Étude de Cas : Transformer l’Enseignement des Mathématiques avec Maple, Maple Learn et la Classe Inversée
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cet article présente la mise en œuvre d’un dispositif d’hybridation pédagogique, centré sur la classe inversée, dans l’enseignement des mathématiques au niveau secondaire au sein d’une classe hétérogène intégrant des élèves bénéficiant de mesures d’aménagements raisonnables. Ce dispositif repose sur une combinaison de ressources numériques variées — capsules vidéo pédagogiques, modules d’auto-évaluation et exercices interactifs dans Maple Learn, ainsi que des exerciseurs à génération aléatoire avec ou sans solution, tirant parti des capacités de Maple. À ces outils numériques s’ajoutent des supports non numériques, tels que des puzzles et des articles scientifiques extraits de magazines, le tout structuré dans un parcours d’apprentissage soigneusement conçu. Le dispositif combine des activités synchrones et asynchrones, appuyées par un forum Teams pour favoriser le soutien collaboratif et les échanges continus. L’approche intègre la différenciation pédagogique, la régulation continue des apprentissages, la création d’exerciseurs adaptatifs avec feedback immédiat et personnalisé, ainsi que des modules de dépassement pour les élèves souhaitant approfondir leur compréhension. L’article explore l’impact de ces éléments sur le développement de l’autonomie, la consolidation des compétences conceptuelles et l’engagement cognitif des élèves en classe, avec pour cas illustratif le théorème de Pythagore.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 découle