Étude de l’effet de la résolution de matrices de Raven sur la motivation scolaire, l’anxiété à l’égard des mathématiques et le rendement en résolution de problèmes des élèves de quatrième année du primaire
Bibliographic record
Abstract
Cette étude s’inscrit dans la lignée des préoccupations du ministère de l’Éducation concernant le niveau de réussite éducative au Québec. Cette recherche quasi-expérimentale s’intéresse à l’effet de la mise en place de discussions scolaires concernant la résolution de matrices de Raven sur la motivation scolaire, l’anxiété en mathématiques et le rendement en résolution de problèmes des élèves de quatrième année du primaire. Afin de réaliser cette étude, nous avons collaboré avec 32 élèves. Ceux-ci devaient échanger, dans le cadre de discussions scolaires, sur les modalités menant à la réalisation des 60 matrices standards de Raven (SPM). Afin d’évaluer l’effet de cette intervention sur la réussite éducative, nous avons administré un prétest aux participants de l’étude. Les résultats dégagés furent comparés à ceux d’un groupe contrôle composé de 40 élèves. L’analyse des données a permis de relever un effet de l’intervention proposée sur le niveau d’anxiété à l’égard des mathématiques (F = 6,581 ; p≤ 0,05; η2 = 0,087). Ces résultats nous amènent à conclure que la résolution de matrices, réalisée dans le cadre de discussions scolaires, diminue l’anxiété que ressentent les élèves de quatrième année face aux tâches de 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 | 0.015 | 0.057 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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.
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".