La résolution de problèmes à l’école primaire : s’agit-il de « trouver la bonne formule »?
Bibliographic record
Abstract
Dans cet article, nous décrivons et étudions un dispositif collaboratif entre chercheurs, professeurs et élèves de fin d’école primaire (10-11 ans) centré sur la résolution de problèmes mathématiques. À travers l’analyse de trois exemples de problèmes expérimentés dans ce contexte, nous nous interrogeons sur les procédures que les élèves sont à même de développer pour résoudre les problèmes proposés et sur les potentialités de ces problèmes à contribuer à l’enseignement de savoirs algébrico-numériques chez les élèves. Ces analyses nous conduisent à interroger le rôle des formules et de leur production dans la démarche de modélisation algébrique a priori visée. Les résultats de notre étude nous amènent alors à considérer deux entrées possibles qui favoriseraient l’enseignement de savoirs préalgébriques à l’école primaire. Enfin, la recherche menée nous incite à penser que les représentations initiales des élèves et des enseignants sur ce qu’est une démarche de recherche en mathématiques ont une influence conséquente sur la mise en oeuvre des situations expérimentées.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.030 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.006 | 0.008 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".