Le premier enseignement des mathématiques dans les pays francophones : les conditions d'efficacité des professeurs reconnues par les observations et les travaux de recherche expérimentale
Bibliographic record
Abstract
Rapport à la Banque Mondiale L'efficacité relative des systèmes d'enseignement modernes en a fait la norme pour la transmission de tous les savoirs, aussi bien théoriques que techniques et technologiques, dans la plupart des cultures qui cherchent à transmettre des savoirs à des portions nombreuses d'une population. Mais les raisons de l'efficacité de nos systèmes d'enseignement sont mal connues et les raisons de leur inefficacité dans certains cas (pour certaines connaissances et certains savoirs, pour certaines techniques pédagogiques, pour certains publics, dans certains groupes sociaux) sont elles aussi mal connues ; ce qui rend délicates les interventions visant leur amélioration et plus encore leur « pilotage ». C'est que les systèmes d'enseignement n'ont pas été l'objet de nombreuses recherches visant à comprendre ce que nous appellerons leur écologie sociale, ce qui conduit à les traiter comme des systèmes relativement fermés sur lesquels la décision n’a pas de prise. Nous avons donc à comprendre les conditions d’efficacité de systèmes divers que nous considérons comme normaux pour les sociétés qui les ont mis en place. Ces systèmes ne dépendent pas seulement de décisions rationnelles mais d’un réseau complexe de contraintes qui varient selon ce que nous appellerons les situations qu’il nous faudra analyser au cas par cas comme on le ferait pour des écosystèmes.Nous situerons donc nos analyses dans le champ de travaux existants et par exemple, sur les disparités sociales qui sont une des variables du problème et des politiques qu’il est possible d’imaginer. C’est au niveau des classes et des pratiques pédagogiques que nous sommes maintenant interrogés, et que nous allons tenter de trouver des éléments de réponse dans les travaux francophones reconnus.
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 | 0.010 | 0.052 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".