentar la evaluación formativa y establecer colaboración entre docentes y escuelas.
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 | 0.023 | 0.049 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".