Questo 10° Convegno Internazionale segue la logica scientifica dei precedenti :

• Francia: IUFM di Caen nel 2000 (A.S.I 1)
• Brasile: Università PUC di Sao Paulo nel 2003 (A.S.I 2)
• Italia: Università di Palerme nel 2005 (A.S.I 3)
• Spagna: Università di Castellon nel 2007 (A.S.I 4)
• Italia: Università di Palerme nel 2010 (A.S.I 5)
• Francia: IUFM- Universitàdi Caen nel 2012 (A.S.I 6)
• Brasile: Università PUC di Sao Paulo nel 2013 (A.S.I 7)
• Tunisia : Institut Supérieur Technologique de Radès en 2015 (A.S.I 8)
• France : Institut Universitaire de Technologie de Belfort-Montbéliard en 2017 (A.S.I 9)

Cerca di accogliere tutti quelli che desiderano contribuire allo sviluppo di questo approccio e fornisce la possibilità di comunicare i propri lavori, sia che portino sulle questioni teoriche che applicative.

« Ad oggi, l’analisi statistica implicativa designa un campo teorico centrato sul concetto d’implicazione statistica o più precisamente sul concetto di quasi-implicazione per distinguerla da quella di implicazione logica dei domini della logica e delle matematiche. Lo studio del concetto di quasi-implicazione come oggetto matematico, nel campo delle probabilità e della statistica, ha permesso di costruire degli strumenti teorici che costruiscono un metodo di analisi dei dati. E’ necessario constatare che le radici epistemologiche di questo concetto si sono nutrite di questioni che sono venute da altri campi: quello della didattica delle matematiche. Storicamente, una delle questioni trattate riguardava la messa in evidenza dei livelli di complessità degli esercizi di matematica posti a dei giovani allievi veniva così enunciata :

R " se un esercizio è più complesso di un altro, allora ogni allievo che risolve il primo dovrà riuscire a risolvere il secondo ".

Più precisamente, Régis Gras, (Gras, 1979)¹ aveva concepito a priori nel 1976 una tassonomia di obiettivi cognitivi, cioè un pre-ordine parziale tra le competenze attese dell’allievo nel corso dell’apprendimento ed il funzionamento operatorio dei concetti matematici. Per esempio, "Scelta ed ordinamento di argomenti" precederebbe  "Critica di argomento e costruzione di contro-esempi " e seguirebbe "Effettuazione di algoritmi semplici". Ci si aspettava testi diversi, costituiti da vari esercizi presentati ad allievi delle medie (13-15 anni), la validazione di questa tassonomia a priori sotto forma di grafo orientato senza ciclo, l’organizzazione di performance osservate dovrebbe permettere di studiare l’adeguazione della tassonomia al pre-oridine restituito dal grafico e, in via accessoria studiare delle distorsioni legate a due metodi di insegnamento differenti. Ogni insegnante, come ricercatore in didattica delle matematiche, sa per pratica pedagogica o per l’osservazione che i contro-esempi spuntano nelle situazioni osservate rispetto alle ipotesi date sulla prestazione. Un strumento statistico si rivelava allora necessario per valutare e rappresentare le quasi-regole recuperate dalla contigenza sulla base dei risultati ottenuti².

Ritornando all'enunciato R già menzionato sopra, esso esprime una regola che è raramente rigorosamente osservata. Non può dunque avere lo statuto di teorema nel senso definito nel campo della matematica. Questo si inserisce tuttavia, pienamente nella cornice paradigmatica della relazione di implicazione statistica che è oggetto centrale di questo lavoro e dove le regole si esprimono sotto la forma: "Se si osserva a, allora si osserva generalmente b".

Lungo tutti gli ultimi trenta anni, lo sviluppo teorico dell'analisi statistica implicativa è stato stimolato principalmente da una dialettica tra teoria e pratica, in una tensione tra due quadri,: statistico applicata a... e statistico matematica. In diversi campi scientifici come la didattica della matematica, la psicologia, la sociologia, la bio-informatica, ecc., i dati costruiti sono stati sottoposti a questo metodo di analisi. Questa impostazione ha mostrato l'efficienza del metodo nella sua capacità di fare emergere delle proprietà che altri approcci non permettevano, ma ha anche permesso di mostrare i suoi limiti che allora hanno suscitato nuove problematiche sul concetto-oggetto di quasi-implicazione. Il ragionamento che fonda l'interpretazione dei risultati dell'analisi statistica implicativa è essenzialmente di natura statistica e probabilistica. Questo modo di ragionamento si inserisce in una prospettiva liberata dallo sviluppo del pensiero statistico, dello spirito statistico.

