Les connaissances d'enseignants du secondaire sur les concepts d'écart moyen et d'écart type
Notice bibliographique
Résumé
La recherche décrite dans cet article vise à explorer les connaissances professionnelles en statistique d’enseignants de mathématiques du secondaire reliées aux concepts d’écart moyen et d’écart type. Par connaissances professionnelles, j’entends ici autant des connaissances qui sont articulées aux questions d’enseignement-apprentissage, qu’aux contenus à enseigner. Douze enseignants de mathématiques du secondaire du Québec ont été confrontés à des mises en situation faisant intervenir ces contenus scolaires. En plus de résoudre les tâches proposées sur les contenus, les enseignants étaient confrontés à des réponses et raisonnements d’élèves et, par le fait même, amenés à proposer des façons d’intervenir afin d’aider ces derniers à surmonter les obstacles dont leur raisonnement témoigne et favoriser du même coup leurs compréhensions statistiques. L’analyse des réponses des enseignants permet d’abord d’explorer les compréhensions et pratiques de ces enseignants, associées aux concepts d’écart moyen et d’écart type, et de porter un regard sur l’enseignement de ces concepts. Dans un deuxième temps, l’étude montre que des conceptions déjà observées chez des élèves sur ces contenus se retrouvent également chez ces enseignants du secondaire.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,001 |
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 tête enseignante, 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 ».