Gérer l’accès aux mathématiques dans la résolution de problèmes textuels : une exploration du côté de l’enseignement primaire
Bibliographic record
Abstract
Cet article présente la gestion de l’accessibilité aux mathématiques dans la résolution de problèmes textuels ayant des structures additives par des enseignantes de première et de deuxième année du primaire. Nous avons utilisé un modèle ethnomathématique pour analyser les effets de cette gestion sur l’accès aux mathématiques pour les élèves. Nous avons constaté que les enseignantes attribuent plusieurs rôles à la résolution de ces problèmes et que les gestes didactiques qu’elles posent en fonction de ces rôles peuvent affecter négativement cet accès. Afin de les outiller pour reconnaître les rôles qu’elles attribuent à la résolution de problèmes et leurs effets sur l’accessibilité aux mathématiques par les élèves, de même que pour les aider à modifier leurs perceptions de ces rôles en vue de bonifier leurs interventions en classe, nous avons développé une activité de formation portant sur l’analyse et la représentation des structures additives présentes dans les problèmes textuels. Dans cet article, nous discutons des gestes didactiques des enseignantes avant, pendant et après la formation.
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 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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".