La dimension langagière pour l’enseignement des mathématiques aux élèves allophones
Notice bibliographique
Résumé
À leur arrivée dans le pays d’accueil, les élèves allophones (EA) peuvent avoir à suivre des cours de mathématiques distincts de l’enseignement régulier. Leurs enseignants doivent s’adapter au double enjeu de soutenir l’acquisition des compétences mathématiques et l’appropriation de la langue seconde (L2) en tant que langue scolaire. Pour tenter de répondre aux besoins d’intégration, différents choix sont faits par l’École : les Unités pédagogiques pour les EA arrivants (UEP2A) ont vu le jour en France, les classes de réception en Suède, ou les classes d’accueil ou l’intégration en classe ordinaire au Québec. Les milieux scolaires de ces différents contextes sont confrontés à une absence de préconisations institutionnelles en matière d’intégration des disciplines et des apprentissages langagiers. Des enseignants de littérature, de L2, d’adaptation scolaire, ou encore des adultes réfugiés partageant une langue commune avec les EA se trouvent alors à leur enseigner les mathématiques, et ce, sans formation dans le domaine.Ces situations impliquent plusieurs « communautés de pratiques » (Wenger, 11998), dont les interactions changent le rôle central de l’expert – en mathématiques ou en langue – vers une participation périphérique. Une conséquence subsidiaire est le transfert des notions engagées par la didactique des mathématiques et par la didactique des L2. De quelle façon et dans quelles conditions sont alors médiées les notions mathématiques à des EA qui acquièrent la langue des apprentissages scolaires ? D’autre part, comment les enseignants tiennent-ils compte de la dimension langagière dans l’enseignement des mathématiques à ces élèves ?Cette recherche s’ancre dans un paradigme empirico-inductif et convoque des données colligées dans le cadre de cinq études qualitatives pilotées en France, en Suède et au Québec, basées sur des protocoles de recherche non expérimentaux, des données qualitatives et des analyses interprétatives, à partir desquels nous comparons des planifications et pratiques d’enseignement des mathématiques pour les EA, conçues par de futurs enseignants de L2 ou des enseignants de mathématiques, exerçant en dispositif ou en classe régulière. Des séquences sont aussi analysées à travers des enregistrements audio ou vidéo de cours de mathématiques pour des EA en primaire ou secondaire. Enfin, des entrevues avec les enseignants éclairent les choix pour ces cours spécifiques.Il apparaît que dans le contexte français, où l’enseignant de L2 planifie l’enseignement intégré des mathématiques, les enseignements sont plus centrés sur le vocabulaire que sur le discours – alors que les fonctions du langage et les stratégies pour soutenir la compréhension des contenus sont également nécessaires – et, paradoxalement, l’enseignant peut commettre des erreurs d’ordre lexical (confusion entre « rond » et « sphérique », par exemple). En revanche, lorsque c’est l’enseignant de mathématiques qui intervient, ce sont les compétences orales qui sont sous-représentées, entraînant une difficulté majeure à faire participer les EA au-delà de la répétition collective. Une façon de pallier ce transfert bancal est la collaboration de l’enseignant de mathématiques, de l’enseignant de L2 et, parfois, d’un tiers compétent dans la L1 de l’EA. Cependant, quel que soit le contexte, l’exercice apparaît difficilement réalisable par manque de temps pour mutualiser les pratiques. Dans certains cas, comme en Suède, c’est le personnel d’appui compétent dans la L1 de l’EA qui prend le relai. Dans d’autres cas, comme au Québec, l’effort collaboratif est déplacé vers une solution systémique comme, par exemple, en organisant une classe de mathématisation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».