Répliques didactiques aux difficultés d’apprentissage en mathématiques
Bibliographic record
Abstract
Extrait de l’introduction. « Les difficultes qu’eprouvent certains eleves a apprendre les mathematiques a l’ecole mettent chaque fois en peril le projet d’enseignement dont elle est porteuse. Faire appel a une instance specialisee (corps professionnel, classes, institutions) pour la prise en charge de certains eleves revient a reconnaitre qu’il existe non seulement des difficultes d’apprentissage, mais aussi des difficultes a enseigner. […] […] nous chercherons, dans un premier temps, a rappeler l’ambiguite du terme apprendre – puisqu’on peut tout aussi bien dire que quelqu’un apprend quelque chose (pour lui) ou que quelqu’un apprend quelque chose a quelqu’un d’autre – et en tirer parti en postulant que dans le processus d’enseignement aussi bien l’enseignant que l’enseigne apprennent quelque chose de leurs interactions. Cette consideration nous permettra, dans un second temps, de reunir difficultes d’enseignement et d’apprentissage au sein de l’echange didactique et de les utiliser pour nous interroger non pas sur les sujets (les eleves, leurs difficultes propres, leurs manques ou handicaps, ainsi que les enseignants, leurs rapports personnels aux mathematiques), mais sur les savoirs qu’on voudrait enseigner et faire apprendre, les signes et les milieux de tâches mathematiques sous lesquels on les presente aux eleves. Dans un troisieme temps, nous evoquerons un seminaire d’initiation a la recherche, tel qu’il est pratique depuis une dizaine d’annees pour la formation des enseignants specialises au canton de Vaud, ou nous avons d’ores et deja pu mettre en œuvre nos conceptions theoriques. »
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 | 0.003 | 0.018 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.005 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.043 | 0.008 |
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".