Visita al aula para fortalecer la resolución de problemas de cantidad en el III ciclo del nivel primaria
Bibliographic record
Abstract
El propósito de la investigación fue mejorar el nivel de logro de resolución de problemas de cantidad en el III ciclo del nivel primaria de la I.E. 21003 San Isidro labrador-Huaura, la población a quienes se aplicó el cuestionario, está constituida por 12 docentes del nivel primaria y la técnica empleada fue la chakana basada en la propuesta de La escuela que queremos del autor Cuba (2015) cuya perspectiva tiene cinco campos en la que el principal es el aprendizaje; los referentes bibliográficos utilizados fueron: textos y módulos del Ministerio de Educación que incluyen diversos autores que brindan información sobre las estrategias como talleres, comunidades del aprendizaje, visitas a aula, observación entre pares, autogestión y trabajo colaborativo cuya implementación nos permitirá mejorar la calidad educativa y las sesiones del aprendizaje donde el docente fortalezca el manejo en estrategias didácticas de resolución de problemas de cantidad y el estudiante pueda usar este método de resolución de problemas en diversos contextos donde se desenvuelva y tenga utilidad en su proyecto de vida. Se da a conocer la matriz de plan de acción, su implementación, el presupuesto, la matriz de monitoreo y niveles de logro de la acción en cuadros anexos, finalmente las conclusiones, referencia y anexos.
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 | 0.006 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.020 | 0.003 |
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".