Una parte importante dello sviluppo dell'analisi statistica implicativa ritorna dunque ai lavori condotti, diretti o ispirata da Régis Gras dagli anni 70. Ma anche agli incontri internazionali sull'analisi Statistica Implicativa, IUFM di Caen nel 2000 e 2012, Università PUC a Sao Paulo nel 2003 e 2013, Università di Palermo nel 2005 e 2010, Università di Castellon nel 2007, Institut Supérieur des études technologiques de Radès en Tunisie nel 2015, dove discussioni e dibattimenti hanno permesso di sviluppare la teoria e di aprire a una varietà di applicazioni.

L'amplificazione dello sviluppo dell'ASI ha trovato anche il suo sviluppo nell’assistenza informatica che porta ad un software dedicato nominato dall'acronimo CHIC (Classification Hiérarchique, Implicative, Cohésitive) di cui Régis Gras iniziò la programmazione, ripresa poi nelle tesi di Saddo Ag Almouloud³ e di Harrison Ratsimba-Rajohn⁴ e di cui lo sviluppo attuale è assicurato da Raphaël Couturier⁵. »

Gras R., Régnier J.-C., Guillet F. (Eds) (2009) Analyse Statistique Implicative. Une méthode d'analyse de données pour la recherche de causalités. RNTI-E-16 Consultabile nel sito web : http://www.cepadues.com/livre_details.asp?l=897

1 Gras, R. (1979). Contribution à l'étude expérimentale et à l'analyse de certaines acquisitions cognitives et de certains objectifs didactiques en mathématiques, Tesi di Stato, Università di Rennes 1.

2 A nostra conoscenza nessuna altra tassonomia, per esempio la più celebre quella di Bloom (Taxonomy of Educational Objectives, 1956), a cui si é ispirato R.Gras, non é stata provata e validata con dei metodi statistici comparabili.

3 Ag Almouloud, S. (1992). L'ordinateur, outil d'aide à l'apprentissage de la démonstration et de traitement de données didactiques, Tesi di dottorato dell’Università di Rennes 1.

4 Ratsimba-Rajohn, H. (1992). Contribution à l'étude de la hiérarchie implicative. Application à l'analyse de la gestion didactique des phénomènes d'ostension et de contradiction, Tesi di dottorato dell'Università di Rennes 1.

5 Couturier, R. et R. Gras (2005). CHIC : Traitement de données avec l'analyse implicative, Extraction et Gestion des Connaissances, Volume I1, RNTI, Toulouse : Cépaduès Éditions, 679-684

Gras R., Suzuki E., Guillet F. and Spagnolo F. (Eds) (2008) Statistical Implicative Analysis, Springer-Verlag, Berlin-Heidelberg [Consultable : http://www.springer.com/engineering/book/978-3-540-78982-6]

Orus P., Zamora L., Gregori P. (Eds) (2009) Teoria y Aplicaciones del Analisis Estadistico Implicativo, Universitat Jaume-1, Castellon (Espagne)

Régnier J.C., Gras R., Spagnolo F., Di Paola B. (Eds) (2011) Analyse Statistique Implicative: Objet de recherche et de formation en analyse des données, outil pour la recherche multidisciplinaire. Prolongement des débats. QRDM Quaderni di Ricerca in Didattica - GRIM ISSN on-line 1592-4424, Palerme: Université de Palerme.

https://sites.unipa.it/grim/QRDM_20_Suppl_1.htm

Régnier J.C., Bailleul, M., Gras R.(Eds) (2012) Analyse Statistique Implicative: de l'exploratoire au confirmatoire. ISBN 978-2-7466-5256-9 Caen : IUFM de l'Université de Caen.

https://sites.unipa.it/grim/QRDM_22_Suppl_2.htm

Gras R., Régnier J.-C., Marinica, C., Guillet F. (Eds) (2013) Analyse Statistique Implicative. Méthode exploratoire et confirmatoire à la recherche de causalités. Toulouse: Cépaduès Editions

http://www.cepadues.com/pages/Livre/Livre.aspx?ID=745

Régnier J.C., Ag Almouloud, S., Gras R.(Eds) (2013) Analyse Statistique Implicative. Cadre théorique et applicatif pour l’exploration sémantique et non symétrique des données. São Paulo : PUC/PPGEM

http://revistas.pucsp.br/index.php/emp/issue/view/1271

Régnier, J.C., Slimani, Y., Gras, R., Ben Tarbout, I., Dhouibi, A. (Eds) (2015). Analyse statistique implicative. Des sciences dures aux sciences humaines et sociales. Tunisie. ARSA Association pour la Recherche en Statistique Appliquée ISBN 978-9973-9819-0-5. (1ère édition) - QRDM - "QUADERNI DI RICERCA IN DIDATTICA" - G.R.I.M. Supplemento n.1 al N.25- PALERMO 2015 (2ème édition)

Télécharger 2ème édition : http://math.unipa.it/%7Egrim/quaderno25_suppl_1.htm

Télécharger 1ère édition : http://sites.univ-lyon2.fr/asi/8/pub/ISBN9789973981905ASI8.pdf