Analyse didactique d’une situation d’apprentissage coopératif des mathématiques au primaire réalisée dans un contexte d’intégration scolaire
Bibliographic record
Abstract
Les facteurs pouvant influencer l’efficacité de l’apprentissage coopératif dans un contexte d’intégration qui implique la participation d’élèves ordinaires et d’élèves ayant une déficience intellectuelle sont encore mal connus. Dans le but d’enrichir les connaissances en ce domaine, une analyse didactique d’une situation d’apprentissage des mathématiques faisant appel à l’apprentissage coopératif a été effectuée à l’aide de la « théorie des situations didactiques » de Brousseau ainsi que du modèle de l’« ingénierie didactique » d’Artigue. La situation d’apprentissage porte sur la mesure. Elle a été conçue et appliquée par des enseignantes du primaire dans le cadre d’une recherche-action de type pragmatico-interprétative. Cette analyse fait ressortir un certain nombre de conditions qui peuvent favoriser l’émergence de comportements unilatéraux ou de surprotection ayant pour effets d’entraîner dépendance ou inertie chez les élèves ayant une déficience intellectuelle et de nuire considérablement à la recherche de concertation entre les membres de l’équipe. Elle révèle aussi l’absence d’un questionnement de nature inductive de la part des enseignantes.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".