Mécanismes cognitifs en mathématiques (Axe 1), Modélisation (Axe 2) et Didactique des Mathématiques (Axe 3)

L'équipe MathAmpiric se compose de 3 axes :

L'Axe "Mécanismes cognitifs en mathématiques" conduit des recherches fondamentales visant à (a) déterminer les facteurs qui influencent les performances des enfants en mathématiques et l'évolution de ces performances au cours de leur développement/apprentissage, et (b) comprendre les mécanismes responsables de l'effet de ces facteurs. Ainsi, les recherches visent à évaluer comment des facteurs comme les caractéristiques des situations, des tâches, ou des enfants affectent leurs apprentissages et leurs performances. Ces recherches permettent de comprendre comment l’implication des mécanismes cognitifs généraux (e.g., attention, émotion, mémoire de travail, raisonnement) et des mécanismes cognitifs spécifiques aux mathématiques (e.g., gestion de la retenue en calcul mental, construction des représentations mentales) interviennent tout au long de l’apprentissage des mathématiques.

Dans l'axe "Didactique des mathématiques", nous nous intéressons aux phénomènes d'enseignement et d'apprentissage en mathématiques. En nous appuyant sur l'analyse d'enregistrements de séances de classe, de productions d'élèves, de manuels scolaires et d'entretiens avec les acteurs (enseignants, élèves, parents d'élèves...), nous tentons de mieux comprendre les conditions et contraintes des déroulements effectifs et d’envisager éventuellement d’autres possibles. Nous étudions également les dispositifs susceptibles d'aider les élèves et d'accompagner les professionnels. Nous travaillons notamment avec les enseignants à la conception et aux usages de ressources.

Dans l'axe "Mathématiques, modélisation et numérique", nous étudions les apports des technologies numériques dans l’apprentissage des mathématiques, en portant une attention particulière au rôle central de la modélisation comme vecteur d'introduction des objets mathématiques. En interaction avec les outils informatiques, l'activité de modélisation renforce la compréhension et l’ancrage des concepts tout au long du processus d’enseignement et d’apprentissage. Dans cette perspective, nous développons des approches d’apprentissage guidé, exploitant les ressources numériques pour sélectionner des tâches pertinentes et fournir des informations adaptées en temps réel (« just-in-time »), afin d’optimiser l’accompagnement des élèves et de rendre leurs apprentissages plus efficaces et significatifs.