|
Ce 6ème Colloque International s'inscrit dans la logique scientifique
des précédentes rencontres:
en cherchant à accueillir régulièrement tous ceux et toutes celles
qui désirent contribuer au développement de cette approche et en leur
donnant la possibilité de communiquer leurs travaux, que ceux-ci portent
sur des questions théoriques ou sur des applications. *********************************************************************************
|
|
Origine et développement de l'A.S.I.
« À ce jour, l'analyse statistique implicative
désigne un champ théorique centré sur le concept d'implication statistique
ou plus précisément sur le concept de quasi-implication pour le distinguer
de celui d'implication logique des domaines de la logique et des mathématiques.
L'étude de ce concept de quasi-implication en tant qu'objet mathématique,
dans les champs des probabilités et de la statistique, a permis de construire
des outils théoriques qui instrumentent une méthode d'analyse de données.
Force est de constater que les racines épistémologiques de ce concept
se sont nourries de questions qui ont surgi principalement d'un autre
champ : celui de la didactique des mathématiques. Historiquement, une
des questions abordées concernait la mise en évidence des niveaux de
complexité des exercices de mathématiques posés à de jeunes élèves
s'énonçant ainsi :
R " si un exercice est plus complexe qu'un
autre, alors tout élève qui résout le premier devrait réussir à résoudre
le second ".
Plus précisément, Régis Gras, (Gras, 1979)1
avait conçu a priori en 1976 une taxonomie d'objectifs cognitifs, c'est-à -dire
un préordre partiel entre des compétences attendues de l'élève au
cours de l'apprentissage et du fonctionnement opératoire des concepts
mathématiques. Par exemple, " Choix et ordonnancement d'arguments " y
précèderait " Critique d'argumentation et construction de contre-exemples
" et y suivrait " Effectuation d'algorithmes simples ". Il attendait de
tests divers, constitués de variantes d'exercices présentés à des
élèves de collège (13 à 15 ans), la validation ou la remise en question
de cette taxonomie a priori. Sous forme de graphe orienté sans cycle,
l'organisation des performances observées devrait permettre d'étudier
l'adéquation de la taxonomie au préordre restitué par le graphe et,
accessoirement d'étudier des distorsions liées à deux méthodes d'enseignement
différentes. Tout enseignant, comme tout chercheur en didactique des
mathématiques, sait par la pratique pédagogique ou par l'observation
que des contre-exemples surgissent dans les situations observées par
rapport aux hypothèses émises sur la performance. Un outil statistique
s'avérait alors nécessaire pour évaluer et représenter les quasi-règles
dégagées de la contingence sur la base des résultats obtenus2.
Revenant à l'énoncé R ci-dessus, il exprime une
règle qui n'est que rarement strictement observée. Il ne peut donc pas
avoir le statut de théorème au sens défini dans le champ des mathématiques.
Cependant, celui-ci s'inscrit pleinement dans le cadre paradigmatique
de la relation d'implication statistique qui fait l'objet central de cet
ouvrage et où les règles s'expriment sous la forme : " Si on observe
a, alors on observe généralement b ".
Tout au long des trente dernières années, le développement
théorique de l'analyse statistique implicative a été principalement
stimulé par une dialectique entre pratique et théorie, dans une tension
entre deux cadres : statistique appliquée à ... et statistique mathématique.
Dans divers champs scientifiques tels que la didactique des mathématiques,
la psychologie, la sociologie, la bio-informatique, l'histoire de l'art,
etc., des données construites ont été soumises à cette méthode d'analyse.
Cette mise en œuvre a montré l'efficience de la méthode dans sa capacité
à faire émerger des propriétés que d'autres éclairages ne permettaient
pas, mais elle a aussi permis de montrer ses limites qui ont alors suscité
de nouvelles problématiques autour du concept-objet de la quasi-implication.
Le raisonnement qui fonde l'interprétation des résultats de l'analyse
statistique implicative est essentiellement de nature statistique et probabiliste.
Ce mode de raisonnement s'inscrit dans une perspective dégagée par le
développement de la pensée statistique, de l'esprit statistique.
Une part importante du développement de l'analyse
statistique implicative revient donc aux travaux conduits, dirigés ou
impulsés par Régis Gras depuis les années 70. Mais également aux rencontres
internationales portant sur l'Analyse Statistique Implicative (IUFM de
Caen en 2000, Université PUC à Sao Paulo en 2003, Université de Palerme
en 2005 et 2010, Université de Castellon en 2007) où discussions et
débats ont permis de développer la théorie et d'ouvrir la variété
des applications.
L'amplification du développement de l'ASI a aussi trouvé son étayage dans l'assistance informatique qu'apporte un logiciel dédié désigné par l'acronyme CHIC (Classification Hiérarchique, Implicative, Cohésitive) dont Régis Gras initia la programmation, reprise ensuite dans les thèses de Saddo Ag Almouloud3 et de Harrison Ratsimba-Rajohn4 et dont le développement actuel est assuré par Raphaël Couturier5. » Deux défis théoriques ont été proposés lors du débat de la dernière Rencontre à Palerme : quid de la nature continue de l’espace des sujets ? quid de la structure a posteriori de cet espace eu égard aux contributions de ces sujets aux propres structurations obtenues par l’A.S.I. sur l’ensemble des variables ? Outre les rappels théoriques sur la méthode A.S.I., sur l’utilisation de C.H.I.C., sur les contributions variées des applications à diverses disciplines, nous essaierons de donner des solutions aux défis lancés en 2010. Le texte ci-dessus est en grande partie extrait
de l'ouvrage :
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 Consultable : http://www.cepadues.com/pages/Livre/Livre.aspx?ID=316 Notes : 1
Gras, R. (1979). Contribution à l'étude expérimentale et à l'analyse
de certaines acquisitions cognitives et de certains objectifs didactiques
en mathématiques, Thèse d'Etat, Université de Rennes 1.
2
À notre connaissance aucune autre taxonomie, par exemple la plus célèbre
celle de Bloom (Taxonomy of Educational Objectives, 1956), dont s'est
inspiré R.Gras, n'a été éprouvée et validée au moyen de méthodes
statistiques comparables.
3
Ag Amouloud, S. (1992). L'ordinateur, outil d'aide à l'apprentissage
de la démonstration et de traitement de données didactiques, Thèse
de doctorat de l'Université de 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, Thèse de doctorat de l'Université
de 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
Autres ouvrages récents sur l'A.S.I. : Gras R., Suzuki E., Guillet F. and Spagnolo F.
(Eds) (2008) Statistical Implicative Analysis, Springer-Verlag,
Berlin-Heidelberg
Orus P., Zemora 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. |
| Dernière mise à jour : 16/12/2022 |
| Webmaster : Jean-Claude REGNIER |
| Responsable scientifique : Jean-Claude REGNIER |
| Visiteur : |
|