Cette unité d’enseignement n’est pas accessible aux étudiants d’échange !
Enseignants
Langue
d'enseignement
d'enseignement
Français
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
| de distinguer les différentes fonctions de la résolution de problèmes en mathématiques | |
| d'identifier les différentes ruptures et continuités de la résolution de problèmes tout au long du tronc commun et leur impact sur les difficultés des élèves dans ce domaine | |
| d'analyser des dispositifs d’enseignement/apprentissage de la résolution de problèmes, tant du point de vue cognitif qu’affectif ou motivationnel | |
| d'identifier les enjeux du traitement de données dans le développement des compétences statistiques des élèves dans le tronc commun | |
| d'analyser des dispositifs d’enseignement/apprentissage dans le domaine du traitement de données | |
Contenu
Cette unité d’enseignement consiste à développer, à partir de recherches en didactique des mathématiques et en sciences de l’éducation, les connaissances nécessaires pour comprendre, analyser et enseigner les apprentissages mathématiques fondamentaux depuis l’enseignement maternel jusqu’à la sixième année primaire. Elle porte sur les démarches de résolution de problèmes (les difficultés typiques des élèves, les environnements porteurs d’apprentissage) ainsi que sur la pensée statistique et le traitement de données.
Dans une perspective à la fois théorique et pratique, le cours propose :
Dans une perspective à la fois théorique et pratique, le cours propose :
- l’analyse de situations réelles ou simulées d’enseignement/apprentissage ;
- l’étude des démarches de modélisation en résolution de problèmes ;
- l’exploration d’environnements d’apprentissage variés, étayés par la recherche ;
- l’identification des difficultés récurrentes des élèves et des aides spécifiques permettant d’y répondre ;
- l’introduction aux fondements de la littératie statistique, du cycle d’investigation et du traitement de données.
Méthodes d'enseignement
Les méthodes d’enseignement combinent plusieurs modalités complémentaires :
- Exposés théoriques structurés, soutenus par des diaporamas.
- Études de cas et analyses de pratiques, à partir de situations réelles ou simulées, pour mobiliser les concepts vus au cours dans une perspective critique et réflexive.
- Travail collaboratif en petits groupes, favorisant la confrontation des points de vue, la co‑construction de dispositifs pédagogiques et le développement d’une posture professionnelle collaborative.
- Discussions guidées, permettant de relier les observations de terrain, les difficultés typiques des élèves et les aides spécifiques à envisager.
- Alternance entre séances classiques et travaux pratiques, afin de soutenir une progression entre compréhension théorique, analyse, expérimentation et conception.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
L'évaluation repose sur deux composantes complémentaires :
Partie individuelle (80 %) : questions ouvertes portant sur les concepts clés du cours.
Partie collective (20 %) : réalisation d’une présentation orale de traces recueillies auprès d’élèves. Afin de valoriser l'objectif formatif et l'engagement collectif, chaque étudiant.e qui remplit les conditions suivantes obtient d'emblée la note de 10/20 pour cette partie :
Pour que le cours soit validé, les deux composantes de l'évaluation (individuelle et collective) doivent obligatoirement être présentées.
Tant en première qu'en seconde session, la note finale correspond à la moyenne pondérée des deux volets. Seuls les volets en échec doivent être repassés en seconde session.
S’il·elle fait usage d’IA génératives, l'étudiant·e veillera à respecter les principes de responsabilité (il·elle reste responsable du contenu et de la forme des travaux soumis), d'authenticité (les travaux soumis doivent refléter son implication et ses apprentissages) et de transparence (l'usage éventuel de l'IA et la manière dont elle a été utilisée doivent être clairement explicités).
Partie individuelle (80 %) : questions ouvertes portant sur les concepts clés du cours.
Partie collective (20 %) : réalisation d’une présentation orale de traces recueillies auprès d’élèves. Afin de valoriser l'objectif formatif et l'engagement collectif, chaque étudiant.e qui remplit les conditions suivantes obtient d'emblée la note de 10/20 pour cette partie :
- avoir été présente à au moins 75 % des séances consacrées à ce travail de groupe, sauf circonstance exceptionnelle justifiée par un certificat
- avoir réalisé un entretien avec un élève
- avoir participé à la présentation avec son groupe de son travail.
- de la réflexivité ;
- et, lors de la présentation orale, de la capacité du groupe à mobiliser la réflexion des autres étudiants, à justifier ses choix et à les argumenter de manière claire et rigoureuse.
Pour que le cours soit validé, les deux composantes de l'évaluation (individuelle et collective) doivent obligatoirement être présentées.
Tant en première qu'en seconde session, la note finale correspond à la moyenne pondérée des deux volets. Seuls les volets en échec doivent être repassés en seconde session.
S’il·elle fait usage d’IA génératives, l'étudiant·e veillera à respecter les principes de responsabilité (il·elle reste responsable du contenu et de la forme des travaux soumis), d'authenticité (les travaux soumis doivent refléter son implication et ses apprentissages) et de transparence (l'usage éventuel de l'IA et la manière dont elle a été utilisée doivent être clairement explicités).
Ressources
en ligne
en ligne
Des ouvrages et publication scientifiques en relation avec les contenus enseignés seront présentés lors des cours. Les références seront disponibles sur Moodle.
Des diaporamas seront mis à disposition des étudiants.
Des diaporamas seront mis à disposition des étudiants.
Faculté ou entité
en charge
en charge