UNIVERSITE CHEIKH ANTA DIOP DE DAKAR

FACULTE DES SCIENCES ET TECHNOLOGIE DE L’EDUCATION ET

DE LA FORMATION
GESTION ET ADMINISTRATION DE L’EDUCATION ET DE LA FORMATION
SECTION : F2

MEMOIRE DE FIN DE FORMATION POUR

L’OBTENTION DU CAIEE/PS

DIFFICULTES RENCONTREES PAR LES ENSEIGNANTS DU

PRIMAIRE DANS LA MAITRISE DE CERTAINS CONCEPTS EN
RESOLUTION DE PROBLEMES MATHEMATIQUES : CAS DES
DONNEES NUMERIQUES ET DES DONNEES NON-NUMERIQUES A
L’IEF DE SANGALCAM

Présenté par : Encadré par :

Oumar Cissé Dr Sounkharou Diarra

Année académique 2023-2024

 1. Lis, au nom de ton Seigneur qui a créé,
2. qui a créé l'homme d'une adhérence.
3. Lis! Ton Seigneur est le Très Noble,
4. qui a enseigné par la plume [le calame],
5. a enseigné à l'homme ce qu'il ne savait pas.
Coran : Sourate 96

« Croyez-vous donc que les sciences seraient nées, croyez-vous qu’elles auraient crû, s’il
n’y avait eu auparavant ces magiciens, ces alchimistes, astrologues et sorciers qui durent
d’abord, par l’appât de mirages et de promesses, créer la faim, la soif, le goût des
puissances cachées, des forces défendues ? »
F. Nietzsche, Le gai savoir (1882)

I
DEDICACES :
A mon père Momar Cissé, à ma mère Oumy Diagne Gaye pour l’éducation et tous les sacrifices
consentis, à mes frères et sœurs.

A ma grand-mère Aicha Ba.

A mes épouses pour le soutien constant et la compréhension, à mes filles, à mes fils.

A ma défunte collègue Fama Diallo, paix à son âme.

A tous mes collègues enseignantes et enseignants de l’école élémentaire de Noflaye.

Aux frères et collègues Souleymane Thiokane Ndiaye, Abass Diouf et Daouda Ciss pour le bon
voisinage, l’entraide et la fraternité durant ces quatre années.

A tous les enseignants de l’IEF de Sangalcam.

A toute la promotion des élèves-inspecteurs sortants de 2024 de la FASTEF.

II
REMERCIEMENTS :
Louanges à Allah, Seigneur des mondes qui nous a favorisés parmi bon nombre de ses

créatures.

Nous remercions le professeur Sounkharou Diarra pour avoir bien voulu nous encadrer dans
l’élaboration et la rédaction de ce travail de recherche.

Nos remerciements vont, aussi, à l’endroit de tous nos professeurs du département Gestion et
Administration de l’éducation et de la formation pour le savoir partagé depuis la première
année.

Une mention spéciale est adressée à Mme Astou dieng, Mme Ndèye Assiètou Sow, Mme Awa
Ba et Mme Aissatou Sanaba Diallo sans qui l’administration des questionnaires n’aurait pu se
faire.

J’exprime toute ma gratitude et ma reconnaissance à l’Inspectrice de l’Education et de la

Formation de Sangalcam, son Secrétaire général, le pool d’inspecteurs et le personnel de l’IEF,
spécialement M. Amdiatou Sy pour son aide précieuse.

Nous ne saurions terminer sans remercier tous les participants à cette recherche pour leur

disponibilité et leur réceptivité par rapport aux questions qui leur ont été posées.

III
SIGLES ET ABBREVIATIONS :
 ADEA: Association pour le Développement de l’Éducation en Afrique
 APC : Approche par Compétences
 CAP : Certificat d’Aptitude Pédagogique
 CASTME : Association du Commonwealth des professeurs de sciences, technologies
et mathématiques
 CE1 : Cours élémentaire 1ère année
 CE2 : Cours élémentaire 2ème année
 CEAP : Certificat Elémentaire d’Aptitude Pédagogique
 CFEE : Certificat de Fin d’Etudes Elémentaires
 CNESCO : Centre national d’études des systèmes scolaires
 CONFEMEN : Conférence des ministres de l’Education des Etats et gouvernements
ayant le français en partage
 CREM : Concours de Recrutement des Elèves-Maîtres
 CRFPE : Centre Régional de Formation des Personnels de l’Education
 FASTEF : Faculté des Sciences et Technologies de l’Education et de la Formation
 HBCSE : Centre pour l’enseignement scientifique Homi Bhaba
 IA : Inspection d’Académie
 ICD : Inspecteur Chef de District
 IEF : Inspection de l’Education et de la Formation
 IFE/ENS : Institut français de l’éducation de l’Ecole Normale Supérieure de Lyon
 JICA : Agence japonaise de coopération internationale
 MEN : Ministère de l’Education Nationale
 ONU : Organisation des Nations Unies
 PAAME : Projet d’amélioration des apprentissages en mathématiques à l’élémentaire
 PASEC : Programme d’analyse des systèmes éducatifs de la CONFEMEN
 PAQUET EF : Programme d’amélioration de la qualité de l’équité et de la
transparence dans le secteur de l’éducation et de la formation
 PREMST : Projet de renforcement de l’enseignement des mathématiques, des
sciences et de la technologie
 PSE : Plan Sénégal émergeant
 SNERS : système national d’évaluation des rendements scolaires

IV
 STEM : Science, Technologie, Ingénierie et Mathématique
 STI : Sciences, Technologies et Innovations
 UA : Union Africaine
 UNESCO : Organisation des Nations Unies pour l’Education, la Science et la Culture

V
LISTE DES FIGURES, TABLEAUX ET GRAPHIQUES:
FIGURES
Figure 1 : modèle des connaissances mathématiques de Hill et Ball. ..................................... 13
Figure 2 : les ensembles de nombres ....................................................................................... 32
Figure 3 : Le triangle de Dey .................................................................................................. 37

TABLEAUX :
Tableau 1 : Pourcentage d’enseignants dans les niveaux de l’échelle des compétences en
contenus mathématiques (Pasec 2019) ..................................................................................... 19
Tableau 2 : personnel du primaire .......................................................................................... 38
Tableau 3 : données statistiques du personnel enseignant du primaire de Sangalcam ........... 39
Tableau 4 : Effectif des enseignants de la deuxième étape du primaire de l’IEF de Sangalcam
.................................................................................................................................................. 39

GRAPHIQUES :
Graphique 1 : répartition des répondants par tranche d’âge ................................................... 43
Graphique 2 : répartition par ancienneté ................................................................................ 44
Graphique 3 : répartition par diplômes professionnels obtenus ............................................. 44
Graphique 4 : répartition des répondants par rapport à la compréhension du sens de la
donnée numérique .................................................................................................................... 46
Graphique 5 : répartition des répondants par rapport à la compréhension du sens de la
donnée non-numérique ............................................................................................................. 48
Graphique 6 : répartition selon la capacité à déterminer les critères d’identification d’une
donnée numérique .................................................................................................................... 49
Graphique 7 : répartition selon la capacité à déterminer les critères d’identification d’une
donnée non-numérique ............................................................................................................. 50
Graphique 8 : Synthèse de la répartition entre enseignants maîtrisant ou pas les données
numériques et les données non numériques ............................................................................. 51

VI
TABLE DES MATIERES :
Introduction : ............................................................................................................................ 1
I Problématique : ................................................................................................................. 4
1. Contexte : ........................................................................................................................ 4
2. Problème principal de recherche : ................................................................................... 7
3. Question générale de recherche :..................................................................................... 8
4. Objectifs poursuivis : ...................................................................................................... 8
5. Pertinence du sujet : ........................................................................................................ 9
II Cadre théorique : ............................................................................................................ 11
1. Revue de la littérature : ................................................................................................. 11
2. Clarification conceptuelle : ........................................................................................... 21
a. La maîtrise : ............................................................................................................... 21
b. Le concept : ............................................................................................................... 23
c. La résolution de problèmes mathématique : .............................................................. 25
d. Les données numériques :.......................................................................................... 28
e. Les données non-numériques : .................................................................................. 32
III Méthodologie : ............................................................................................................. 36
1. Type de recherche : ....................................................................................................... 36
2. Cadre de l’étude : .......................................................................................................... 37
3. Population et échantillonnage : ..................................................................................... 38
4. Méthode de collecte de données :.................................................................................. 39
a. Outil de collecte de données : .................................................................................... 40
b. La collecte proprement dite des données : ................................................................. 40
c. Méthode ou stratégie d’analyse des données :........................................................... 40
5. Difficultés et limites de la recherche : ........................................................................... 41
IV Présentation des résultats : ......................................................................................... 43
1. Présentation, analyse et interprétation des résultats : .................................................... 43
a. La compréhension du sens des concepts par les enseignants : .................................. 45
b. Critères d’identification des concepts : ..................................................................... 48
2. Synthèse des résultats : .................................................................................................. 50
V Recommandations : ........................................................................................................ 53
1. Au niveau institutionnel : .............................................................................................. 53
2. Au plan didactique : ...................................................................................................... 54
Conclusion : ............................................................................................................................ 55
Bibliographie........................................................................................................................... 58
Annexes : ................................................................................................................................. 63

VII
Introduction :
Des grandes inventions et découvertes du 15e siècle, à la révolution numérique, en passant par
les progrès scientifiques et techniques du 19e siècle, l’humanité a connu une évolution
fulgurante. Cette évolution n’a été rendue possible que grâce au travail sans relâche et aux
efforts consentis par des hommes de science qui, à l’aube de chaque révolution technologique,
ont su opérer des ruptures épistémologiques indispensables à l’avènement de ces inventions.
C’est dire que la science est, donc, à l’origine de tout ce développement technologique dont
jouissent les hommes dans tous les secteurs de leurs vies. Et pourtant, il est une discipline qui
constitue le pilier sur lequel repose la science, une discipline sans laquelle le raisonnement
scientifique ne serait pas possible, bref une discipline constitutive de ce qu’est la science
aujourd’hui : cette discipline se nomme mathématique. Bachelard, à cet égard, en se prononçant
sur l’assimilation de l’esprit scientifique à une géométrisation de la représentation, c’est-à-dire
un dessin des phénomènes et une sériation des évènements d’une expérience, dévoile les limites
de cette conception en nous apprenant que le rôle des mathématiques dans la science va au-delà
de la simple description géométrique. « La science de la réalité, nous dit-il, ne se contente plus
du comment phénoménologique ; elle cherche le pourquoi mathématique ». (Bachelard, 1934).
Voilà ainsi démontré le caractère indispensable des mathématiques dans l’essence même de la
science. En réalité, ces dernières sont présentes dans tous les aspects de la vie courante ; Galilée
n’affirmait-il pas avec force que « le livre de l’univers est écrit en langage mathématique » ?
C’est la raison pour laquelle l’institution scolaire ne pouvait qu’accorder en son sein une place
primordiale aux mathématiques. En effet, tous les gouvernements des Etats modernes
s’accordent sur le lien de causalité directe entre développement économique et enseignement
des mathématiques et des sciences, d’où cet engouement grandissant des systèmes éducatifs
mondiaux vers le champ disciplinaire désigné par l’acronyme STEM (science, technology,
engineering and mathematics). Cependant, force est de reconnaître que l’enseignement des
STEM et principalement celui des mathématiques suscitent beaucoup d’interrogations quant à
leur inefficacité et au nombre plus important d’élèves dits littéraires qui frappe aux portes des
universités surtout dans les pays africains. Ces interrogations révèlent de nombreuses difficultés
dans les enseignements apprentissages des mathématiques parmi lesquelles une mauvaise
compréhension des concepts mathématiques par les enseignants eux-mêmes. Ainsi, avons-nous
voulu nous questionner sur la compréhension des concepts de données numériques et de
données non numériques par les enseignants du primaire de l’IEF de Sangalcam puis tenterons-
nous d’y apporter un peu de lumière au cas où cette compréhension nous paraîtra erronée.

1
Pour réaliser cette tâche, en plus d’une introduction et d’une conclusion, ce mémoire sera
structuré autour d’une problématique, d’un cadre théorique, d’un cadre méthodologique, d’une
présentation des résultats et enfin d’un certain nombre de recommandations.

