Des façons de voir les programmes d’études de mathématiques et les programmes de formation des maîtres de mathématiques : à la recherche d’un discours?
Bibliographic record
Abstract
Les objectifs formels d’un curriculum de mathématiques pour l’école semblent différer de ceux d’un programme de formation des maîtres de mathématiques. Tandis que les premiers traitent directement du contenu et du processus de l’étude de l’apprentissage des mathématiques dans les salles de classe, les seconds touchent la conception et la mise en place de situations éducatives qui peuvent aider les futurs enseignants de mathématiques à apprendre comment enseigner leur matière. Ils ont toutefois une préoccupation commune : celle qui concerne l’enseignement des mathématiques. Le but du présent texte est d’explorer les visions actuelles des mathématiques scolaires et de discuter de leurs impacts potentiels sur les programmes de formation des maîtres en mathématiques. En ce qui concerne les mathématiques scolaires, signalons qu’il n’y a pas actuellement d’unanimité autour de ce que devrait contenir un curriculum. Outre la vision traditionnelle bien connue de la mathématique vue comme représentant une activité abstraite et décontextualisée ayant pour but la formation d’une « discipline mentale », nous proposerons deux visions contemporaines, une dite socioculturelle et l’autre sociopolitique, qui ont l’avantage d’offrir des alternatives épistémologiques et pédagogiques. L’impact de ces visions peut potentiellement influencer la structure des programmes de formation des maîtres de mathématiques en identifiant de nouvelles directions et de nouvelles méthodologies.
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 | 0.034 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.016 |
| Scholarly communication | 0.013 | 0.012 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.004 | 0.009 |
| Insufficient payload (model declined to judge) | 0.017 | 0.004 |
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".