Favoriser l’appropriation des propriétés géométriques des quadrilatères à l’école primaire : étude d’une situation d’apprentissage dans le méso-espace
Bibliographic record
Abstract
Dans cet article, nous cherchons à déterminer, dans le cadre de l’enseignement des figures planes à l’école primaire, en quoi la confrontation des élèves à des situations d’apprentissage dans l’espace environnant (méso-espace) permet de favoriser la mobilisation et la verbalisation de connaissances spatiales et géométriques. Pour ce faire, nous produisons l’analyse clinique d’une séquence mise en oeuvre dans une classe de fin de primaire dont l’objectif pour les élèves est la reproduction de figures planes dans le méso-espace. Pour identifier précisément les connaissances et les savoirs mobilisés par les élèves en situation d’action et en situation de formulation, nous procédons à une analyse détaillée des différentes formes de raisonnements qui sous-tendent leurs procédures de résolution et de formulation. Pour y parvenir nous utilisons un modèle d’analyse des raisonnements, développé par Bloch et Gibel (2011), qui résulte de l’articulation de deux cadres théoriques : la théorie des situations didactiques et la sémiotique de Peirce. Au-delà de l’utilisation raisonnée des outils mis à disposition des élèves dans l’activité de reproduction des figures, l’analyse didactique donne à voir des éléments particulièrement riches de la dialectique action-formulation. Cette étude permet de rendre compte de la variété, de l’adéquation et de la pertinence des propriétés géométriques mobilisées et formulées par les élèves, favorisant ainsi le passage d’une géométrie instrumentée à une géométrie déductive.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.007 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| 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".