2
CHAPITRE I :

3
I Problématique :
1. Contexte :
Le contexte international de la fin du 19e siècle et du début du 20e est marqué par des crises
multiples : des crises économiques (crises de 1930 et de 2009), un accroissement du chômage
même dans les pays développés, ou encore des crises écologiques comme le réchauffement
climatique. Pour relever ces défis, les gouvernements des Etats préconisent l’enseignement des
STEM comme solution durable. Ainsi, pensent-ils que les produits issus de cet enseignement
seront à même de s’insérer de manière plus harmonieuse dans le marché du travail, participeront
à accroître le développement de leurs pays, et seront formés à la sauvegarde des ressources de
la planète. Déjà, la Déclaration mondiale sur l’Education pour tous issue de la conférence de
Jomtien en 1990, soulignait la nécessité pour chaque Etat d’avoir une population possédant des
compétences scientifiques et technologiques de base pour atteindre le développement durable,
ensuite la déclaration de l’UNESCO de 1993 recommandait aux gouvernements de mettre en
place des structures favorisant l’éducation scientifique et technologique de base avant l’année
2001 ; enfin, la conférence sur la science de Budapest en 1999 a réaffirmé l’urgence d’améliorer
et de renforcer l’enseignement des sciences autant dans l’éducation formelle que dans
l’éducation non formelle. Cependant, la Conférence internationale d’experts sur l’enseignement
des Sciences, des Techniques et des Mathématiques au service du développement humain en
2001 a marqué un tournant décisif dans l’enseignement des STEM. Appelée aussi cadre de Goa,
du nom de la ville qui l’a accueillie en Inde, ce forum a été organisé sur l’initiative conjointe
de l’UNESCO, l’Association du Commonwealth des professeurs de sciences, technologies et
mathématiques (CASTME) et le Centre pour l’enseignement scientifique Homi Bhaba de
l’institut Tata de recherche fondamentale de Mumbai (HBCSE). Parlant de l’enseignement des
sciences, des technologies et des mathématiques au 21e siècle, le cadre de Goa fait état de
l’importance de l’enseignement des mathématiques en ces termes :

« Les mathématiques occupent une place centrale dans l’apprentissage chez les
enfants. Elles ne sont pas seulement un ensemble de compétences. Elles sont un
mode de raisonnement. Elles sont au cœur de la pensée scientifique et de la réflexion
rationnelle et logique. Comprendre les mathématiques est une condition nécessaire
pour participer activement à la société moderne. »

A l’image des continents européens, américains et asiatiques, l’engouement généralisé vers

l’enseignement des STEM n’a point épargné le continent africain.

4
En effet, les pays africains, dans une logique révisionniste des programmes hérités de la
colonisation, ont très tôt senti le besoin d’orienter leurs programmes scolaires vers les STEM.
La conférence très avant-gardiste de l’ONU sur la politique scientifique des pays membres,
organisée à Lagos au Nigéria en 1964, recommandait aux pays africains de créer des musées,
des associations, des bibliothèques et clubs scientifiques au service de l’implantation de la
science dans les pays africains ; 1971 marque le premier séminaire régional sur la promotion
de la compréhension de la science et de la technologie à Lusaka en Zambie. La première
Conférence des ministres des Etats membres africains chargés de l'application de la science et
de la technologie au développement sera organisée à Dakar en 1974. Plus récemment, en 2007,
a été adoptée la Déclaration d’Addis-Abeba sur la science, la technologie et la recherche
scientifique pour le développement de l’Afrique lors du Sommet de l’Union africaine. Dans
cette déclaration, les chefs d’État et de gouvernement se sont engagés, entre autres
engagements, à :

 encourager davantage les jeunes africains à entreprendre des études en science,

technologie et ingénierie ;
 promouvoir et à soutenir les activités de recherche et d’innovation, ainsi que les
ressources humaines et institutionnelles requises ;
 veiller à l’application scrupuleuse de l’éthique scientifique en Afrique en vue de
préserver l’environnement et les ressources nationales du continent et de prévenir toutes
les pratiques nuisibles aux populations africaines.

Mentionnons la Triennale de l’Association pour le Développement de l’Éducation en Afrique

(ADEA) qui s’est tenue à Ouagadougou, au Burkina Faso du 12 au 17 février 2012 et dont
l’ambition est la transformation des systèmes d’Education et de Formation en leviers pour la
production d’un capital humain dont l’Afrique a besoin. On ne peut oublier l’Agenda 2063 de
l’Union africaine (U.A) qui consacre l’enseignement des STEM en disposant dans son
aspiration n°1 (une Afrique prospère fondée sur la croissance inclusive et le développement
durable) que le capital humain de l’Afrique doit être développé en tant que la ressource la plus
précieuse notamment par des investissements soutenus en éducation de base et de la petite
enfance, mais surtout en science, technologie, recherche et innovation. Enfin, toujours dans la
logique de promouvoir l’enseignement des STEM, une conférence de consensus en Afrique sur
l’enseignement et l’apprentissage des mathématiques est organisée les 05 et 06 décembre 2023
à Dakar, sur l’initiative de la conférence des ministres de l’Education des Etats et
gouvernements ayant le français en partage (CONFEMEN), en partenariat avec le Centre
5
national d’études des systèmes scolaires (CNESCO) de France et le ministère de l’Education
nationale du Sénégal. Il faut préciser, en outre, que les cycles d’évaluation du Programme
d’analyse des systèmes éducatifs de la CONFEMEN (PASEC) qui ont démarré avec le PASEC
2014, ont contribué de manière significative à susciter un plus grand intérêt vers l’enseignement
des mathématiques dans les pays concernés car les tests du PASEC portent sur la maîtrise de la
lecture et des mathématiques en deuxième et sixième année du primaire.

Le Sénégal, à l’instar des autres pays africains, fait de l’enseignement des STEM une priorité
absolue. Cette volonté de faire produire à l’école de plus en plus de sortants aux profils
scientifiques, s’est traduite d’abord dans les lois d’orientation de 1971 et de 1991 mais aussi et
surtout dans le Plan Sénégal Emergent (PSE) dont le deuxième axe stratégique vise la formation
d’un capital humain de qualité avec un taux de 50% de bacheliers scientifiques en 2025. On
peut lire dans le PSE que « L’option du Gouvernement est de mettre l’accent sur les sciences et
techniques dans le cycle fondamental et dans les lycées ainsi que sur la professionnalisation des
filières notamment à travers les partenariats public-privé ». C’est dans ce cadre que s’inscrit la
création de nouveaux lycées professionnels spécialisés, avec des filières mieux articulées aux
potentialités économiques des localités. Le Programme d’Amélioration de la Qualité de
l’Équité et de la Transparence du secteur de l’éducation et de la formation (PAQUET-EF) qui
rend opérationnel la politique éducative de l’Etat du Sénégal pour la période 2012-2025, inscrit,
parmi, ses priorités la promotion du développement de l’enseignement des sciences, de la
technologie et des innovations (STI). Cette prise de conscience, par l’Etat, de l’importance des
sciences en général et des mathématiques en particulier, donne à ces dernières une place
prépondérante dans l’architecture des objectifs visés par l’Education nationale. Ainsi, peut-on
lire dans les dispositions générales de la loi d’orientation 91-22 du 16 février 1991 en leur article
premier que l’Education nationale au sens de la présente loi tend :

3. à élever le niveau culturel de la population, mais aussi et surtout à participer à « l’avancée

des sciences et des techniques », maintenant ainsi la nation dans le courant du progrès
contemporain.

Abondant dans le même sens, les Instructions officielles de 1978 présentent les mathématiques
comme un outil « souple », « efficace », fécond et « dynamique » qui peut fournir une
contribution à la formation générale. « La découverte des concepts de base de la mathématique,
poursuivent-elles, accroît nos possibilités de compréhension de par le nombre de modèles de la
pensée qu’elle met à notre disposition. Aussi, la mathématique occupe-t-elle de plus en plus

6
une place privilégiée dans la vie moderne ». Ces préoccupations se traduisent, dans la réalité,
par certains projets comme le Projet de renforcement de l’enseignement des mathématiques,
des sciences et de la technologie (PREMST) ou encore le Projet d’amélioration de
l’apprentissage des mathématiques (PAAME) en partenariat avec l’Agence internationale de
coopération japonaise (JICA). En outre, l’Approche par compétences (APC), paradigme en
vigueur dans le système éducatif sénégalais, confère aux mathématiques un total de 100 points
dont 60 pour la résolution de problèmes (évaluation de la compétence) à l’examen du CFEE sur
les 140 requis pour l’obtention de ce diplôme. C’est dire la position qu’occupent les
mathématiques dans le programme éducatif sénégalais. Néanmoins, cette position
prépondérante des mathématiques dans le programme cache mal un certain de nombre de
problèmes dans les enseignements apprentissages dans lesquels elles sont mises en jeu.

2. Problème principal de recherche :

Malgré la volonté affirmée par l’Etat du Sénégal de promouvoir l’enseignement des
mathématiques, force est de constater que beaucoup de manquements sont notés dans la mise
en œuvre d’un enseignement de qualité dans le domaine des mathématiques. A cet égard, le
rapport du système national d’évaluation des rendements scolaires (SNERS, 2010) montre que
le seuil de maîtrise désiré en mathématiques (75/100) n’était atteint que par 12% des élèves de
l’élémentaire et 39,1% d’entre eux n’avaient qu’un seuil minimum de maîtrise. Ces
manquements peuvent avoir plusieurs sources et être de différents ordres ; cependant, les
insuffisances basiques qui peuvent être à l’origine du faible niveau des élèves et auxquelles
nous nous intéressons particulièrement concernent la non maîtrise par les enseignants des
concepts mathématiques à enseigner aux élèves. Piaget (1994) mettait en garde contre l’opinion
selon laquelle enseigner correctement les mathématiques requiert simplement leur maîtrise
« sans avoir à se soucier de la manière dont les notions se construisent effectivement dans la
pensée de l’enfant ». Cependant, que penser lorsque la maîtrise des mathématiques elle-même
par les enseignants pose problème ? Parlant des problèmes que connaît l’enseignement des
mathématiques, l’ancien président de la République Abdoulaye Wade, dans son discours de fin
d’année adressée à la nation en 2008, reconnaissait, déjà, que l’échec en mathématique résultait
plus d’un problème d’enseignement que d’un problème d’élève. Dans ce sillage, le secrétaire
général de la CONFEMEN déclare à la Conférence de consensus que l’enseignement et
l’apprentissage des mathématiques connaissent des insuffisances dans presque tous les pays et
ces insuffisances, poursuit-il, sont constatées « aussi bien au niveau des élèves qu’au niveau
des enseignants ». En effet, l’avènement au Sénégal du curriculum de l’éducation de base dans

7
sa réforme des contenus à enseigner, a amené de nouvelles notions à enseigner en résolution de
problèmes ; celles qui retiennent notre attention ici sont les données numériques et les données
non numériques. Notions n’auront soulevé autant de confusions entre les acteurs de l’éducation,
chacun y va de sa propre compréhension. Même les corps de contrôle semblent y perdre leur
latin ; et pourtant, ces notions doivent être apprises par les élèves depuis la première étape. Une
stabilisation autour du sens de ces concepts est d’autant plus difficile qu’il n’y a pas de manuel
de mathématiques qui en fait mention sans ambigüité. Les notions de données numériques ou
non numériques sont-elles si triviales que les manuels ne daignent en parler ou sont-elles
simples en surface et complexes dès qu’on commence à s’y interroger en profondeur ? Dans
une perspective d’obtention de réponses probantes aux interrogations suscitées par la
compréhension de ces concepts par les enseignants, nous avons structuré notre travail de
recherche autour des questions suivantes.

3. Question générale de recherche :

Notre étude tournera autour des réponses apportées à la question suivante :

Question générale de recherche : Comment les enseignants du primaire comprennent-ils les

notions de données numériques et de données non numérique ?

Questions spécifiques de recherche :

Notre question générale de recherche peut être scindée en deux questions spécifiques

Question spécifique1 : Quelles définitions les enseignants du primaire donnent-ils aux notions
de données numériques et de données non numériques?

