MARC

 008260126s2025        us                              c    eng  d
■001000017359970
■00520260202105243
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798291569498
■035    ▼a(MiAaPQ)AAI32272026
■035    ▼a(MiAaPQ)umichrackham006258
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a510
■1001  ▼aMargolis,  Claudine.
■24510▼aThe  Effect  of  Digital  Task  Design  Features  on  Students'  Covariational  Reasoning  and  Graphing  Activity  in  Sketch-to-Animation  Tasks
■260    ▼a[Sl]▼bUniversity  of  Michigan▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a229  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-03,  Section:  B.
■500    ▼aAdvisor:  Gholson,  Maisie  Lee;Silver,  Edward  A.
■5021  ▼aThesis  (Ph.D.)--University  of  Michigan,  2025.
■520    ▼aStudents'  ability  to  reason  about  how  quantities  from  dynamic  situations  change  together-covariational  reasoning-can  support  their  sensemaking  about  real-world  phenomena  and  abstract  mathematical  relationships.  New  types  of  digital  mathematics  tasks,  like  sketch-to-animation  tasks,  can  be  designed  to  support  students'  covariational  reasoning  and  sense-making  about  how  graphs  represent  covarying  quantities.  However,  little  is  known  about  how  the  design  of  sketch-to-animation  tasks  affect  students'  covariational  reasoning.  Building  on  an  existing  framework  for  covariational  reasoning,  this  study  explores  the  differences  in  students'  covariational  reasoning  when  engaging  with  sketch-to-animation  tasks  that  are  numeric  or  non-numeric  as  well  as  open  (i.e.,  multiple  correct  graphs  through  the  coordinate  plane)  or  well-defined  (i.e.,  exactly  one  correct  graph  through  the  coordinate  plane).  A  quasi-experimental  study  was  conducted  with  12  undergraduate  Calculus  1  students  to  explore  differences  in  their  covariational  reasoning  across  a  sequence  of  sketch-to-animation  tasks.  Each  student  completed  two  90-minute  clinical  task-based  interviews  in  which  they  engaged  with  the  sketch-to-animation  tasks  in  the  same  order.  The  tasks  were  designed  to  support  comparisons  across  one  or  both  design  features.  The  data  consisted  of  audio,  video,  and  screen  recordings  from  the  interviews.  Data  analysis  entailed  segmenting  the  data  into  sketch  cycles,  coding  the  observed  level  of  covariational  reasoning,  and  identifying  patterns  in  how  students'  reasoning  was  similar  or  different  across  tasks  that  differed  by  key  design  feature.  Differences  in  students'  covariational  reasoning  were  identified  across  student's  initial  sketching  activity  (i.e.,  prior  to  viewing  the  feedback  animation)  as  well  as  across  sketch  cycles.  A  key  finding  was  that  students  used  different  levels  of  covariational  reasoning  when  engaging  with  numeric  well-defined  tasks  compared  to  non-numeric  well-defined  tasks.  In  particular,  students  almost  exclusively  used  coordination  of  values  reasoning  to  plot  points  when  engaging  with  the  numeric  well-defined  tasks,  whereas  a  wider  variety  of  covariational  reasoning  levels  were  observed  on  the  non-numeric  well-defined  tasks.  A  second  key  finding  was  that  within  observations  of  the  same  level  of  covariational  reasoning,  students  utilized  different  strategies  when  engaging  with  well-defined  or  open  tasks.  Students  who  used  coordination  of  values  reasoning  on  numeric  well-defined  tasks  searched  through  the  animation  to  identify  exact  numeric  values  associated  with  critical  moments  in  the  situation  and  then  plotted  the  corresponding  points.  In  contrast,  students  who  used  coordination  of  values  reasoning  on  non-numeric  well-defined  tasks  reasoned  about  the  location  of  coordinate  points  by  making  comparisons  between  magnitudes  of  quantities  from  the  situation.  These  findings  have  implications  for  the  design  of  digital  mathematics  curriculum  that  utilize  animation-based  graphing  tasks  to  create  opportunities  for  students  to  engage  in  covariational  reasoning.  In  particular,  the  presence  of  numeric  information    and  type  of  graphing  task  are  design  features  that  can  impact  students'  reasoning  and  should  be  employed  strategically  depending  on  the  pedagogical  goals.
■590    ▼aSchool  code:  0127.
■650  4▼aMathematics  education
■650  4▼aEducation
■650  4▼aEducational  administration
■650  4▼aMathematics
■653    ▼aDigital  task  design
■653    ▼aCovariational  reasoning
■653    ▼aGraphing
■653    ▼aSketch-to-animation  tasks
■690    ▼a0280
■690    ▼a0515
■690    ▼a0514
■690    ▼a0405
■71020▼aUniversity  of  Michigan▼bEducational  Studies.
■7730  ▼tDissertations  Abstracts  International▼g87-03B.
■790    ▼a0127
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17359970▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books