Perceptions des élèves du secondaire par rapport à la résolution de problèmes en algèbre à l’aide d’un logiciel dynamique et la stratégie Prédire – investiguer – expliquer
Bibliographic record
Abstract
Dans le cadre d’un projet d’innovation en apprentissage mis en oeuvre par le ministère de l’Éducation du Nouveau-Brunswick, nous avons créé et expérimenté quatre scénarios d’enseignement-apprentissage de l’algèbre en 12e année du secondaire, touchant particulièrement le concept de paramètres de fonctions introduit à l’aide d’une stratégie Prédire-Investiguer-Expliquer et d’un logiciel dynamique, dans un contexte de résolution de problèmes. Cette recherche exploratoire de type développement adopte une approche de design d’un produit éducatif ou, encore, de création d’activités d’apprentissage particulières (Loiselle, 2001). Les données qualitatives ont été recueillies auprès des élèves, à l’aide d’un questionnaire et d’entrevues semi-dirigées. D’une part, le contexte de vie réelle et l’aspect visuel d’une investigation dynamique et interactive à l’aide d’un logiciel semblent avoir rendu l’apprentissage des fonctions plus signifiant pour l’élève. Ils ont permis à l’élève de voir des liens entre différentes représentations mathématiques, le rendant plus autonome dans les démarches de résolution de problèmes. D’autre part, ce changement de pratique conduit possiblement à une rupture du contrat didactique, ce qui a déstabilisé certains élèves qui cherchaient, alors, plus de clarté et d’encadrement de la part de l’enseignant. Cette complexification du processus de résolution de problèmes appelle donc une étude plus approfondie de cette pratique innovante afin de déterminer son impact réel sur les apprentissages des élèves et la dynamique de la salle de classe.
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 | 0.007 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".