Question spécifique2 : Quels sont les éléments sur lesquels se basent les enseignants du primaire
pour identifier les données numériques et les données non numériques dans un énoncé
mathématique ?

4. Objectifs poursuivis :
L’objectif général poursuivi dans notre recherche est le suivant :

O.G : analyser les représentations des enseignants du primaire sur les données numériques et
les données non numériques.

Cet objectif général peut être divisé en deux objectifs spécifiques

O.S1 : analyser le sens donné par les enseignants du primaire aux données numériques et aux
données non numériques.

8
O.S2 : analyser les critères d’identification des données numériques et des données non
numériques enseignés par les maîtres du primaire à leurs élèves.

5. Pertinence du sujet :
Malgré la diversité et le nombre important de productions en mathématiques et plus
particulièrement en résolution de problèmes, force est de constater que des concepts de base
telles que les données numériques et les données non numériques ne font l’objet que de très peu
ou pas du tout d’écrits. Un essai de clarification de ces concepts pourrait être bénéfique pour la
recherche dans la mesure où ils peuvent constituer des ressources pour les chercheurs dans le
domaine des mathématiques ; d’autant plus qu’en s’intéressant aux divers aspects des
mathématiques, les chercheurs en oublient les plus basiques qui constituent les fondements
même de la résolution de problèmes mathématiques, à la fois outil de développement de
compétences cognitives et objet d’enseignement.

En outre, une étude portant sur les données numériques et les données non numériques serait,
sans doute, d’un très grand apport aux enseignants du primaire particulièrement à ceux de
l’inspection de l’Education et de la formation (IEF) de Sangalcam en dissipant le voile qui
entoure ces notions. Ce qui participerait à la formation continuée des enseignants à travers une
meilleure compréhension de ces concepts ; formation qui constitue un intrant indispensable
dans la recherche de la qualité des enseignements apprentissages en mathématiques.

9
CHAPITRE II :

10
II Cadre théorique :
Le cadre théorique de cette étude sera structuré autour de deux parties principales : la revue de
la littérature et l’analyse des concepts clés utilisés dans le cadre de ce mémoire.

1. Revue de la littérature :
L’importance de l’enseignement des mathématiques se justifie sans doute par leur contribution
à la formation de scientifiques capables de comprendre les enjeux du monde moderne et
d’apporter des solutions aux problèmes qui se posent à l’humanité entière ; mais aussi par la
formation de citoyens en mesure de raisonner logiquement et de manière structurée. Cependant,
l’enseignement des mathématiques pose un certain nombre de problèmes aux sources diverses
parmi lesquelles figure en bonne place le manque de formation des enseignants. En effet, de
nombreux auteurs se sont penchés sur les difficultés rencontrées par les enseignants eux-mêmes
dans la mise en œuvre des enseignements apprentissages en mathématiques. Le groupe
international d’experts sur les politiques d’enseignement des sciences et des mathématiques,
(constitué par l’UNESCO) qui s’est réuni pour la première fois du 30 mars au 1er avril 2009,
mentionne parmi les défis d’un enseignement mathématique de qualité pour tous, un défi majeur
à savoir le défi enseignant. En effet, pour ces experts, « les enseignants sont le maillon clé de
toute évolution positive et durable des systèmes éducatifs » (UNESCO, 2011). Ils identifient
deux problèmes majeurs rencontrés dans l’intrant de qualité constitué par le corps enseignant :
le nombre insuffisant des enseignants qu’ils qualifient de défi quantitatif et le problème de la
formation des enseignants tant sur le plan mathématique que didactique et pédagogique qui
constitue le défi qualitatif qui se pose à l’enseignement des mathématiques. Le groupe d’experts
pose comme diagnostic la difficile appropriation par les enseignants des connaissances
mathématiques à enseigner dans beaucoup de pays car

« la scolarité de base, notamment dans ses premières années mais, dans un certain
nombre de pays, dans son intégralité, est assurée par des enseignants qui, dans leur
grande majorité, ont eux-mêmes connu des difficultés dans leurs apprentissages
mathématiques et ont une image négative de la discipline. De plus, il s’agit souvent
d’enseignants polyvalents et les heures consacrées à la formation scientifique, et a
fortiori à la formation mathématique, ne constituent qu’une fraction limitée de leur
formation » (UNESCO, 2011).

C’est la raison pour laquelle, les experts appellent à une réflexion approfondie sur les
connaissances nécessaires à l’exercice de la profession d’enseignant de mathématiques qui
requiert, estiment-ils, « une connaissance approfondie des mathématiques visées par
l’enseignement » (UNESCO, 2011).
11
Dans le même ordre d’idées, Ball et Al. (2005), à la suite de Shulman, insistent sur l’importance
des connaissances mathématiques requises pour des enseignements apprentissages de qualité.
Dans leur étude, ils montrent la nécessité pour l’enseignant de maîtriser les connaissances
mathématiques prises en charge par le curriculum et communes à d’autres disciplines faisant
appel aux mathématiques qu’ils appellent « common content knowledge », les connaissances
utilisées par l’enseignant aux seules fins de l’enseignement et de l’apprentissage des
mathématiques auxquelles ils donnent le nom de « specialized content knowledge » et
l’ « horizon content knowledge » qui est une vision plus large des connaissances mathématiques
enseignées. Toutefois, ils considèrent que la totalité des connaissances dont l’enseignant a
besoin va au-delà de ces trois connaissances susmentionnées. Un enseignement apprentissage
de qualité implique nécessairement la maîtrise de trois autres connaissances : le « knowledge of
students and contents » (connaissances concernant les élèves et les contenus), le « knowledge
of teaching and content » (connaissances concernant l’enseignement des mathématiques et son
organisation) et le « knowledge of content and curriculum » (connaissances des contenus des
programmes officiels). Ainsi Ball et Bass (2009) regroupent-ils ces connaissances dans un
ensemble en forme d’œuf (the egg) qu’ils nomment le mathematical knowledge for teaching
(MKT) et qui est présenté comme suit :

« Our notion of MKT comprises two of the categories of knowledge defined by

Shulman and his colleagues: pedagogical content knowledge (PCK); and content
knowledge (CK) (Shulman, 1986). In our work, we have refined the earlier
characterizations, particularly on the side of content knowledge. Following
Shulman, we define PCK as a blend of knowledge of content and knowledge of
pedagogy. Inside this we distinguish knowledge of content and students (for example
typical student errors), knowledge of content and teaching (for example with what
sequence of examples to introduce a new concept or method), and knowledge of
content and curriculum (for example educational goals, standards, state
assessments, grade levels where particular topics are typically taught, etc.) On the
content knowledge side, perhaps our most significant work has been the
identification and measurement of specialized content knowledge, discussed above.
This is complementary to what we call ’common content knowledge.’ By ‘common,’
we mean knowledge held in common with professionals in other mathematically
intensive fields ».
« Notre notion de MKT comprend deux des catégories de connaissances définies par
Shulman et ses collègues : la connaissance du contenu pédagogique (PCK) ; et la
connaissance des contenus mathématiques (CK) (Shulman, 1986). Dans nos travaux,
nous avons affiné les caractérisations précédentes, notamment du côté de la
connaissance des contenus mathématiques. À la suite de Shulman, nous définissons
le PCK comme un mélange de connaissances en matière de contenus mathématiques
et de connaissances en pédagogie. À l'intérieur de cela, nous distinguons la
connaissance de l’élève et de l’apprentissage de la matière (par exemple les erreurs
typiques des étudiants), la connaissance du contenu de l'enseignement de la matière
12
 (par exemple avec quelle séquence d'exemples introduire un nouveau concept ou une
nouvelle méthode) et la connaissance du programme et des moyens d’enseignement
(par exemple les objectifs pédagogiques, les normes, les évaluations d'état, les
niveaux scolaires où des sujets particuliers sont généralement enseignés, etc.)
S’agissant des connaissances des contenus mathématiques, notre travail le plus
important a peut-être été l'identification et la mesure des connaissances spécifiques
à l’enseignement, évoquées plus haut. Ce type de connaissances est complémentaire
à ce que nous appelons les « connaissances mathématiques communes ». Par «
communes », nous entendons les connaissances communes avec les professionnels
qui interviennent dans d’autres domaines qui s’appuient fortement sur les concepts
et techniques mathématiques. »
Ainsi, pour Ball et ses collaborateurs, un enseignement apprentissage mathématique réussi ne
pourrait-il se faire sans la maitrise, pour l’enseignant, des connaissances du programme, des
apprenants, de la didactique mais aussi et surtout nécessite une maîtrise sans faille des contenus
mathématiques à enseigner. C’est pourquoi, la maîtrise des connaissances mathématiques à
enseigner, ainsi que les articulations et les relations qu’elles entretiennent, doivent faire éclore
chez l’enseignant la conscience d’une vision plus large des mathématiques scolaires, une vision
qui englobe les grands principes mathématiques dans lesquels sont enchâssés les contenus à
enseigner et sans laquelle l’enseignement des mathématiques ne saurait être efficace. Deborah
Ball et ses collaborateurs appellent cette vision panoramique « Knowledge of the mathematical
horizon » ou connaissances de l’horizon mathématique, sous-domaine du Subject Matter
Knowledge (SMK).

Le modèle des connaissances mathématiques de Hill et Ball est schématisé dans la figure 1 ci-
dessous (the egg).

Figure 1 : modèle des connaissances mathématiques de Hill et Ball.

Pour Mura (2002), les difficultés rencontrées dans l’enseignement des mathématiques résident
dans le peu d’importance accordée à la maîtrise des contenus par les enseignants ; maîtrise des
contenus liés, toutefois, aux curricula en vigueur. Selon elle, les enseignants devraient
s’adapter, en fournissant « un effort majeur de perfectionnement » dans l’appropriation des

13
notions apportées par les nouveaux curricula et l’appropriation correcte de ces notions ne
s’aurait s’atteindre que dans la formation initiale. A cet égard, elle nous apprend que :

« Ce n’est que lorsqu’une génération entière d’enseignantes et d’enseignants

aura reçu une formation initiale en accord avec le nouveau curriculum que celui-
ci pourra donner sa pleine mesure. D’ici là, il faudra traverser quelques
décennies de transition pendant lesquelles la plupart des maîtres n’en sauront
pas beaucoup plus que ce qui se trouve dans les manuels de leurs élèves et
garderont une vision des mathématiques et de leur enseignement plus ou moins
décalée par rapport aux nouvelles orientations ».
Il apparaît donc, pour Mura (2002) que, des connaissances mathématiques solides chez les
enseignants sont le gage d’un enseignement optimal des mathématiques, mais encore, faudrait-
il que ces connaissances mathématiques soient celles requises pour enseigner les nouveaux
curricula. Toutefois, malgré le caractère indispensable de la maîtrise des connaissances
mathématiques par les enseignants dans le déroulement des enseignements apprentissages, de
nombreux auteurs n’en ont pas moins identifié un certain nombre de difficultés éprouvées par
certains de ces enseignants dans la maîtrise des concepts mathématiques. Adihou (2011) montre
que la compréhension de certaines notions demeurent difficile autant pour les élèves que pour
les enseignants. A côté de la difficulté éprouvée par ces derniers dans l’enseignement des
mathématiques, se dresse celle de l’assimilation de certains concepts ou notions mathématiques.
Se basant sur les travaux effectués par Rosar et Al. (2001), Adihou (2011) identifie les fractions
parmi les notions dont la compréhension pose problème aux élèves, mais aussi aux enseignants.
Les difficultés rencontrées par un grand nombre d’élèves ne sont, selon lui, que les reflets des
difficultés rencontrées par leurs enseignants. Lui emboîtant le pas, Morin et Theis (2006),
mentionnent la maîtrise inadéquate par les futurs enseignants en formation des concepts
mathématiques. La conclusion à laquelle ils sont parvenus est tirée de tests de mathématiques
qu’ils ont organisés pour ces futurs enseignants. Ces tests sont en réalité des épreuves de
mathématiques de niveau 6e année du primaire qui ont été proposées à ces enseignants en
formation. La moyenne globale obtenue au premier test était de 51, 69% avec un écart-type de
16,4%. Un deuxième test organisé avec une autre cohorte d’enseignants en formation initiale
qui portait sur les connaissances, le sens, les propriétés des nombres, les opérations et
raisonnement a révélé des résultats encore moins satisfaisants avec une moyenne de 46% et un
écart-type de 17%. « La note la plus élevée est de 86 % alors que la moins élevée est de 11 % ».
Même si ces résultats montrent, par ailleurs, que les futurs maîtres ont des bagages
mathématiques très différents en termes de niveau, il reste constant que pour la plupart d’entre
eux, résoudre un exercice de la 6e année du primaire semble aller au-delà de leurs compétences

