Bibliographic record
Abstract
Les questions éthico-morales occupent généralement peu de place dans le contexte de l’enseignement des mathématiques. Nous proposons toutefois, ici, une perspective qui en fait un élément central, tant du point de vue du chercheur, de l’enseignant que de l’élève. Discutant de diverses études en didactique des mathématiques qui traitent des questions éthico-morales, nous présentons une approche inspirée des écrits de Levinas et de nos travaux des dernières années sur l’épistémologie de l’activité mathématique. Cette perspective invite à voir l’enseignement des mathématiques comme l’occasion d’une expérience d’altérité où une sensibilité au faire-ensemble se développe. Nous visitons donc du point de vue de l’activité mathématique les thèmes de l’altérité, de la responsabilité et de l’impossibilité éthique du savoir qui sont au coeur du travail de Levinas. Cela nous mène à souligner certains défis, mais aussi certaines possibilités pour une telle éthique du faire-ensemble mathématique en contexte scolaire.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.040 |
| Scholarly communication | 0.008 | 0.008 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.011 | 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".