• 제목/요약/키워드: levels of thinking in geometry

검색결과 8건 처리시간 0.017초

The Effect of Solid Geometry Activities of Pre-service Elementary School Mathematics Teachers on Concepts Understanding and Mastery of Geometric Thinking Levels

  • Patkin, Dorit;Sarfaty, Yael
    • 한국수학교육학회지시리즈D:수학교육연구
    • /
    • 제16권1호
    • /
    • pp.31-50
    • /
    • 2012
  • The present study explored whether the implementation of focused activities (intervention programme) can enhance 22 pre-service mathematics teachers' proficiency in solid geometry thinking level as well as change for the better their feelings in this discipline. Over a period of 6 weeks the pre-service teachers participated in activities and diversified experiences with 3D shapes, using illustration aids and actual experience of building 3D shapes in relation to the various spatial thinking levels. The research objectives were to investigate whether the intervention programme, comprising task-oriented activities of solid geometry, enhance mathematics pre-service teachers' mastery of their geometric thinking levels as well as examine their feelings towards this discipline before and after the intervention programme. The findings illustrate that learners' levels of geometric thinking can be promoted, entailing control on higher thinking levels as well as a more positive attitude towards this field.

Global van Hiele (GVH) Questionnaire as a Tool for Mapping Knowledge and Understanding of Plane and Solid Geometry

  • Patkin, Dorit
    • 한국수학교육학회지시리즈D:수학교육연구
    • /
    • 제18권2호
    • /
    • pp.103-128
    • /
    • 2014
  • This paper presents the Global van Hiele (GVH) questionnaire as a tool for mapping knowledge and understanding of plane and solid geometry. The questionnaire facilitates identification of the respondents' mastery of the first three levels of thinking according to van Hiele theory with regard to key geometrical topics. Teacher-educators can apply this questionnaire for checking preliminary knowledge of mathematics teaching candidates or pre-service teachers. Moreover, it can be used when planning a course or granting exemption from studying in basic geometry courses. The questionnaire can also serve high school mathematics teachers who are interested in exposing their students to multiple-choice questions in geometry.

중학교 수학교과서와 중학생들의 반 힐레 기하수준에 관한 연구 (A Study on the Van Hiele Level of Middle school Mathematics Textbooks and Middle school students' geometric thinking)

  • 강미혜;손홍찬
    • 한국학교수학회논문집
    • /
    • 제22권4호
    • /
    • pp.483-500
    • /
    • 2019
  • 본 연구에서는 중학교 수학교과서에서 기하 영역의 반 힐레 수준과 학생들의 반 힐레 수준을 비교 분석하였다. 교육과정이 개정되어 오면서 기하 영역에서의 내용은 감소되었지만 반 힐레 수준의 변화는 크지 않았고, 교과서에 제시되어 있는 내용의 기하 수준과 학생의 기하 수준과는 차이가 많이 남을 알 수 있었다. 교과서의 반 힐레 수준은 1학년의 경우 1, 2, 3수준, 2, 3학년의 경우 2, 3, 4수준에 분포되어 있고, 학생의 수준은 1학년의 경우 1수준 이하가 69%, 2, 3학년의 경우 2수준 이하가 각각 73.7%, 47.6%로 나타나 차이가 큼을 알 수 있다. 특히 2, 3학년의 경우 문제에서보다 교과서 본문의 내용의 반 힐레 4수준 비율이 높아 학생에게 어려움을 야기할 수 있음을 알 수 있었다.