14
de mathématiciens. Paradoxalement, ces étudiants maîtres ne seront guère capacités qu’en
didactique des mathématiques et se retrouveront en situation pratique d’enseignement
apprentissage à enseigner des contenus dont ils n’ont pas la maîtrise. C’est la raison pour
laquelle, pour ces auteurs, notamment Morin (2008), une formation didactique sérieuse des
futurs maîtres ne saurait être effective sans une intégration de la part de ces derniers de leurs
connaissances mathématiques et de leurs connaissances didactiques en enseignement. Morin et
Theis ne sont pas les seuls auteurs à avoir constaté la maîtrise insuffisante des concepts
mathématiques par les futurs enseignants, d’autres chercheurs comme Adihou et Arsenault
(2012), Adihou, Arsenault et Marchand (2006) de même qu’Arsenault et Voyer (2003) ont fait
les mêmes constats chez les futurs enseignants du primaire. Ces auteurs font passer aux
étudiants maîtres inscrits dans leur université, depuis 2004, un examen de compétences
mathématiques portant sur des notions du primaire et du premier cycle du secondaire. Les
résultats auxquels aboutissent ces examens dénotent le niveau de maîtrise insuffisant des
concepts mathématiques par les futurs enseignants. En effet, l’examen de 2010 n’a connu qu’un
taux de passage de 25% des enseignants en formation pour un seuil de réussite fixé à 75%. La
plupart des enseignants en formation n’ont donc pas acquis le seuil moyen de connaissances
nécessaires à l’enseignement des mathématiques au primaire. Pickreign (2007) aboutit au même
constat en activités géométriques : beaucoup de futurs enseignants ont des difficultés dans la
compréhension des propriétés de certaines figures. Dans une étude qu’il réalise sur 40
enseignants en formation dont la maîtrise des propriétés géométriques des parallélogrammes a
été testée, il ressort que seulement neuf futurs enseignants parviennent à donner une définition
correcte et exhaustive de ce qu’est un rectangle, soit un pourcentage de plus de 77%
d’enseignants en formation n’ayant pas une maîtrise satisfaisante de la définition d’un
rectangle. A la demande de donner la définition d’un losange, les réponses seront un peu moins
satisfaisantes car un seul étudiant-maître sera en mesure de fournir une réponse appropriée. Les
recherches actuelles menées par les auteurs que nous venons de voir ne signifient pas pour
autant que la question de la maîtrise des notions mathématiques et la formation des enseignants
(principalement ceux du primaire) est une préoccupation récente ; d’autres auteurs s’y sont déjà
penchés quelques décennies plus tôt et laissent croire que la situation n’a que très peu changé.
Mentionnons à cet égard Semadeni (1979) qui fustige l’opinion répandue selon laquelle pour
enseigner les mathématiques à l’école primaire, les instituteurs n’ont nulle besoin de
connaissances approfondies. Pour lui, un enseignement de qualité va de pair avec « une bonne
connaissance de leur sujet » de la part des instituteurs ; une connaissance différente de celle
requise dans l’enseignement supérieur mais dont le niveau ne lui est nullement inférieur. C’est
15
donc la maîtrise d’une connaissance mathématique supérieure aux notions enseignées à
l’élémentaire par l’instituteur qu’il propose comme solution face à la situation alarmante qu’il
décrit dans les propos suivants : « (…) la plupart des instituteurs des petites classes sont plutôt
faibles en mathématiques et manquent de confiance en leur propre capacité à les apprendre ».
Sémadeni soutient, donc, l’idée selon laquelle l’instituteur, au-delà de maîtriser les concepts
mathématiques à enseigner, doit en maîtriser un peu plus, c’est-à-dire, maîtriser les concepts
mathématiques utilisées au supérieur. Ce point de vue n’est pas sans rappeler la vision de
Deborah Ball concernant le Knowledge of Mathematical Horizon. Eshiwani (1979), quant à lui,
met l’accent sur le recrutement des enseignants qui ne satisfont pas aux critères d’éligibilité tel
qu’un niveau satisfaisant en mathématiques. Analysant les causes de la crise de l’éducation en
Afrique, il identifie parmi ces causes le recrutement tous azimuts des maîtres consécutif à
l’explosion de la population scolaire avec les recrutements scolaires massifs initiés par les pays
africains. Ce recrutement de masse a favorisé l’avènement d’une catégorie d’enseignants sans
qualification pour « enseigner les mathématiques et les sciences ». Ainsi, affirme-t-il que,
malgré quelques particularités spécifiques à chaque pays, le constat est général en Afrique, les
enseignants du primaire ne disposent souvent pas d’une connaissance solide en mathématiques
ou en sciences. Il est important de souligner que le problème posé par le niveau insuffisant des
enseignants en mathématiques n’est, des fois, pas lié aux connaissances dont disposent ces
derniers, il est souvent le fruit de l’application de nouvelles réformes charriant leurs lots de
contenus nouveaux n’ayant fait l’objet d’aucune formation préalable. C’est ce qu’affirmait, à
l’orée de la réforme des mathématiques modernes, Francis Keppel, commissaire à l'éducation
des États-Unis qui, en 1963, écrivait au sujet de la réforme des programmes de mathématiques:

« C'est peu de dire que la plupart des enseignants seront totalement incapables
d'enseigner une grande partie des mathématiques inscrites au programme proposé ;
en fait, la plupart auraient le plus grand mal à y comprendre quelque chose. Une
brève période de recyclage ne suffira pas. Même le programme de première année
contient des notions absolument nouvelles pour un maître moyen. Ce sont pourtant
les programmes vers lesquels doivent tendre les établissements d'enseignement... ».

Les nouveaux curricula rendent surannées certaines des connaissances mathématiques des
enseignants qui doivent être renouvelées afin d’assurer un renforcement des capacités de ces
derniers. S’intéressant au rôle des enseignants dans la composante mathématique du
programme scolaire du primaire, Fonacier (1986) insiste sur le caractère incontournable de la
formation des maîtres. Elle présente d’emblée l’enseignant comme étant « le meilleur des
moyens pédagogiques dont il dispose ». C’est la raison pour laquelle les maîtres doivent

16
bénéficier d’une formation sans faille surtout dans le domaine mathématique qui, tout en
constituant l’un des meilleurs moyens pour développer les capacités de réflexion des apprenants
leur pose tout de même un certain nombre de difficultés. Fonacier (1986) juge donc qu’ « il faut
connaître les mathématiques pour les enseigner. Le maître doit donc, d’abord et surtout,
comprendre les fondements de cette discipline et maîtriser les techniques correspondantes. Il
doit aussi savoir ce qu’on entend par “faire des mathématiques”. » Constatant que la réalité en
matière de formation des maîtres en mathématique reste fort éloignée de ses attentes, elle
propose d’inclure dans la formation en mathématique des enseignants du primaire trois
aptitudes indispensables pour ces derniers :

 Maîtriser les mathématiques en tant que connaissances (comprendre les concepts et les
techniques nécessaires dans la vie quotidienne, sur le lieu de travail et pour comprendre
la collectivité et l’environnement immédiat) ;
 Maîtriser les mathématiques en tant que processus (c’est-à-dire comprendre les
techniques intellectuelles et les habitudes de réflexion organisée qui sont nécessaires
quand on fait des mathématiques et qui sont caractéristiques du comportement humain) ;
 Maîtriser les mathématiques en tant que modèle ou instrument (pouvoir distinguer les
mathématiques dans les situations du monde physique, dans les autres disciplines et
dans l’environnement).

Clements (1986) arrive quasiment aux mêmes conclusions lorsqu’il analyse les causes des
difficultés conceptuelles en mathématiques pour les élèves du primaire. Pour lui, les difficultés
éprouvées par les jeunes élèves dans la compréhension des concepts mathématiques résultent
de deux causes principales : des causes liées aux facteurs extérieurs aux élèves comme
l’inadaptation des programmes scolaires, l’inadéquation des méthodes pédagogiques etc. et des
causes liées à des facteurs de caractère interne aux élèves comme le développement cognitif,
affectif ou social des élèves. Cependant, il insiste sur les facteurs externes qu’il juge plus
déterminants car étant même à l’origine des facteurs internes. En énumérant les différents
éléments qui constituent les facteurs externes des difficultés conceptuelles que rencontrent les
élèves du primaire en mathématiques, Clements (1986) mentionne les méthodes pédagogiques
dont la mise en œuvre incorrecte provient, des fois, du faible niveau des enseignants en
mathématiques. Ce constat est expliqué dans ses propos suivants :

« L’un des principaux problèmes ayant une incidence sur la qualité de l’enseignement des
mathématiques à l’école primaire tient, dans le monde entier, au fait que trop de maîtres ne

17
possèdent en mathématiques qu’une qualification minimale. En outre, ils ont souvent une
attitude négative et étriquée à l’égard de cette matière. » Pour pallier les insuffisances des
maîtres en mathématiques, Clements (1986) propose comme solutions les mesures suivantes :

« Il faut, pense-t-il, que les responsables de l’éducation nationale commencent par

exiger un niveau plus élevé en mathématiques pour l’admission dans les instituts de
formation des maîtres de l’enseignement primaire. La deuxième mesure consiste à
obliger tous les élèves-maîtres à suivre des cours de mathématiques ainsi que de
méthodologie mathématique dans le cadre de leur formation. La troisième mesure
consiste à demander aux maîtres en exercice de suivre de temps en temps des cours
de perfectionnement traitant de façon assez approfondie aussi bien de mathématiques
que de questions de pédagogie des mathématiques.»
Plus récemment, la conférence de consensus sur la numération organisée par le Cnesco et par
l’Ifé/ENS de Lyon les 12 et 13 novembre 2015 au lycée Buffon, à Paris a proposé cinq
recommandations à observer pour améliorer les premiers apprentissages des élèves sur les
nombres et les opérations :

1. Faire évoluer les pratiques quotidiennes des enseignants ;

2. Partager avec les parents des occasions d’apprentissage ;

3. Offrir des ressources de qualité, facilement accessibles et adaptatives ;

4. Adapter la formation initiale des enseignants et les accompagner ;

5. Intégrer les résultats de la recherche dans les programmes et évaluer leur mise en

Œuvre.

La quatrième recommandation part du constat suivant : 80% des enseignants du primaire n’ont
pas suivi un cursus scientifique dans l’enseignement supérieur, ce qui signifie qu’ils ont un
profil littéraire qui ne favorise pas leur maîtrise correcte des contenus mathématiques à
enseigner et les rendent « peu familiers avec les mathématiques ». Poursuivant la description
de l’état des lieux par rapport au niveau de connaissance mathématique des maîtres, le dossier
de synthèse de la conférence de consensus poursuit en affirmant que : « Ces enseignants n’ont
pas toujours une très grande maîtrise des savoirs mathématiques théoriques qui sont impliqués
dans les programmes scolaires. Par ailleurs, ils souffrent d’un manque de formation continue et
d’accompagnement au long de leur carrière, notamment à l’occasion des changements de
programme ».

18
La question de la faiblesse des enseignants du primaire en mathématiques a, semble-t-il,
toujours été pointé du doigt et pourtant, elle continue de l’être à l’ère de l’approche par
compétences. C’est ce que révèle le test du Pasec 2019 qui fait état d’un fort besoin de formation
des enseignants en mathématiques. En effet, les résultats du Pasec 2019 montrent une carence
non négligeable des enseignants dans la maîtrise des contenus mais aussi des processus
didactiques dans le domaine des mathématiques. Le tableau suivant est une illustration
pertinente de cette situation.

