Enseigner les premiers concepts de probabilités
Notice bibliographique
Résumé
Les probabilités font partie de la vie du citoyen du XXI e siècle , et ce, dans divers contextes et domaines – en santé pour la sélection d’un traitement, en gestion pour le choix d’un investissement, etc. Dans le milieu scolaire, il est donc impératif de développer une pensée probabiliste permettant la prise de décisions éclairées en moment d’incertitude, la modélisation des situations aléatoires et la compréhension de la notion de risque. Au Québec, bien que l’enseignement des premiers concepts de cette branche des mathématiques commence dès le début du primaire, il représente tout de même un défi de taille, car en plus d’être complexes et contre-intuitives, les probabilités n’occupent qu’une (trop) petite place au sein de la formation des enseignants. Le présent ouvrage s’adresse aux enseignants en exercice du primaire et du début du secondaire, aux futurs enseignants et aux formateurs universitaires en didactique des mathématiques. Ses auteurs invitent à la découverte des éléments contextuels et historiques liés à cette discipline, puis proposent des réflexions et des idées originales de situations pour l’enseignement (et la formation à l’enseignement) des premiers concepts de probabilités. Il est plus que probable que les propos de cet ouvrage ébranlent la façon de penser et les convictions du lecteur quant à la manière d’enseigner les probabilités.
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 | 0,001 | 0,004 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».