MARC

 008250123s2024        us                              c    eng  d
■001000017160428
■00520250211151018
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798382734330
■035    ▼a(MiAaPQ)AAI30996103
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a371
■1001  ▼aLechuga,  Christopher  Garrido.
■24512▼aA  Multidimensional  Perspective  of  Mathematical  Ability  for  Eliciting  Innovations  in  Education
■260    ▼a[Sl]▼bUniversity  of  California,  Irvine▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a262  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-11,  Section:  A.
■500    ▼aAdvisor:  Doroudi,  Shayan;Warschauer,  Mark.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Irvine,  2024.
■520    ▼aAdaptive  tutoring  systems  often  model  student  knowledge  in  ways  that  break  away  from  a  "one  size  fits  all"  approach  to  learning.  Nonetheless,  the  strengths  of  these  systems  can  often  be  limited,  as  knowledge  representations  are  not  easily  interpreted  by  teachers,  which  make  these  systems  difficult  to  integrate  into  pedagogical  practices.  Fortunately,  as  researchers,  we  can  still  take  advantage  of  the  AI  in  these  systems  to  extend  our  innovations  and  address  problems  of  practice.  As  such,  the  goal  of  the  present  work  is  to  leverage  multidimensional  representations  of  knowledge  that  these  systems  provide  to  explore  innovations  in  educational  measurement,  pedagogical  techniques,  and  practice.  I  explore  these  in  three  studies  outlined  below.In  Study  1  I  explore  Innovations  in  educational  measurement  by  adopting  an  alternative  perspective  to  measuring  student  mathematical  ability.  In  this  study  I  invite  the  reader  to  re-conceptualize  mathematical  ability  as  a  multidimensional  construct,  which  runs  counter  to  long-established  tradition  in  academic  measurement  and  pedagogical  practice.  In  doing  so,  I  compare  the  variation  observed  in  students'  mathematical  ability  when  ability  is  measured  using  different  metrics  that  vary  in  dimensionality.  Findings  suggest  that  under  a  multidimensional  view,  students  (including  those  who  may  be  traditionally  seen  as  "low-ability")  often  possess  relative  strengths  when  compared  to  their  peers,  thus  suggesting  that  categorizations  such  as  low-  and  high-ability,  which  are  typically  used  in  practice,  may  be  an  oversimplification.In  Study  2  I  explore  Innovations  in  pedagogical  techniques  as  I  present  three  novel  algorithms  for  grouping  students  that  leverage  existing  technological  AI  innovations  that  model  student  knowledge  across  hundreds  of  mathematical  skills.  These  methods  attempt  to  better  align  the  personalization  of  a  tutoring  system  with  teachers'  instructional  practices.  I  evaluate  each  of  the  three  methods  against  two  alternative  baseline  methods-one  that  groups  students  randomly  and  one  that  groups  students  based  on  a  unidimensional  course  score.  Findings  demonstrate  that  these  novel  methods,  which  adopt  a  multidimensional  view  of  ability,  were  more  capable  than  the  baseline  methods  at  grouping  students  with  similar  strengths  and  weaknesses  on  a  fine-grained  skill  level.In  Study  3  I  explore  Innovations  in  practice  in  a  research-practice  partnership  (RPP)  with  curriculum  specialists  at  a  local  urban  school  district  in  Southern  California.  Implementation  strategies,  including  curriculum  and  grouping  recommendations  were  provided  to  teachers  for  a  summer  intervention  program.  In  the  spirit  of  a  design-based  implementation  partnership,  strategies  and  recommendations  were  formed  to  meet  the  needs  of  partners,  while  simultaneously  attempting  to  address  known  problems  of  practice  when  implementing  a  blended  learning  design  in  the  classroom.  In  this  first  cycle  of  iteration,  these  attempts  were  examined  through  teacher  surveys  as  well  as  student  login  and  learning  data  in  a  tutoring  system.  Ultimately,  these  data  were  used  to  examine  the  fidelity  of  implementation  so  that  findings  may  inform  future  iterations  of  this  ongoing  partnership.
■590    ▼aSchool  code:  0030.
■650  4▼aEducational  technology
■650  4▼aEducational  tests  &  measurements
■650  4▼aMathematics  education
■653    ▼aAbility  grouping
■653    ▼aClassroom  ranking
■653    ▼aKnowledge  space  theory
■653    ▼aMathematical  ability
■653    ▼aReciprocal  peer  tutoring
■653    ▼aResearch-practice  partnership
■690    ▼a0710
■690    ▼a0288
■690    ▼a0280
■71020▼aUniversity  of  California,  Irvine▼bEducation.
■7730  ▼tDissertations  Abstracts  International▼g85-11A.
■790    ▼a0030
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17160428▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books