MétaCan
Menu
Back to cohort
Record W1601294749 · doi:10.1522/18194211

transfert de connaissances entre les mathematiques et les sciences :

2003· book· fr· W1601294749 on OpenAlexafffund
Ghislain Samson

Bibliographic record

Venuenot available
Typebook
Languagefr
FieldSocial Sciences
TopicMathematics Education and Teaching Techniques
Canadian institutionsUniversité du Québec à MontréalUniversité de MontréalUniversité du Québec à ChicoutimiUniversité du Québec à RimouskiUniversité du Québec en OutaouaisUniversité du Québec à Trois-RivièresUniversité du Québec en Abitibi-Témiscamingue
FundersUniversité du Québec à Trois-Rivières
KeywordsPhilosophy

Abstract

fetched live from OpenAlex

Au moment où dans plusieurs pays on travaille à refondre les programmes d'études, tant au primaire qu'au secondaire, l'intérêt pour le transfert renaît. Un des concepts fondamentaux en apprentissage consiste en l'habileté à réutiliser de façon consciente et efficace un acquis d'une situation à une autre situation. Cette recherche émane de préoccupations professionnelles au moment où le chercheur était enseignant au secondaire. Au cours de ces années, il lui a été possible de constater que plusieurs élèves percevaient difficilement les liens présents entre les disciplines mathématiques et scientifiques. Des travaux en psychologie cognitive et plus particulièrement selon une perspective du traitement de l'information ont servi de cadre de référence pour évaluer et analyser les capacités de transfert auprès d'élèves de 4e secondaire. Ce cadre de référence permet de formuler le principal objectif qui est de mieux comprendre le processus de transfert chez des élèves en situation de résolution de problèmes scientifiques. Cette thèse s'intéresse donc au transfert en tant que phénomène important du processus d'apprentissage au sens de l'intégration. La méthode de recherche choisie, de nature qualitative, est principalement axée sur l'évaluation de la capacité à transférer des connaissances lors d'une épreuve et d'un entretien. Pour évaluer ce potentiel de transfert, nous avons élaboré deux outils : une épreuve en mathématiques et en sciences et un guide d'entretien. Pour la passation de l'épreuve, le chercheur a pu compter sur la collaboration de 130 sujets provenant de deux écoles. L'entretien complète la prise de données avec 13 sujets ayant accepté de poursuivre l'étude. Les données recueillies par ces instruments font ensuite l'objet d'une analyse de contenu. En premier lieu, les verbatims de l'épreuve et de l'entretien ont été transcrits, puis codifiés. La correction des réponses fournies pour les problèmes résolus s'est faite à partir d'une grille d'analyse qualitative et adaptée de la littérature (Thouin, 1995). Une seconde série d'analyses permettant de catégoriser les réponses selon la typologie des connaissances déclaratives, procédurales et conditionnelles complète la prise de données. Nos résultats indiquent que les sujets sont très influencés par des éléments de surface, principalement lorsqu'il s'agit de problèmes auxquels ils ne sont pas habitués. En l'absence de connaissances de base, plusieurs sujets vont tendre vers des propositions de solution « pratico-pratique » provenant de leur vécu : cela nous apparaît d'importance d'un point de vue didactique et en matière de transfert. Lors des entretiens réalisés un mois plus tard, les sujets ont éprouvé de la difficulté à se rappeler le contenu de l'épreuve. Et lorsqu'il y avait un rappel, celui-ci était superficiel et surtout axé sur le contenu ou le contexte d'un problème. La plupart des sujets ne pouvait nommer que deux ou trois éléments (des problèmes en mathématiques, en sciences physiques, le problème de la fenêtre, le problème du laser, etc.). Nos résultats confirment ce que plusieurs chercheurs (Julo, 1995, Jonnaert et Vander Borght, 1999; Richard et al, 1990) qui s'intéressent aux questions de l'apprentissage admettent aujourd'hui : l'élève ne travaille jamais sur la situation proposée par l'enseignant, mais bien sur la représentation qu'il s'en est construite. Au plan méthodologique, cette recherche est intéressante par la variété des sources de collecte de données utilisées, par l'application d'outils méthodologiques et d'analyses originaux tirés de la recherche et de la pratique. Du côté théorique, il résulte de cette étude une meilleure compréhension du processus de transfert des connaissances mathématiques vers les sciences physiques. Finalement, aux plans didactique et pédagogique, cette recherche alimente la réflexion sur l'apprentissage et l'enseignement des sciences au secondaire. Elle fait ressortir que les mathématiques sont importantes dans la mobilisation de certaines connaissances scientifiques et que l'enseignant peut et devrait jouer un rôle pour favoriser le transfert.

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 imitation

Not 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.

metaresearch head score (Codex)0.010
metaresearch head score (Gemma)0.063
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: none
Teacher disagreement score0.021
Threshold uncertainty score0.070

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0100.063
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0030.003
Science and technology studies0.0020.008
Scholarly communication0.0110.012
Open science0.0010.008
Research integrity0.0020.004
Insufficient payload (model declined to judge)0.0210.002

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.

Opus teacher head0.123
GPT teacher head0.403
Teacher spread0.279 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations4
Published2003
Admission routes2
Has abstractyes

Explore more

Same topicMathematics Education and Teaching TechniquesFrench-language works237,207