Discours autour du raisonnement mathématique : ajouter la voix d’enseignantes du primaire à la conversation
Bibliographic record
Abstract
La personne enseignante du primaire favorise et évalue, dans sa pratique quotidienne, le développement du raisonnement mathématique [RM]. Toutefois, le concept de RM reste flou autant en recherche que dans la pratique. Par exemple, on en connait très peu sur les différentes façons dont les personnes enseignantes utilisent ce concept dont les usages viennent façonner plusieurs choix didactiques (Hill et al., 2005). Cet article a pour but de contribuer à la clarification du concept de RM en particulier dans le contexte de l’enseignement primaire par l’enrichissement d’un modèle théorique développé à partir de la littérature scientifique. Fondée sur la commognition, une analyse du discours de six enseignantes et sa mise en dialogue avec le modèle de Jeannotte (2015) a permis d’élaborer un réseau conceptuel entourant le RM. À la suite de cette analyse, le processus « expliquer » a été ajouté en tant que support au RM. Par ailleurs, les éléments partagés ou non par les enseignantes et le milieu de la recherche sont mis en lumière dans ce texte.
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 | 0.008 | 0.038 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.007 | 0.009 |
| Scholarly communication | 0.010 | 0.012 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.014 | 0.005 |
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".