Tableau 1 : Pourcentage d’enseignants dans les niveaux de l’échelle des compétences en contenus mathématiques
(Pasec 2019)

Niveau 3 32,3 %

Niveau 2 32,6 %

Niveau 1 26,3 %

Niveau < 1 8,5 %

Le Pasec 2019 répartit les compétences des enseignants en mathématiques en 3 niveaux

croissants en termes de connaissances et de compétences en contenus mathématiques. Or, les
résultats du test montrent que près de 70% des enseignants n’atteignent pas le niveau 3 de cette
échelle alors que comme le montrent Baba-Moussa, Hounkpodoté, Diallo et Kaba (2023), ce
« niveau peut être considéré comme nécessaire pour enseigner de manière aisée au primaire »
car « l’expertise caractéristique de ce niveau traduit une compréhension approfondie des
concepts » (Pasec, 2020). Nos auteurs constatent à travers les tests du Pasec 2019 une cohérence
et une distorsion ; une cohérence entre des difficultés dans la maîtrise des contenus et une
connaissance faible de la didactique des mathématiques (items sur la proportionnalité et les
fractions), une distorsion dans l’absence de relation entre la maîtrise des contenus et une
connaissance imparfaite de la didactique (cas des items sur les nombres entiers). Toutefois,
Baba-Moussa, Hounkpodoté, Diallo et Kaba (2023) relativisent en montrant que la maîtrise
parfaite d’une connaissance mathématique donnée n’est pas forcément le gage d’une capacité
à l’enseigner correctement ; néanmoins les difficultés des apprenants à comprendre une notion
mathématique traduisent souvent une compréhension erronée de la notion de la part de
l’enseignant. C’est ce qui ressort de l’analyse des résultats du Pasec 2019 effectuée par Baba-
Moussa, Hounkpodoté, Diallo et Kaba (2023) qui affirment que « la non-maîtrise d’une
connaissance mathématique traduit souvent une difficulté à l’enseigner et se répercute sur les
connaissances des élèves. En effet, l’évaluation Pasec 2019 a également révélé que les élèves

19
ont plus de difficultés dans les sous-domaines de mathématiques mal réussis par les
enseignants ». En effet, même si un bon enseignement des mathématiques requiert plus que la
connaissance des contenus, il va sans dire qu’on imagine mal un enseignement des
mathématiques sans une maîtrise préalable des notions et malheureusement c’est la réalité d’une
frange non négligeable d’enseignants des 14 pays ayant participé au test du Pasec 2019. C’est
fort de ce constat que la Conférence des Ministres de l’Education nationale ayant le français en
partage (CONFEMEN) a proposé parmi les pistes de solutions pour améliorer l’enseignement
des mathématiques le renforcement des « dispositifs de formation initiale et continue, en
réservant davantage de place à l’articulation entre connaissances de contenu et connaissances
didactiques ». Enfin, se basant sur les résultats du Sénégal aux tests du Pasec 2019, la
conférence de consensus sur les mathématiques organisée par le CNESCO présente les
enseignants du primaire au Sénégal comme étant compétents en mathématiques aussi bien sur
le plan disciplinaire que sur le plan didactique ; cependant ce constat ne les empêche pas de
rappeler les études de Diarra cité par Chesné, Darrozes-Tavares, Fanjat et Misat (2024) qui
montrent que le recrutement de ces enseignants est très peu centré sur les mathématiques : ce
qui favorise le recrutement de maîtres ayant un profil littéraire. En effet, un candidat peut réussir
au concours de recrutement des élèves-maîtres (CREM) sans traiter le sujet de mathématiques
eu égard à l’attribution des coefficients aux différentes épreuves. En outre, le plan de formation
des élèves-maîtres en formation initiale ne contient qu’ « une seule compétence centrée sur les
mathématiques » laquelle compétence ne précise en aucune manière quels devraient être les
contenus disciplinaires et didactiques à enseigner.

Cette incursion effectuée dans la littérature montre une quasi-unanimité des auteurs sur les
difficultés rencontrées par les enseignants du primaire dans la maîtrise des connaissances
mathématiques ; difficultés ayant pour sources le manque d’études approfondies de ces derniers
en mathématiques ou encore une formation initiale ou continue ne prenant pas en charge un
renforcement de niveau en mathématique des maîtres. Même si à côté de leurs problèmes de
maîtrise des contenus en mathématiques, les enseignants du primaire restent peu outillés pour
une bonne utilisation des processus didactiques, il reste logique que la maitrise des contenus
mathématiques demeure la première compétence à exiger d’un enseignant censé organiser des
enseignements apprentissages en mathématiques avant de connaître les principes didactiques
qui sous-tendent ces enseignements apprentissages ; avoir le niveau requis de connaissances
mathématiques est même un prérequis à la formation en didactique.

20
A l’instar des difficultés en mathématiques des enseignants du primaire des autres pays, tels
que mentionnés dans la littérature, nous pensons que ceux du Sénégal, aussi, n’ont pas une
connaissance suffisante de certains concepts mathématiques, en particulier ceux de données
numériques et non numériques en résolution de problèmes. Etudier les représentations que les
enseignants sénégalais ont de ces notions impliquera l’utilisation d’un certain nombre de
concepts qui seront élucidés dans la partie suivante.

2. Clarification conceptuelle :
Pour mieux circonscrire le champ de notre recherche et rendre notre travail plus
compréhensible, nous allons définir les sens que nous donnons à un certain nombre de concepts
qui peuvent être plurivoques. Ces notions sont celles de maîtrise, de concepts, de résolution de
problèmes, de données numériques et de données non numériques.

a. La maîtrise :
Le dictionnaire Larousse donne plusieurs définitions du substantif maîtrise. La première
définition présente ce nom comme une supériorité, une domination incontestée sur des
adversaires, une prépondérance. La deuxième définit la maîtrise comme le fait de dominer
techniquement, intellectuellement, scientifiquement. Ces deux définitions ont en commun le
fait de dominer un sujet ou un objet ; en effet, la maîtrise d’une notion doit être synonyme d’une
domination incontestée de cette notion dans tous ses aspects tel qu’il apparaît dans la première
définition « une domination incontestée sur un adversaire » qui, dans un contexte intellectuel,
pourrait être remplacé par la notion ou le concept. C’est pourquoi la maîtrise d’un concept ne
peut être qu’une domination intellectuelle et scientifique. Pour Frécon (2012), la maîtrise d’un
concept peut se faire à l’issue d’une approche qualitative (idées clés liées au concept) ou
quantitative (à l’aide d’indicateurs). Maîtriser un concept en comprenant toutes les idées qui lui
sont liées et cerner ses différents aspects (en utilisant aussi des indicateurs au besoin) est le sens
de la maîtrise que nous retenons dans cette étude. Pour parvenir à la compréhension sans faille
d’un concept, l’analyse de concept de Walker et Avant pourrait être d’un secours précieux. En
effet, pour Walker et Avant, rendre un concept intelligible passe par un certain nombre
d’étapes :

 la sélection du concept ;
 la détermination du but de l’analyse de concept ;
 l’identification de toutes les utilisations du concept ;
 la détermination des attributs ;
 l’identification d’un cas modèle ;

21
  l’identification d’un cas limite, relatif, contraire, inventé et illégitime ;
 l’identification des antécédents et des conséquences du concept ;
 la définition des référents empiriques du concept.

La sélection du concept consiste à choisir un concept qui, non seulement, suscite de l’intérêt
pour le chercheur, mais est aussi lié à son travail de recherche. Ainsi, pour l’enseignant de
mathématique, le choix des concepts se fait de facto car faisant partie des contenus qu’il doit
enseigner. La deuxième étape de l’analyse de concept concerne l’identification des buts et des
objectifs spécifiques de l’analyse. Il s’agira pour l’enseignant du primaire de se rappeler que
son étude du concept mathématique vise une restitution ultérieure en situation d’enseignement
apprentissage. Après que les objectifs de l’étude sont clairement définis, l’enseignant devra
procéder à l’identification des définitions et des utilisations du concept dans la littérature, donc
à une recension des écrits. La quatrième étape de l’analyse de concept sera une caractérisation
du concept. Il s’agit, ici, d’une description des différents caractéristiques et attributs du concept.
Déterminer les caractéristiques du concept permettra de reconnaître ce dernier dans ses
applications pratiques dès que tous ses attributs seront réunis, ce qui justifie l’importance de la
cinquième étape de l’analyse de concept qui consiste à trouver un exemple concret de
l’utilisation du concept en action et dont la compréhension et la délimitation du sens ne seront
renforcées que par l’identification d’un contre-exemple qui montrera ce que le concept n’est
pas. Il faudra, ensuite, pour le chercheur explorer les prérequis du concept, son historique, les
compétences professionnelles et les conséquences qui lui sont liées et passer à la dernière étape
de l’analyse de concept qui consiste en une identification des éléments concrets permettant de
tracer l’existence du concept dans la réalité. Utiliser l’analyse de concept selon la méthode de
Walker et Avant pourrait permettre à un enseignant du primaire d’arriver à la maîtrise des
concepts mathématiques dont l’enseignement lui incombe car les différentes étapes par
lesquelles il passe favoriseront une compréhension approfondie du concept en explorant en
profondeur ses nuances et ses caractéristiques. Comme nous le rappellent Tremblay-
Boudreault, Durand et Corbière (2014) cité par Pineault (2020) « La méthodologie de l’analyse
de concept est habituellement utilisée afin de clarifier un concept qui manque de clarté et ainsi
favoriser une meilleure compréhension de celui-ci au moyen de différentes étapes permettant
de décomposer le concept en éléments liés à sa structure interne ». Donc, pour nous, la maîtrise
d’un concept pourrait signifier l’analyse de ce concept par un chercheur, particulièrement un
enseignant, à travers le modèle de Walker et Avant (2011). Nous avons parlé du sens à donner

22
à la maîtrise d’un concept mais nous ne nous sommes pas encore intéressés à ce que recouvre
la notion de concept elle-même.

b. Le concept :
Du latin conceptus, signifiant conçu, ou encore cum capio qui veut dire saisir ensemble, le
concept est un construit, c’est une « idée générale et abstraite que se fait l'esprit humain d'un
objet de pensée concret ou abstrait, et qui lui permet de rattacher à ce même objet les diverses
perceptions qu'il en a, et d'en organiser les connaissances. » (Dictionnaire Larousse)

Walker et Avant (1995) définissent un concept comme « l’image mentale d’un phénomène ;
une idée ou un construit de l’esprit à propos d’une chose ou d’une action. » Le concept est donc
une entité abstraite qui peut avoir différentes représentations concrètes ; toutefois, aucune de
ces représentations concrètes n’est en elle-même le concept (Clements, 1986). Ces différentes
représentations ne s’identifient que grâce aux caractéristiques du concept. En effet, un concept,
dans sa nature abstraite, comporte un certain nombre de caractères particuliers qui lui sont
propres, l’identification de toutes les représentations concrètes qu’il englobe implique la
recherche de ces caractéristiques dans chaque représentation. Ainsi, la maîtrise d’un concept
dispense-t-elle de la maîtrise de chacune de ses représentations, il suffit juste de vérifier si ses
différentes caractéristiques se retrouvent dans toute représentation que l’on rencontre. Clements
(1986) confirme le caractère indispensable de la maîtrise des caractéristiques du concept dans
les propos suivants :

Une fois qu’ils ont identifié les caractères déterminants d’un concept
mathématique, les maîtres de l’école pré-élémentaire et primaire doivent insister
auprès de leurs élèves sur le fait que tout objet possédant l’ensemble de ces
caractères est un spécimen du concept. Par exemple, un cube n’est pas
seulement un cube, c’est aussi un prisme. Il est habituellement de bonne
stratégie pédagogique d’attirer aussi l’attention sur les non-exemples du concept
étudié. C’est ainsi que ni le tétraèdre ni aucune pyramide ne sont des prismes.

