Diversité culturelle, enseignement des mathématiques et rapports ethniques : expériences scolaires sud-africaine et états-unienne
Bibliographic record
Abstract
Dans le cadre de cette recherche menée aux États-Unis et en Afrique du Sud, nous nous intéressons au phénomène des représentations sociales d’acteurs scolaires – enseignants et directeurs-enseignants – relativement à la diversité ethnoculturelle dans le contexte de l’apprentissage/enseignement des mathématiques dans deux écoles primaires. Dans cet article, nous visons deux objectifs : 1) identifier les représentations sociales de la diversité ethnoculturelle de quatre enseignants de mathématiques du primaire; 2) comprendre leur position en termes d’éducation multi- et inter-culturelle (assimilation, adaptation et transformation). Pour ce faire, nous décrivons les concepts de représentations sociales et de culture, les idées sur la nature des mathématiques et un modèle triparti d’éducation multi- et interculturelle. Cette recherche est qualitative, exploratoire et descriptive. Bien que les enseignants évoquent la persistance des valeurs dominantes assimilatrices, ils reconnaissent la nécessité de s’adapter au changement en déployant tous les efforts nécessaires pour valoriser la diversité ethnoculturelle et le bagage socioculturel des élèves ayant été traditionnellement marginalisés tant dans les contenus de savoir en mathématiques que dans les interactions en classe. Certains reconnaissent avec plus d’acuité l’importance de combattre la discrimination et de promouvoir l’empowerment intra- et inter-culturel des enseignants et des élèves ainsi que leur transformation par la maîtrise des savoirs mathématiques.
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 | 0.006 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.017 | 0.019 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".