Étude des rapports enseignement/apprentissage des mathématiques dans le contexte de l’adaptation scolaire : Problématique et repères didactiques
Bibliographic record
Abstract
Cet article traite d’une question vive sur les rapports entre l’enseignement et l’apprentissage des mathématiques dans le contexte de l’adaptation scolaire : la didactique des mathématiques peut-elle être spécifique de ce domaine ? La question est ici étudiée en trois temps. Dans un premier temps, une revue critique de travaux sur la notion de difficultés d’apprentissage en mathématiques est réalisée. Elle permet de faire émerger des hypothèses concurrentes sur les difficultés d’apprentissage et de dégager une problématique qui oscille entre deux perspectives : celle du primat des publics et celle du primat de la culture mathématique. Dans un deuxième temps, la présentation d’un cas clinique illustre un certain nombre de questions et défis de nature didactique que pose la mise en œuvre de conditions didactiques prévues pour l’enseignement ordinaire dans l’enseignement auprès d’élèves en difficultés scolaires. Au troisième temps de l’article, des repères didactiques pour l’étude des rapports entre enseignement et apprentissage des mathématiques dans le contexte des difficultés scolaires sont formulés de même que des balises visant à leur opérationnalisation.
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 | 0.019 | 0.063 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.009 | 0.029 |
| Scholarly communication | 0.016 | 0.012 |
| Open science | 0.002 | 0.010 |
| Research integrity | 0.003 | 0.007 |
| 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".