Dans l’exemple que donne Clements (1986), maîtriser le concept de prisme ne requiert, pour
les apprenants, que la maîtrise de ses différentes propriétés. Ainsi, toutes les fois que les élèves
identifieront l’ensemble de ces caractéristiques dans une figure donnée, ils en concluront que
la figure en question est bien un prisme. Aussi, montrer les non-exemples du concept, c’est-à-
dire dans l’exemple susmentionné, les figures dans lesquelles ne se retrouvent pas toutes les
propriétés du prisme, participent à renforcer la compréhension et la maîtrise du concept ; ce qui

23
n’est pas rappeler l’identification d’un cas limite, relatif, contraire, inventé et illégitime de la
méthode d’analyse de concept de Walker et Avant. Pourtant pour Roche (2022), il est important
de distinguer le terme qui désigne le concept et le concept lui-même. Pour lui, le terme n’est
que la désignation verbale du concept qui existe indépendamment du terme qui lui est référé.
C’est pourquoi, il identifie une double définition du concept : une définition linguistique et une
définition formelle. La définition linguistique du concept ne va guère au-delà d’une explication
linguistique, un commentaire en langue naturelle tandis que la définition formelle ou
constructive est essentielle car étant la seule capable de « garantir un certain nombre de
propriétés » pour la définition du concept. Roche (2022) définit un certain nombre de théories
qui sous-tendent chaque type de concept. Il distingue ainsi différentes approches selon qu’on
s’intéresse à la nature des choses, à leur description ou aux relations qu’elles entretiennent entre
eux. L’intérêt porté sur la notion des choses fait référence à leur essence, au monde tel qu’on le
conçoit, à la « caractéristique essentielle des choses ». L’approche descriptive met en relief les
objets tels qu’on les perçoit et repose sur la notion de « caractéristique descriptive » ; enfin
l’approche relationnelle va au-delà de l’essence des choses, elle les définit par les relations
qu’elles entretiennent avec les autres. Vygotski, cité par Vergnaud (1989) sépare les concepts
en deux types principaux : les concepts quotidiens et les concepts scientifiques. Les concepts
quotidiens sont acquis par l’enfant de manière spontanée dans son milieu environnant alors que
les concepts scientifiques sont construits intentionnellement par l’adulte dans une action
finalisée comme cela se produit au sein de l’institution scolaire. Il semble clair, au vu des
définitions que nous avons déjà données et relativement aux concepts qui font l’objet de notre
étude que le sens donné aux concepts du type scientifique est celui que nous retenons dans le
cadre de ce travail. Vergnaud (1989), lui-même, identifie trois caractéristiques principales
qu’un concept peut revêtir : des invariants opératoires, des situations de référence et des formes
symboliques. Les invariants opératoires peuvent être définis comme la partie non explicite du
concept non accompagnée de signifiants, une sorte d’idée de concept en soi. Les situations de
référence sont un vaste ensemble différencié de situations auxquelles le concept est référé. Les
formes symboliques représentent des formes langagières ou non langagières et des symboles à
travers lesquels le concept est évoqué et exprimé. Cette caractérisation du concept conduira
Vergnaud à l’élaboration de sa fameuse théorie des champs conceptuels.

La clarification de la notion de concept nous conduit à définir le champ dans lequel les concepts
que nous étudions sont employés : il s’agit de celui de la résolution de problèmes mathématique.

24
c. La résolution de problèmes mathématique :
Parler de la résolution de problèmes ne serait guère aisé sans une définition préalable de la
notion de problèmes.

Qu’est-ce qu’un problème ?

Etymologiquement le mot problème vient du grec problêma signifiant « saillie »,
« promontoire » puis ensuite « tâche », « question » ou « problème ». Le problêma grec donnera
le mot latin « problema »qui signifie lui-même « problème », « question à résoudre ». On voit
à travers ses différents sens en grec et en latin comparativement à son sens actuel en français
que la signification du mot problème n’a que très peu évolué. Pour le Dictionnaire de
l’Académie française, un problème est « une question que l’on cherche à résoudre en usant de
méthodes rationnelles » ou encore « un point suscitant la réflexion » ; mais lorsqu’on s’intéresse
à la notion dans le domaine de l’enseignement, le Dictionnaire de l’Académie l’assimile en
sciences à un « exercice qui consiste à répondre à une question, à démontrer une proposition,
un théorème, etc., en s’appuyant sur les données fournies par l’énoncé ». Les trois définitions
que nous venons de voir font toutes référence à une difficulté ou une question dont la résolution
doit être trouvée par l’intermédiaire d’une méthode appropriée. On peut, donc, identifier trois
caractéristiques qui leur sont communes : une situation de départ conduisant à une situation
d’arrivée par l’intermédiaire d’une procédure particulière. La situation de départ traduit toujours
un manque à combler, un problème à résoudre pour aboutir à la situation finale. Ainsi, Jean
Brun (cité par Pelletier-Barbier, 2002) définit un problème comme étant :

« une situation initiale, avec un but à atteindre, demandant au sujet d'élaborer

une suite d'actions ou d'opérations pour atteindre ce but. Il n'y a problème que
dans un rapport sujet/situation, que si la solution n'est pas disponible d'emblée,
mais possible à construire. »

Mayer (1977) considère qu’un problème est défini par trois caractéristiques principales : un état
initial jugé insatisfaisant, un état-objectif qui n’est pas encore connu ou en tout cas pas du tout
évident et enfin des obstacles qui traduisent l’aspect caché, difficile ou peu évident de la
manière de passer de l’état initial à l’état-objectif. Poissant, Poëllhuber et Falardeau (1994)
résument ces différentes considérations en donnant au problème la définition suivante : « un
problème peut donc être conceptualisé comme étant une différence entre une situation actuelle
et une situation désirée; I ‘objectif à atteindre sera précisément d'éliminer cette différence et de
transformer la première situation en la seconde ». Les problèmes peuvent faire l’objet de
différentes sortes de classement. Reitman (1965), par exemple, les classe selon le degré de

25
définition de leurs états initiaux, de leurs états-objectifs et de leurs obstacles. Ils peuvent aussi
être classés en fonction des stratégies par lesquelles ils peuvent être résolus ; c’est ainsi qu’on
peut distinguer les problèmes d’arrangement, les problèmes d’induction et les problèmes de
transformation. Le problème d’arrangement est un type de problème dans lequel l’état initial
est clairement défini tandis que l’état-objectif ne l’est pas, il s’agit pour le sujet d’arranger les
éléments qui lui sont donnés afin d’accéder à l’état-objectif. Le problème d’induction favorise
la formation de concepts ou la découverte d’une règle par un raisonnement inductif. Les
éléments du problème sont disponibles, il s’agit de trouver les relations qui les relient. Quant
au problème de transformation, il comporte un état initial et un état-objectif sans ambiguïté ; en
revanche les obstacles entravant l’accès à l’état-objectif y sont très nombreux, c’est pourquoi
c’est un type de problème complexe (Greeno, 1978). Les problèmes que les élèves doivent
résoudre en contexte d’enseignement apprentissage ne relèvent pas souvent d’un seul type de
problèmes parmi les types susmentionnés, ce sont la plupart du temps des problèmes hybrides
relevant à des degrés divers de l’arrangement, de l’induction et de la transformation. D’autres
classements font la distinction entre problèmes simples et problèmes complexes mais c’est
surtout la classification des types de problèmes proposée par Vergnaud qui nous retiendra le
plus dans cette analyse conceptuelle. En effet, Vergnaud (1990) classe les problèmes
arithmétiques à l’élémentaire en deux grands types : les problèmes à structures additives et les
problèmes à structures multiplicatives. Les problèmes de structures additives regroupent dans
leur champ conceptuel les problèmes qui se résolvent autant par des opérations additives que
soustractives. Vergnaud (1990) identifie six relations de base à partir desquelles se construisent
tous les types de problèmes additifs. Ces relations sont :

- La composition de deux mesures qui est la famille des problèmes de réunion, de

fractionnement de collections ou de grandeurs mesurables ;
- La relation de transformation d'états qui implique une transformation positive ou
négative d’un état initial à un état final ;
- La relation de comparaison additive qui compare de manière additive deux états
représentés par des grandeurs mesurables ou repérables ;
- Les compositions de transformations dans lesquelles il s’agit au moins de deux
transformations appliquées successivement à des états inconnus ;
- Les compositions de relations ;
- les comparaisons de transformations

26
S’agissant des problèmes de structures multiplicatives, ils regroupent les problèmes dont les
résolutions font appel à la multiplication et à la division. Vergnaud (1990) en identifie quatre
classes :

- La comparaison multiplicative de grandeurs qui est une catégorie regroupant les

problèmes mettant en jeu deux états objets de la comparaison multiplicative relatifs à
une grandeur ;
- La proportionnalité simple qui met en jeu deux domaines de grandeurs reliés par une
relation fonctionnelle multiplicative ;
- La proportionnalité simple composée qui regroupe des problèmes dans lesquels trois
grandeurs sont en jeu avec deux relations de proportionnalité simple définies qui doivent
être composées ;
- La proportionnalité double ou multiple est la classe des problèmes où deux domaines
de grandeurs au moins qui ne sont liés par aucune relation fonctionnelle tel qu’un couple
de mesures de chaque domaine de grandeur est associé à une autre grandeur appelée
grandeur produit.

Ces typologies des problèmes trouvent toute leur importance dans le fait qu’elles :

« permettent d'aider les enseignants à repérer avec précision, dans les problèmes
qu'ils donnent, les objets mathématiques en jeu et leurs relations, d'analyser la
complexité de la tâche qu'ils proposent et donc de faire des choix, d'établir des
progressions pour conduire les élèves à rencontrer des situations variées, de
construire des évaluations en concordance avec les apprentissages effectués. »
(Pelletier-Barbier, 2002).
Puisque la notion de problème a été clarifiée dans les lignes qui précèdent, il sera plus aisé
d’aborder la résolution de problèmes.

La résolution de problème est une compétence essentielle transversale à toutes les situations de
la vie courante. Elle est d’ailleurs une aptitude de plus en plus recherchée et un atout certain sur
le marché de l’emploi. Dans le domaine des mathématiques, Julo (1995) souligne l’enjeu de la
résolution de problème en ces termes : « C’est bien le fait de découvrir par soi-même une
solution que l’on n’entrevoyait pas dans un premier temps qui est l’enjeu de cette activité
particulière ». Résoudre un problème requiert la mobilisation de connaissances antérieures
acquises dans la résolution d’autres problèmes du même type et stabilisées en schèmes
cognitifs, Julo (2002) donne à ces schèmes le nom de schémas de problèmes. Ces schémas de
problèmes sont, donc, des sortes de mémoires de problèmes qui participent à rendre aisée la

27
résolution de problème. Polya (1989) identifie quatre étapes principales par lesquelles il faut
passer pour résoudre un problème mathématique :

- Comprendre le problème ;
- Concevoir un plan ;
- Mettre le plan à exécution ;
- Revenir sur sa solution, c’est-à-dire vérifier la pertinence de son raisonnement et
l’exactitude de ses résultats.

Au vu de tout ce que nous venons de voir, résoudre un problème consiste à trouver un état final
à partir d’un état initial en utilisant une procédure déterminée. La résolution de problème est
donc une activité consistant à trouver une ou des inconnues à partir de données disponibles.
Dans les problèmes arithmétiques du primaire appelés problèmes verbaux, ces données peuvent
être de deux types : numériques ou non numériques.

d. Les données numériques :

Une donnée numérique est une donnée qui renvoie à un nombre même s’il est associé à la
grandeur physique à laquelle il s’applique. Selon le Dictionnaire de l’Académie française (9e
édition), l’adjectif numérique vient étymologiquement du latin numerus qui veut dire nombre.
La donnée numérique se rapporte, donc, au nombre ou est représentée par un nombre. Mais, au
fait, que recouvre la notion de nombre ?