공간 능력과 공간 기하적 사고에서 SketchUp활용의 효과 -중학교 1학년 입체도형의 측정 단원을 중심으로- (The impact of Google SketchUp on spatial ability and 3D geometric thinking of 7th grade students in volume measurement of solid figures)

  • 이현희;김래영
    • 한국수학교육학회지시리즈A:수학교육
    • /
    • 제52권4호
    • /
    • pp.531-547
    • /
    • 2013
  • The purpose of the study is to examine how effects of activities using Google SketchUp on students' spatial ability and 3D geometric thinking in measuring the volume of solid figures. By comparing the results from pre- and post-tests between the experimental group and control group, we found that activities using Google SketchUp help students improve their spatial ability in the spatial orientation and visualization. In addition, more than half students in the experimental group moved from level 4 up to level 7 in thinking process of measuring the volume in terms of Battista(2004)'s levels. This study suggests that the instruction with Google SketchUp can help to improve students' spatial ability and 3D geometric thinking in the regular class in middle school. In addition, SketchUp can be an advanced technological tool to support students' self-directed learning, which create an efficient educational environment and a great opportunity to learn geometry in an effective manner.

수학 영재 교육 대상 학생의 기하 인지 수준과 증명 정당화 특성 분석 (An Analysis of Justification Process in the Proofs by Mathematically Gifted Elementary Students)

  • 김지영;박만구
    • 한국수학교육학회지시리즈C:초등수학교육
    • /
    • 제14권1호
    • /
    • pp.13-26
    • /
    • 2011
  • 본 연구의 목적은 초등수학 영재 교육 대상 학생들의 기하 인지 수준과 그들이 증명을 전개하는 과정에서 논리적인 정당화의 특성을 분석하고 이를 기반으로 수학 영재 교육을 위한 시사점을 제시하는 것이다. 이를 위하여 서울특별시 A영재교육원에 재학 중인 5, 6학년 학생 18명을 대상으로 그들의 기하 수준을 확인하고 그들이 기하문제를 증명을 하고 설명하는 과정에서 어떤 논리적인 정당화를 해 가는지 분석하였다. 연구 결과 이들은 van Hieles의 기하 사고의 0수준부터 4수준 중에서 대부분 2∼3수준에 있었다. 그리고 증명의 정당화 과정에서 이 영재 교육 대상 학생들은 잘라 붙이기와 수치적 접근을 사용하려는 시도와 이미 선행으로 학습한 내용의 기억을 되살려 사용하는 예가 많았고, 독창적이고 일반적인 증명으로 이끌어가는 데는 어려움을 가지고 있었다. 따라서 초등수학 영재 교육 대상자들을 위한 교육은 이들의 수준에 맞는 보다 정교화된 과제로 이들이 자신들의 증명의 정당화 과정을 인지하면서 보다 창의적이고 연역적 사고의 수준으로 이끌어 줄 필요가 있다.

평면도형 영역에서 Shulman-Fischbein 개념틀을 활용한 학생의 오류에 대한 예비 교사의 지식 분석 (Interpretation of Pre-service Teachers' Knowledge by Shulman-Fischbein Framework : For Students' Errors in Plane Figures)

  • 김지선
    • 한국수학교육학회지시리즈E:수학교육논문집
    • /
    • 제32권3호
    • /
    • pp.297-314
    • /
    • 2018
  • 본 연구는 교사지식 중에서 예비교사의 학생에 대한 지식을 Shulman-Fischbein 개념틀을 이용하여 해석함으로써 우리의 교사교육의 현실에 시사점을 제공하고자 하였다. Shulman-Fischbein 개념틀은 수학의 알고리즘적 SMK, 수학의 형식적 SMK, 수학의 직관적 SMK, 수학의 알고리즘적 PCK, 수학의 형식적 PCK, 그리고 수학의 직관적 PCK의 여섯 가지 요소로 구성되어 있다. 이를 위해 일련의 평면도형 영역의 문제를 다루고 학생의 오개념을 포함한 지필과제를 5명의 예비교사에게 제시하고 그들이 제출한 답변을 분석하였다. 분석 결과 예비교사들은 상당히 강한 SMK를 지니고 있음을 보여주었고, 수학의 형식적 측면을 강조하는 경향을 보였다. 또한 학생들의 오개념 분석 시 학생들의 수준을 깊게 고려하지 않았고, 오개념을 고치기 위한 교수학적 방법을 제안할 때에 구체적이지 못하고 피상적인 답변만을 제시하는 특징을 보여주었다.

