Pratiques enseignantes en mathématiques à l’éducation préscolaire en situations authentiques : apport de la collaboration interprofessionnelle
Bibliographic record
Abstract
Cette étude vise à mieux comprendre les pratiques enseignantes en mathématiques à l’éducation préscolaire telles qu’elles se déploient dans des situations authentiques, ainsi que le rôle de la collaboration interprofessionnelle dans la cohérence de ces pratiques. S’appuyant sur une approche qualitative interprétative, la recherche repose sur un projet collaboratif impliquant des personnes enseignantes, une orthophoniste et une orthopédagogue. Les résultats montrent que les situations authentiques constituent des contextes propices à la mobilisation de savoirs mathématiques variés, à condition d’être soutenues par des intentions didactiques explicites et des interactions ciblées. L’étude met également en évidence que la collaboration interprofessionnelle, bien que fragile en l’absence de conditions organisationnelles favorables, contribue à une meilleure explicitation des savoirs mathématiques et à une plus grande cohérence des interventions. Ces résultats permettent de mieux comprendre les conditions nécessaires au déploiement de pratiques enseignantes cohérentes en mathématiques à l’éducation préscolaire.
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 | 0.017 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.009 | 0.013 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.002 | 0.010 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 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".