Gyllene snittet och geometriförståelse på gymnasiet
Bibliographic record
Abstract
Abstrakt\nExamensarbete i matematik för lärare,\nTitel: Gyllene snittet och geometriförståelse på gymnasiet.\nFörfattare: Simon Larsson\nTermin och år: VT 2015\nKursansvarig institution: Matematiska Vetenskaper\nHandledare: Jonny Lindström\nExaminator: Laura Fainsilber\nRapportnummer:\nNyckelord: Matematik, geometri, gyllene snittet, matematiska begrepp, Van Hiele-nivåer,\nförståelse, inlärning.\nSyftet med mitt arbete är att utreda vad det gyllene snittet innebär, samtidigt som detta\nförhoppningsvis ger mig en grund för att senare i arbetslivet kunna använda mig av denna\nkunskap för att konstruera matematikuppgifter som dels innefattar den mystik som finns kring\ngyllene snittet, men även ta ut eleverna mer i verkligheten och genom gyllene snittet visa hur\nmatematik dyker upp på oväntade platser omkring oss där deras förmåga att analysera\ngeometri blir bättre. Speciellt som både matematik- och naturkunskapslärare är det av intresse\nför mig, då naturen är en vanlig plats där detta snitt dyker upp.\nDen andra delen av uppgiften går dels ut på att undersöka hur elever i gymnasiet, årskurs två\ntolkar och utför geometri men även hur lärare utför och förhåller sig till\ngeometriundervisningen. Uppgiften som eleverna löste var i grupper av tre, där jag spelade in\nelevernas samtal för att sedan kunna analysera dem. Jag kommer med hjälp av Van Hielenivåer\nförsöka kategorisera var deras förståelse ligger samtidigt som jag isolerar vilken nivå\nsom det möjligtvis finns kunskapsbrister på och föreslå vad som kan göras för att åtgärda\ndessa brister.\nDet framkom tydligt hur elevernas förmåga att ta fram tidigare inhämtad kunskap i en\nsituation utan instruktioner var svårt för dem, där brist i deras analytiska förmåga var mest\nframträdande.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.004 | 0.006 |
| Meta-epidemiology (broad) | 0.004 | 0.002 |
| Bibliometrics | 0.026 | 0.017 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.001 | 0.003 |
| Open science | 0.012 | 0.004 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.034 | 0.018 |
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; both teacher heads agree on what is shown here.
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".