L'algorithmique au lycée entre développement de savoirs spécifiques et usage dans différents domaines mathématiques
Notice bibliographique
Résumé
Les nouveaux programmes des lycées français, mis en place depuis la rentrée 2010, ont fixé des objectifs précis en matière d’algorithmique. A la lecture de ces programmes, l’enseignement de l’algorithmique apparaît comme outil (au sens de Douady, 1986) pour donner sens à un certain nombre de notions étudiées. Comment dépasser ce stade pour que l’algorithmique devienne objet d’apprentissage (au sens de Douady, 1986) ? Le travail de recherche se situe dans le cadre d’apprentissages de connaissances sur les algorithmes en mathématiques dans l’enseignement au niveau des classes de Seconde et du Cycle Terminal Scientifique du lycée. L’étude et la construction d’algorithmes par les élèves sont situées dans un cadre plus général de raisonnement et de preuve, mais aussi de démarches de modélisation en mathématiques. Il s’agit d’étudier l’effectivité de tels enseignements dans le cadre institutionnel français du point de vue des apprentissages effectivement réalisés par les élèves et des pratiques des enseignants, et d’en inférer des résultats plus généraux sur le raisonnement mathématique dans certains domaines spécifiques, pour les classes du lycée. Le travail de recherche entrepris privilégie la place occupée par les algorithmes dans l’enseignement des mathématiques et propose un cadre théorique tenant compte des cadres généraux de la didactique des mathématiques, en particulier les Espaces de Travail Mathématique (ETM) (Kuzniak, Richard, 2014) associés à des domaines mathématiques spécifiques. Plus particulièrement, poursuivant la spécification d’un modèle Espaces de Travail Algorithmique (ETA) (Laval, 2014, 2016), nous précisons ce que peuvent être les plans épistémologique et cognitif dans ces espaces en mettant l’accent sur leurs interactions liées aux genèses sémiotique, instrumentale et discursive auxquelles ces plans donnent lieu. Nous étudions aussi quels espaces personnels peuvent se construire chez les élèves des différents niveaux scolaires du lycée, et comment ils articulent des connaissances sur les algorithmes et les domaines mathématiques scolaires. Les modèles des ETM/ETA sont consacrés à l’analyse du travail mathématique dans des domaines mathématiques spécifiques avec, en particulier, des paradigmes guidant et orientant le travail des élèves. De plus, partant du fait que peu d’études sur des tâches de modélisation ont été basées sur les modèles ETM/ETA, nous affinons certaines de nos analyses dans le cadre des ETM/ETA sur la base du cycle de modélisation proposé par Blum et Leiss (2005) en relation avec certains domaines spécifiques des mathématiques. Pour cela, nous construisons plusieurs ingénieries didactiques mettant en place des expérimentations dans trois domaines mathématiques : (1) la théorie élémentaire des nombres ; (2) l’analyse ; (3) les probabilités et les simulations aléatoires. Ces ingénieries sont expérimentées et analysées dans les trois niveaux du lycée français : seconde et cycle terminal scientifique. Notre travail de recherche comporte des outils d’analyse de tâches et d’activités dans différents domaines mathématiques. La méthodologie employée permet d’obtenir des données globales et d’observer finement les activités des élèves en classe et les pratiques des enseignants
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».