Récit de l’évolution du projet didactique d’une enseignante au sein d’un collectif œuvrant autour de l’enseignement-apprentissage des probabilités au primaire
Bibliographic record
Abstract
Au Québec, l’enseignement-apprentissage des probabilités n’occupe généralement qu’une petite place au sein des classes. Plusieurs personnes enseignantes disent y rencontrer des défis, mais les voies de développement professionnel en lien avec l’enseignement-apprentissage des probabilités au primaire ne sont pas toujours évidentes. Afin de soutenir ce développement professionnel, nous avons formé un collectif de personnes enseignantes et chercheures. À la manière d’une Clinique didactique de l’activité (Benoit, 2022, 2024), nous avons conjointement réfléchi à des projets didactiques réalisés, empêchés ou souhaités pour cet enseignement-apprentissage. Nous présentons le cas d’une enseignante du collectif à travers une analyse de son processus , en montrant notamment que son activité d’enseignement, d’abord fortement ancrée dans l’approche théorique, fait progressivement place aux approches fréquentielle et subjective.
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 | 0.012 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
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".