La résolution de problèmes mathématiques. Analyse de pratiques de planification et d'évaluation chez des enseignantes lors de la mise en place d'activités visant le développement de la compétence à résoudre un problème mathématique : quelles réflexions pour favoriser l'inclusion de l’ensemble des élèves ?
Bibliographic record
Abstract
Cet article présente les propos de quatre enseignantes du primaire issus d’entretiens d’explicitation sur leurs manières de planifier l’enseignement de la résolution de problèmes mathématiques dans une perspective d’inclusion. Les analyses ont fait émerger leurs conceptions de l’enseignement de la compétence à résoudre des problèmes en mathématiques et de son évaluation. Il en ressort que, malgré leur reconnaissance des besoins variés des élèves, la mise en œuvre des pratiques inclusives dans l’enseignement de la résolution de problèmes reste difficile à planifier si elles ne tiennent pas compte des enjeux mathématiques de la compétence. En somme, les résultats montrent l’arrimage indispensable entre les connaissances mathématiques et les connaissances des pratiques inclusives pour éviter des pratiques inclusives de surface.
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 | 0.011 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.008 |
| Scholarly communication | 0.008 | 0.008 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.009 | 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".