Étude de Cas : Transformer l’Enseignement des Mathématiques avec Maple, Maple Learn et la Classe Inversée
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.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,004 |
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 ».