Le nombre :
Le nombre constitue un élément central dans le domaine des mathématiques au point de générer
une théorie ; on parle de théorie des nombres pour désigner l’arithmétique. Cependant, en dépit
de toute cette importance qu’elle revêt, sa définition n’en demeure pas moins problématique.
Certains mathématiciens soutiennent même que les nombres sont indéfinissables (Raymond,
1965). En outre, l’origine des nombres fait l’objet d’un débat philosophique entretenu par les
mathématiciens, les logiciens et les philosophes. En effet, pour certains mathématiciens comme
Frege ou Russell, les nombres sont de pures constructions de l’esprit, donc de la logique ; tandis
que pour d’autres, les nombres relèveraient de l’intuition. Toutefois, pour éviter d’entrer dans
des considérations théorico-philosophiques et pour un souci de pragmatisme, nous adopterons
la définition du nombre proposée par Jean Piaget (1948). Ce dernier considère le nombre
comme la « synthèse de la classe et de la relation asymétrique ». Deux aspects ressortent de
cette définition des structures de classification et des structures d’ordre. Le nombre comporte,
donc, deux aspects : un aspect cardinal et un aspect ordinal. L’aspect cardinal est gouverné par
une relation d’équivalence et fait référence à la mesure de quantités discontinues. Le cardinal
28
indique une propriété de l’ensemble auquel appartiennent les nombres possédant les mêmes
caractéristiques indépendamment des objets désignés par ces nombres. Boule (1985) en donne
l’exemple suivant :

« Dire qu’une boîte contient 5 crayons c’est produire un énoncé indépendant de ce

qui distingue les crayons les uns des autres et de leur disposition dans la boîte. “5”
est donc la marque d’une propriété de cet ensemble, indépendante des objets eux-
mêmes. On peut la retrouver pour d’autres collections d’objets, qui sont donc à ce
point de vue (celui de la quantité) équivalents au premier ».

L’aspect ordinal indique la position du nombre dans une suite, il permet de numéroter des objets
dans une collection selon une relation d’ordre. Il est postérieur à l’aspect cardinal car on ajoute
à ce dernier l’idée d’ordre. Pour Couturat, l’ordinal est à un niveau supérieur d’abstraction par
rapport au cardinal car il comprend ce cardinal avec une donnée en plus, c’est-à-dire le
rangement des unités ordonnées en lesquelles il se compose. En vérité, l’aspect cardinal et
l’aspect ordinal sont pour un nombre les deux faces d’une même pièce.1

Le caractère indissociable de ces deux aspects a conduit au classement des nombres ayant les
mêmes propriétés dans des ensembles grâce aux travaux de Dedekind, Peano et Cantor. Il s’agit
des ensembles suivants : N⊂Z⊂D⊂Q⊂R⊂C

Ce sont l'ensemble des entiers naturels N (ou ℕ), l'ensemble des entiers relatifs Z (ou ℤ),
l’ensemble des décimaux D (ou D), l'ensemble des nombres rationnels Q (ou ℚ), l'ensemble
des nombres réels R (ou ℝ) et l'ensemble des nombres complexes C (ou ℂ).

N est l'ensemble des nombres entiers naturels.

Exemple : 0, 1, 2, 3, 4, 5, … 10, 11, …, 100, … ∈N

L'ensemble N est inclus dans les ensembles Z, D, Q, R et C.

Z est l'ensemble des nombres entiers relatifs, c'est à dire positifs, négatifs ou nuls.

Exemple : …, -100, …, -12, -11, -10, …, -5, -4, -3, -2,- 1, 0, 1, 2, 3, 4, 5, … 10, 11, 12, …, 100,
… ∈Z

L'ensemble Z est inclus dans les ensembles D, Q, R et C

1 29
Nous ne nous appesantissons pas sur les aspects lecture et groupement ou base de numération car l’aspect
lecture est lié à l’écriture en chiffres et en lettres du nombre tandis que l’aspect groupement n’est pas trop
sollicité dans l’identification du nombre ; c’est cette identification qui nous intéresse ici.
L'ensemble N est inclus dans l'ensemble Z (car tous les nombres entiers naturels font partie des
entiers relatifs). Tout nombre dans N est aussi dans Z.

D est l'ensemble des nombres décimaux

D= {a/10p,a∈Z,p∈N}

Pour simplifier, l'ensemble des nombres décimaux D regroupe des nombres qui peuvent s'écrire
avec un nombre fini de chiffres (nombres contenant une virgule et une partie décimale finie).

Exemple : -123.45, -2.1, -1, 0, 5, 6.7, 8.987654 ∈D

Les nombres utilisant des points de suspension … pour leur écriture décimale ont donc un
nombre infini de chiffres après la virgule et donc n'appartiennent pas à l'ensemble D.

L'ensemble D est inclus dans les ensembles Q, R et C

Les ensembles N et Z sont inclus dans l'ensemble D (car tous les entiers sont des nombres
décimaux qui n'ont pas de chiffres après la virgule). Tout nombre dans N ou Z est aussi dans D

Q est l'ensemble des nombres rationnels, c'est à dire représentés par une fraction a/b avec a
appartenant à Z et b appartenant à Z* (qui permet d'exclure la division par 0).

Exemple : 1/3, -4/1, 17/34, 1/123456789 ∈Q

L'ensemble Q est inclus dans les ensembles R et C

Les ensembles N, Z et D sont inclus dans l'ensemble Q (car tous ces nombres peuvent être écrits
en fraction). Tout nombre dans N ou Z ou D est aussi dans Q.

R est l'ensemble des nombres réels, c'est à dire tous les nombres qui peuvent exister
réellement, il contient en plus des nombres rationnels, les nombres non rationnels ou
irrationnels comme π𝜋, ou √22.

Les nombres irrationnels ont une partie décimale infinie et non périodique.

Exemple : π𝜋, √22, √33, … ∈R

L'ensemble R est inclus dans l'ensemble C.

Les ensembles N, Z, D et Q sont inclus dans l'ensemble R. Tout nombre dans N ou Z ou D ou

Q est aussi dans R.

30
C est l'ensemble des nombres complexes, un ensemble créé par les mathématiciens comme
une extension de l'ensemble des nombres réels auxquels sont ajoutés les nombres comportant
une partie imaginaire.

Exemple : 𝑎 + 𝑖𝑏 ∈ 𝐶

Les ensembles N, Z, D, Q, R et I sont inclus dans l'ensemble C. Tout nombre dans N ou Z ou

D ou Q ou R ou I est aussi dans C.

Il existe d’autres ensembles de nombres car, à chaque fois qu’un nouveau besoin non pris en
charge par les ensembles existants se fait sentir, un nouvel ensemble est créé ; toutefois les
ensembles que nous venons de mentionner restent les plus connus et les plus utilisés.

Les nombres en tant qu’entités abstraites peuvent être désignés par des symboles appelés
chiffres. Le chiffre est un signe arbitraire de représentation du nombre dans un système de
numération donné. Etymologiquement, le mot chiffre vient de l’arabe « şifr » qui veut dire zéro.
Dans notre système de numération décimale, il n’existe que 10 chiffres pour représenter les
nombres, il s’agit de 0, 1, 2, 3, 4, 5, 6, 7, 8, 9. Cependant, il faut préciser que les chiffres de 0 à
9 désignent de manière écrite les nombres de 0 à 9 et les autres nombres qui existent au-delà
d’eux jusqu’à l’infini. Ainsi, le nombre 2 s’écrit-il avec le chiffre 2 tandis que le nombre 43
s’écrit avec les chiffres 4 et 3. Le chiffre, en tant qu’écriture symbolique du nombre, peut aussi
s’écrire en lettres, c’est-à dire avec les lettres de l’alphabet de la langue. Par exemple : 4 s’écrit
en lettres quatre, 7 en lettres donne sept etc. Cette écriture en lettres des chiffres a abouti à
l’écriture en lettres des nombres de manière générale. Le nombre 756 écrit avec les chiffres 7,
5 et 6 s’écrit en lettres comme suit sept cent cinquante-six, la fraction ¼ s’écrira un quart en
lettres.

31
Figure 2 : les ensembles de nombres

Au vu de tout ce qui vient d’être dit, nous pouvons retenir qu’un nombre, considéré dans son
aspect cardinal ou ordinal, écrit en chiffres ou en lettres ; n’en demeure pas moins un nombre2.
C’est la raison pour laquelle, revenant à notre définition du concept de donnée numérique, nous
considérons cette dernière comme est une donnée renvoyant à un nombre avec toutes les
caractéristiques que nous venons de voir. Ainsi, une donnée numérique est un nombre :

 appartenant à l’un des ensembles ci-dessus,

 pris dans son aspect cardinal ou ordinal,
 écrit en chiffres ou en lettres.

Dans le cadre des problèmes numériques étudiés au primaire, ces données numériques
s’accompagnent souvent de données non-numériques qui sont l’objet de notre clarification
suivante.

e. Les données non-numériques :

Les problèmes arithmétiques verbaux sont des problèmes décrits sous la forme de petites
histoires et dont les résultats numériques se trouvent en utilisant les données numériques et non
numériques du texte. Il s’agit pour l’apprenant de trouver les relations entre ces deux types de
données. Prises dans leur sens littéral, les données non-numériques pourraient laisser croire
qu’elles englobent tout élément du problème qui ne renvoie pas à un nombre avec les

2 32
On peut rencontrer, dans les problèmes au primaire, des expressions comme dizaine, douzaine etc. il s’agit
bien de données numériques car renvoyant à des nombres. Dizaine= 10, douzaine= 12.
caractéristiques que nous avons énumérées plus haut. Or, tous les éléments dans un problème
verbal ne pourront être retenus comme données non-numériques, car, ils seront trop nombreux
et perturberont le raisonnement de l’élève. L’identification des données numériques ou non-
numériques n’est qu’au service du raisonnement de l’apprenant. Ainsi, pour identifier les
données non numériques dans un énoncé, faudrait-il dans un premier temps comprendre qu’un
problème verbal est un problème habillé de mots dont il peut être dépouillé de manière à ce
qu’il ne subsiste que les éléments essentiels au raisonnement3 ; puis dans un second se poser la
question suivante : quelles sont les informations qui ne renvoient pas à des nombres et qui sont
indispensables au raisonnement ? Duval (2013) donne une réponse intéressante et pertinente à
cette question : « Les données non-numériques de l’énoncé ne se convertissent pas en nombres,
mais en symboles d’opérations ou de relations ». Avant de procéder à l’analyse de cette
définition, il faut d’abord noter que Duval considère que résoudre un problème consiste « à
refaire à l’envers les conversions successives de représentations des données qui sont faites
pour fabriquer un problème ». Ainsi, la résolution de problèmes implique-t-elle de refaire le
chemin inverse du processus qui a conduit à sa construction. Donc, pour résoudre un problème,
l’apprenant mobilise cognitivement deux types de transformations sémiotiques : le traitement
qui consiste en un procédé effectué à l’intérieur d’un même registre (comme un calcul dans le
même système de représentation des nombres) et la conversion qui est un changement de
registre de représentation (comme dans le passage d’une formulation verbale ou numérique à
une écriture algébrique). La conversion est, pour Duval, « le seuil le plus décisif pour
comprendre en mathématique ». En transformant les représentations verbales de l’énoncé en
opérations, l’apprenant convertit les données non-numériques en symboles d’opérations : +
(addition), - (soustraction), x (multiplication) et : (division) ou de relations : = (égale), <
(inférieur) et > (supérieur). En guise d’illustration, considérons le problème suivant proposé par
Duval :

P. joue une partie et perd 2 billes. Il joue une deuxième partie. En tout il a gagné 1 bille. Que
s’est-il passé à la 2 ème partie?

Les données non-numériques pouvant être converties en symbole d’opération ou de relation

sont : perd : -, en tout il a gagné. Ce qui se traduit par perd : -2, en tout gagne 1 bille : = 1et

3 33
Soit le problème suivant : un cultivateur te demande de lui calculer la surface de son champ rectangulaire. La
largeur du champ est de 30m et sa longueur représente le double de la largeur. Calcule sa surface. Ce problème
peut être simplifié de manière à ce que ne subsiste que les données pouvant servir au raisonnement : 30m = l,
L= double de la largeur, Surface ? On voit que les autres énoncés verbaux n’étaient pas indispensables au
raisonnement.
donne l’égalité numérique suivante : (–2) ET …. = 1. On soulignera la relation entre donnée
numérique et donnée non-numérique dans le raisonnement. Cependant, dans le contexte du
primaire, créer une égalité numérique pourrait relever de l’impossible pour les apprenants, d’où
la nécessité d’éviter la conversion des données non-numériques en symboles de relation. On
peut retenir que les données non-numériques sont des données pouvant être converties en
symboles d’opérations comme dans l’exemple suivant.

Maman à 5000F, papa lui donne 3000F de plus. Arrivée au marché, elle dépense la moitié de
la somme qu’elle avait. Combien lui reste-t-il ?

