Impact d'une formation collaborative donnée à des enseignants de chimie du secondaire sur l’enseignement et l’apprentissage du concept de mole
Notice bibliographique
Résumé
Faute de connaissances épistémologiques et socio-historiques au sujet du concept de mole et d’une transposition didactique pertinente de ce concept dans les manuels scolaires, les enseignants ne disposent pas des moyens nécessaires pour que leur enseignement soit aussi efficace qu’ils le souhaiteraient. Plusieurs recherches confirment que cet enseignement met habituellement l’accent sur l’aspect quantitatif de ce concept, néglige ses aspects qualitatifs et ne tient pas toujours compte des trois domaines du savoir en chimie : sous-microscopique, macroscopique et symbolique. L’évolution socio-historique de la mole est complexe. En 1900, Ostwald définit la mole comme étant une « masse normale ». En 1961, on reconnait la mole comme étant un concept pour compter les entités sous-microscopiques. En 1971, la mole devient l’unité de la « quantité de matière », sans toutefois que cela soit clairement mentionné dans la définition. Les diverses définitions qui se sont succédées laissent donc l’enseignant perplexe devant le choix d’une définition adéquate. De plus, les confusions linguistiques liées à l’apprentissage de la mole sont nombreuses, telles que des confusions phonétiques (mol et molécule), et des confusions symboliques (n, m, M, N. etc.). Un enseignement de la mole qui ne tient pas compte de ses aspects qualitatif et quantitatif, de l’évolution socio-historique du concept et d’un évitement des erreurs sémantiques risque de provoquer des obstacles didactiques chez les élèves. Par conséquent, l’objectif général de cette recherche de développement était d’étudier l’impact d’une formation portant sur le concept de mole donnée à des enseignants du secondaire sur l’évolution de leurs connaissances et compétences professionnelles et sur la réduction des obstacles didactiques chez les élèves. La formation a été planifiée selon un cycle de DBR (Design Based Research) qui comportait de nombreuses interactions entre l’étudiante-chercheure et les six enseignantes participantes d’une école du Liban. Ce cycle de DBR se subdivisait en cinq méso cycles dans chacun desquels l’étudiante-chercheure animait des activités de perfectionnement. Le premier mésocycleconsistait essentiellement en un microcycle d’analyse et d’exploration ; les 2e, 3e et 4e cycles comportent des microcycles de design et de conception de matériel didactique ainsi que des microcycles d’analyse, d’exploration, d’évaluation et de réflexion ; le dernier mésocycleconsistait surtout en un microcycle d’évaluation et d’exploration. Durant le premier méso cycle, l’analyse des données recueillies lors d’un groupe de discussion, d’une analyse de fiches de préparation et d’une évaluation diagnostique des apprentissages a confirmé la problématique décrite ci-dessus. Durant les trois méso cycles suivants (2e, 3e et 4e), un matériel didactique a été élaboré et mis à l’essai en classe. Chacun de ces méso cycles commençait par un retour réflexif des enseignantes ayant expérimenté le matériel didactique en classe. Par la suite, une activité de perfectionnement de synthèse était animée par l’étudiante-chercheure, une amélioration du matériel d’équipe était effectuée en équipe et une mise à l’essai par des enseignantes était réalisée en classe. Chaque mésocyclese terminait par une évaluation des résultats des élèves. Durant le dernier méso cycle, l’étudiante-chercheure a animé un groupe de discussion et des entretiens d’explicitation durant lequel les enseignantes participantes ont partagé leurs impressions au sujet des effets de la formation sur leur enseignement et sur les apprentissages des élèves. L’analyse et l’interprétation des résultats obtenus semblent montrer des effets positifs sur l’évolution des connaissances et des compétences professionnelles des enseignantes et sur la réduction des obstacles didactiques chez les élèves. Cette recherche présentait néanmoins d’assez nombreuses limites, notamment en raison du petit nombre d’enseignantes participantes.
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 | 0,048 | 0,107 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,009 | 0,011 |
| Communication savante | 0,023 | 0,029 |
| Science ouverte | 0,003 | 0,017 |
| Intégrité de la recherche | 0,004 | 0,005 |
| 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 ».