¿Qué podemos aprender de la enseñanza magistral? Una contribución a la investigación de la actividad matemática escolar
Notice bibliographique
Résumé
Este artículo busca arrojar luces sobre el aula de matemáticas mediante una investigación de la actividad matemática que allí ocurre. Dicha investigación está lejos de ser evidente, precisamente por la complejidad que presenta dicha actividad; complejidad que se manifiesta, por ejemplo, en los posicionamientos que adoptan tanto estudiantes como profesores en el aula, así como en las concepciones subyacentes sobre el saber matemático y su aprendizaje. La investigación presentada se apoya en la teoría de la objetivación. En esta teoría, la actividad matemática en el aula se caracteriza a través de dos componentes organizadores interrelacionados: a) la forma en que las ideas matemáticas se producen y se ponen en circulación en el aula, y b) el tipo de interacción que se da entre estudiantes y profesores. La investigación estudia uno de los tipos de actividad matemática escolar más populares en la práctica educativa: la lección magistral. Para ello, se recurre a un estudio de caso basado en una lección de una escuela secundaria chilena. El análisis revela una serie de dispositivos sutiles, tanto discursivos como no discursivos, a los que recurren el profesor y los estudiantes para posicionarse mutuamente y asegurar formas específicas de circulación de ideas en el aula.
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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,008 |
| Communication savante | 0,011 | 0,008 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 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 ».