도형심리검사 GEOPIA 6가지 유형과 MBTI 4기능 유형 간 관계연구를 통한 직업적성탐구 (Exploring Job Aptitude through Analyzing the Relationship between Six Types of GEOPIA and MBTI's four Function Types)

  • 오미라;최정한
    • 한국산학기술학회논문지
    • /
    • 제20권9호
    • /
    • pp.82-92
    • /
    • 2019
  • 본 연구의 목적은 한국형도형심리 성격검사 GEOPIA(Geometry Psychological Assessment) 6가지유형과 MBTI(Myers-Briggs Type Indicator)성격유형검사 4가지 기능에 대한 연관성 및 일치정도를 분석해보고 각각의 검사도구에서 공통적으로 추천되는 적합한 수준의 직업적성을 탐구해 보는 것이다. 전국에 거주하는 19세 이상 70세 미만의 성인 남녀 377명을 대상으로 GEOPIA와 MBTI검사를 동시에 실시하였다. 측정도구의 타당도와 신뢰도검증을 위해 신뢰도(Cronbach's ${\alpha}$)값을 산출하였고 각 변수들 간의 평균과 표준편차를 구하였다. 또한 GEOPIA 검사와 MBTI 4기능 간의 관계를 알아보기 위하여 교차분석을 실시하였다. 연구결과를 살펴보면, GEOPIA 성격유형 중 동그라미세모(RT)형, 동그라미네모(RB)형, 세모네모(TB)형, 네모에스(BC)형은 MBTI의 감각/사고(ST)와 관련이 높게 나타났다. 동그라미에스(RC)형은 직관/감정(NF), 감각/감정(SF)순으로 나타났으며, 세모에스(TC)형은 직관/사고(NT)형과 관련이 높게 나타났다. 이러한 연구결과를 바탕으로 두 가지 검사의 공통적인 특성에 따라 적합한 수준의 직업적성을 제언하였다. 본 연구를 통하여 한국형도형심리 성격검사 GEOPIA가 상담이나 코칭, 교육현장에서 유용하게 사용될 수 있으며, 무엇보다 진로적성탐색을 위한 직업심리검사에 있어서도 신뢰할만한 검사도구로 유용하게 활용될 수 있음을 확인할 수 있었다.

A Comparative Study of Deep Learning Techniques for Alzheimer's disease Detection in Medical Radiography

  • Amal Alshahrani;Jenan Mustafa;Manar Almatrafi;Layan Albaqami;Raneem Aljabri;Shahad Almuntashri
    • International Journal of Computer Science & Network Security
    • /
    • 제24권5호
    • /
    • pp.53-63
    • /
    • 2024
  • Alzheimer's disease is a brain disorder that worsens over time and affects millions of people around the world. It leads to a gradual deterioration in memory, thinking ability, and behavioral and social skills until the person loses his ability to adapt to society. Technological progress in medical imaging and the use of artificial intelligence, has provided the possibility of detecting Alzheimer's disease through medical images such as magnetic resonance imaging (MRI). However, Deep learning algorithms, especially convolutional neural networks (CNNs), have shown great success in analyzing medical images for disease diagnosis and classification. Where CNNs can recognize patterns and objects from images, which makes them ideally suited for this study. In this paper, we proposed to compare the performances of Alzheimer's disease detection by using two deep learning methods: You Only Look Once (YOLO), a CNN-enabled object recognition algorithm, and Visual Geometry Group (VGG16) which is a type of deep convolutional neural network primarily used for image classification. We will compare our results using these modern models Instead of using CNN only like the previous research. In addition, the results showed different levels of accuracy for the various versions of YOLO and the VGG16 model. YOLO v5 reached 56.4% accuracy at 50 epochs and 61.5% accuracy at 100 epochs. YOLO v8, which is for classification, reached 84% accuracy overall at 100 epochs. YOLO v9, which is for object detection overall accuracy of 84.6%. The VGG16 model reached 99% accuracy for training after 25 epochs but only 78% accuracy for testing. Hence, the best model overall is YOLO v9, with the highest overall accuracy of 86.1%.