L’enseignement des mathématiques dans l’enseignement spécialisé est-il pavé de bonnes analyses d’erreurs?
Notice bibliographique
Résumé
La mise en oeuvre de nouveaux moyens d’enseignement mathématiques en Suisse Romande vise, entre autres, à modifier le statut de l’erreur en classe. On tend à la considérer comme un support possible pour les apprentissages des élèves et on encourage de plus en plus les enseignants à travailler en ce sens. Des cours de formation continue concernant l’erreur leur sont ainsi proposés, selon un modèle qui procède : du repérage de l’erreur, de la description de la procédure qui l’a provoquée, de la recherche d’une ou de plusieurs origines possibles, de la mise en place d’un dispositif pour tester la pertinence des hypothèses effectuées et de la proposition d’activités de remédiation. Nous pensons toutefois que bon nombre d’erreurs que nous avons repérées dans le champ de l’enseignement spécialisé se prêtent mal à une telle analyse et nous en donnerons quelques exemples. Nous essaierons aussi de montrer en quoi la question de l’erreur est une question sensible dans l’enseignement spécialisé et comment elle est susceptible d’influer sur l’enseignement des mathématiques qui s’y trouve dispensé. Nous parlerons également des difficultés à utiliser l’erreur comme support pour favoriser les apprentissages dans l’enseignement spécialisé. Nous conclurons enfin par l’énoncé de quelques perspectives concernant la place de l’erreur dans la formation en enseignement des mathématiques des enseignants spécialisés.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,012 |
| Communication savante | 0,010 | 0,015 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».