Har intensiteten någon betydelse? : En interventionsstudie om tal i bråkform med fokus på explicit undervisning och laborativt material utifrån ett specialpedagogiskt perspektiv
Bibliographic record
Abstract
Syftet med studien är att undersöka effekten av matematikinterventioner med SUM-elever. Undervisningen fokuserar på explicit undervisning, repetition samt användande av laborativt material inom området tal i bråkform. Syftet är även att jämföra hur olika intensitet av interventioner påverkar elevers förståelse. Studien är förankrad i den kognitiva belastningsteorin, Ebbinghaus glömskekurva och hans forskning om repetitionens betydelse för inlärning, samt Heddens teori om övergången från konkret till abstrakt nivå i matematik. Studien har en kvantitativ, kvasiexperimentell forskningsdesign där urvalet inte är slumpmässigt. Interventionerna genomfördes i små grupper under åtta lektioner. För att variera intensiteten fördelades lektionerna under två respektive fyra veckor. Effekten mättes med ett för- och eftertest. Resultatet visade att interventionerna haft positiv effekt på elevernas förståelse för tal i bråkform. Ingen tydlig skillnad kunde påvisas gällande elevernas förståelse utifrån interventionens intensitet. Däremot hade eleverna som genomförde interventionen med den högre intensiteten lärt sig samma innehåll på färre veckor. Slutsatsen av studien är att en strukturerad, explicit undervisning med fokus på repetition och användning av laborativt material minskar den kognitiva belastningen och därmed gynnar SUM-elevers kunskapsutveckling. Vi kan däremot inte bekräfta att interventionens intensitet har betydelse för lärandet.
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 | 0.008 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.042 | 0.005 |
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".