Dans cet énoncé les données non-numériques sont : de plus, la moitié, reste. De plus indique
une addition, la moitié induit une division et enfin reste conduit à poser une soustraction.
Mentionnons que « donne » et « dépense » auraient pu être traduits en symbole d’opérations
en l’absence de « de plus » et « moitié » et auraient pu être considérés comme des données non-
numériques.

Donc, en résumé, on peut retenir qu’une donnée non-numérique :

 n’est pas un nombre ;

 est souvent en relation avec un nombre4 ;
 peut être convertie en symbole d’opération.

Sur la base des critères que nous venons d’énumérer, on peut dire que les données non-
numériques font référence à des mots ou expressions comme : moitié, double, triple, de plus,
de moins, … fois plus grand, … fois plus petit etc.

La définition des concepts essentiels à la compréhension de notre étude met fin à notre cadre
théorique et marque le début de notre étude empirique.

4 34
Les fractions sont souvent en relation avec un autre nombre, cela ne les empêche pas pour autant d’être des
nombres appartenant à l’ensemble Q et donc des données numériques. Le quart (1/4), le tiers (1/3), un demi
(1/2) sont des données numériques.
CHAPITRE III

35
III Méthodologie :
Cette partie sera subdivisée entre le type de recherche et le cadre de notre étude.

1. Type de recherche :
Afin de recueillir le maximum d’informations pour essayer de comprendre les représentations
des enseignants sur les données numériques et les données non-numériques, nous avons jugé
pertinent de recourir à la recherche qualitative. La recherche qualitative s’impose lorsque les
données recueillies sont subjectives et difficilement mesurables permettant une démarche
interprétative. Mays et Pope (1995) définissent la recherche qualitative en rappelant l’objectif
qui est le sien :

« The goal of qualitative research is the development of concepts which help us to understand
social phenomena in natural (rather than experimental) settings, giving due emphasis to the
meanings, experiences, and views of all the participants ».

« L’objectif de la recherche qualitative est de développer des concepts qui nous aident à
comprendre les phénomènes sociaux dans des contextes naturels (plutôt qu’expérimentaux), en
mettant l’accent sur les significations, les expériences et les points de vue de tous les
participants ». (Traduction Copilot)

Pour Kohn et Cristiaens (2014), la recherche qualitative comporte quatre caractéristiques

principales :

 la recherche qualitative prend en compte toutes les formes de recherche non numérique
comme les mots et les récits ;
 la recherche qualitative consiste en une description brute et en un essai de
compréhension profonde de l’objet d’étude ;
 la recherche qualitative étudie les individus dans leur milieu naturel ;
 la recherche qualitative nécessite souvent une triangulation des données par une
utilisation de plusieurs méthodes ou sources.

Dey (1993) schématise la recherche qualitative dans un triangle avec trois pôles : la description
(des données « riches »), la classification (des données en différentes catégories) et la connexion
(mise en relation des différentes catégories).

Ci-dessous le triangle de Dey.

36
Figure 3 : Le triangle de Dey

Il s’est agi, donc, pour nous, non seulement de décrire les représentations que les enseignants
du primaire ont des données numériques et des données non-numériques, mais aussi de
comprendre ces représentations. Toutefois, nous n’avons pas recouru à des méthodes de collecte
différentes pour répondre à notre question de recherche, car la triangulation ne nous a pas paru
nécessaire. La source de recueil de données que nous avons privilégiée (le questionnaire) nous
a semblé suffisante eu égard au niveau intellectuel des participants. En outre Van Der Maren
cité par Faye (2011) nous conforte dans le choix que nous avons porté sur la recherche
qualitative en affirmant que « La recherche en éducation ne peut que difficilement être
vérificatoire : elle ne peut pas se plier aux exigences d’une perspective quantitative. Si la
recherche veut être consistante avec les caractéristiques de l’objet et les contraintes de terrain,
elle sera surtout exploratoire compréhensive ».

Cette recherche qualitative pour laquelle nous avons opté a été menée dans l’IEF de sangalcam
qui représente le cadre de notre étude.

2. Cadre de l’étude :
Notre étude a été circonscrite à l’IEF de Sangalcam. Créée en 2014, l’IEF de sangalcam est
avec les IEF de Diamniadio et de Rufisque Commune une cironscription de l’IA de Rufisque.
Elle s’étend sur l’arrondissement du même nom qui regroupe les communes de Sangalcam,
Bambilor, Tivaoune Peulh/Niaga. Cette zone, rurale à l’origine, s’urbanise de plus en plus face
à l’expansion démographique de la région de Dakar et connaît, à l’instar de tout le département
de Rufisque, une demande de scolarisation accrue. La circonscription est subdivisée en trois
37
districts : Sangalcam, Bambilor, Tivaoune Peul/Niaga Lo, chaque district est dirigé par un
Inspecteur chef de district (ICD). Enfin, il y a lieu de préciser qu’en matière de renforcement
des enseignants en mathématiques, l’IEF de Sangalcam est dans la mise en œuvre du PAAME
en collaboration avec la JICA.

Les tableaux suivants présentent la répartition du personnel de l’IEF de Sangalcam.

DONNEES STATISTIQUES DU PERSONNEL ELEMENTAIRE

Discipline I IA MC VE Total
s H F Tot H F Tot H F Tot H F Tot H F Tot
Français 164 145 309 37 66 103 3 12 15 0 0 0 204 223 427
Arabe 27 4 31 20 8 28 3 2 5 0 0 0 50 14 64
Total 191 149 340 57 74 131 5 14 20 0 0 0 253 237 490

Tableau 2 : personnel du primaire

3. Population et échantillonnage :
La population que nous avons ciblée pour notre étude, c’est-à-dire l’ensemble des individus
considérés, regroupe tous les enseignants en langue française, craie en main des écoles
primaires de l'’EF de Sangalcam. Ces derniers sont au nombre de 427 répartis selon leurs grades
dans le tableau suivant.

38
Tableau 3 : données statistiques du personnel enseignant du primaire de Sangalcam

DONNEES STATISTIQUES DU PERSONNEL ELEMENTAIRE

Discipline I IA MC VE Total
s H F Tot H F Tot H F Tot H F Tot H F Tot
Français 164 145 309 37 66 103 3 12 15 0 0 0 204 223 427
Arabe 27 4 31 20 8 28 3 2 5 0 0 0 50 14 64
Total 191 149 340 57 74 131 5 14 20 0 0 0 253 237 490

Les enseignants en langue arabe ne font pas partie de notre population d’étude car n’étant pas
concernés par les concepts autour desquels tourne notre étude.

En ce qui concerne l’échantillon, nous avons opté pour un choix raisonné et avons choisi les
enseignants de la deuxième étape, c’est-à-dire du CE1 et du CE2. Ce choix sur ses enseignants
en particulier se justifie par le fait que les concepts de données numériques et de données non-
numériques sont enseignés à la première et à la deuxième étape du primaire. Les enseignants
de la deuxième étape du public sont au nombre de 142 tel qu’il apparaît dans le tableau ci-
dessous.

EFFECTIF DES ENSEIGNANTS DE LA DEUXIEME ETAPE

Tableau 4 : Effectif des enseignants de la deuxième étape du primaire de l’IEF de Sangalcam

ENSEIGNANT PAR GP 2023---2024

CI CP CE1 CE2 CM1 CM2
EE PUBLIQUE 74 72 74 68 68 65
EE PRIVEE 105 105 107 101 100 99
TOTAL 179 177 181 169 168 164

DEUXIEME ETAPE DU PUBLIC 142

4. Méthode de collecte de données :

Dans cette partie, nous parlerons de l’outil de collecte de données sur lequel notre choix s’est
porté, puis du déroulement de la collecte proprement dite et enfin, de notre stratégie d’analyse
des données.

39
 a. Outil de collecte de données :
Le caractère de l’objet de notre étude (concepts mathématiques) et le profil de notre population
cible (des enseignants du primaire) nous ont convaincu du choix de l’enquête par questionnaire
comme outil de collecte de données. En effet, pour des enseignants craie en main, en fin d’année
scolaire, participer à un entretien pourrait s’avérer contraignant en raison du temps limité et
insuffisant dont ils disposent pour leur enseignements apprentissages. L’observation libre ou
dirigée ne nous semble même pas envisageable car ce sont les représentations ou la
compréhension que les enseignants ont sur des concepts qui nous intéressent dans notre travail
de recherche. En outre, les enseignements apprentissages des concepts sur lesquels porte notre
étude sont étudiés en début d’année. Ainsi, puisque nous sommes dans le cadre d’une recherche
de type qualitatif, notre questionnaire comporte-t-elle principalement des questions ouvertes.
Ces questions, sans indiquer des modalités de réponse, favorisent la production de réponses
qualitatives très riches en informations. Notre questionnaire comporte 9 items et tourne
principalement autour de deux parties : une partie concernant les données numériques et une
autre concernant les données non-numériques. Chaque partie est structurée en deux sous-
parties : la compréhension du sens des concepts et leurs critères d’identification. Enfin,
précisons que l’outil a fait l’objet d’une pré-validation auprès de quelques enseignants du
primaire.

b. La collecte proprement dite des données :

La collecte des données s’est déroulée en un mois. En effet, entre les cours à la FASTEF et les
compositions imminentes du troisième trimestre, il nous était difficile de trouver un temps dédié
à l’administration des outils de collecte des données. Néanmoins, nous nous sommes appuyés
sur certains enseignants ou directeurs d’école qui nous ont beaucoup aidés dans l’administration
du questionnaire aux enseignants et enseignantes de la deuxième étape. Nous avons, toutefois,
pu nous rendre au niveau de certains établissements et avons profité de certains regroupements
comme le déroulement des épreuves du CFEE pour rencontrer les enseignants. Ces derniers ont
été assurés du caractère anonyme du questionnaire sur lequel le nom du participant n’est pas
requis et de l’importance que revêtent leurs réponses pour l’étude que nous menons. Ainsi, sur
les 142 enseignants de la deuxième étape du primaire, n’avons- nous reçu que 71 questionnaires,
soit un taux de restitution de 50%.

c. Méthode ou stratégie d’analyse des données :

A l’issue de l’administration de notre enquête par questionnaire nous avons traité les données
reçues par le logiciel Excel. Même si notre travail de recherche est de type qualitatif, nous avons

40
choisi Excel qui reste un logiciel approprié pour traiter les informations recueillies des
questionnaires.

5. Difficultés et limites de la recherche :

Dans notre travail de terrain, nous avons rencontré un certain nombre de difficultés. Nous avons
déjà mentionné la contrainte posée par nos cours à la FASTEF qui ne nous ont pas permis
d’administrer nous-mêmes tous les outils de recueil de données. Qui plus est, le caractère
circonscrit de notre échantillon rendait plus important le nombre d’écoles dans lesquelles les
enseignants devaient recevoir un questionnaire. En effet, puisque nous visions les enseignants
de la deuxième étape du primaire, nous n’avions souvent pour les écoles de 12 classes que 04
enseignants de la deuxième étape que concernait notre échantillon et dans les écoles de moins
de 12 classes (entre 6 et 11 classes) nous avions environ 02 enseignants de la deuxième étape.

Ensuite, la perception négative que les enseignants avaient du questionnaire a contribué à rendre
difficile l’administration de l’outil. En effet, certains prétextaient ne pas avoir de temps suffisant
eu égard aux compositions du troisième trimestre qui se profilaient à l’horizon. Pour d’autres
(il s’agit de la majorité des répondants), le questionnaire était compris comme un exercice
d’évaluation dont les questions étaient difficiles à répondre. Malgré l’anonymat qui a prévalu
dans la confection du questionnaire et les explications que nous leur avons données à propos de
son caractère non évaluatif, nous avons constaté une certaine réticence des enseignants à rendre
les questionnaires qui leur ont été donnés. C’est d’ailleurs ce qui justifie le taux de restitution
que nous avons obtenu (50%).

41
CHAPITRE IV:

42
IVPrésentation des résultats :

Ce chapitre concerne l’étude des données recueillies des questionnaires que nous avons
administrés aux enseignants de la deuxième étape du primaire. Il s’agira, pour nous, de
présenter, d’analyser et d’interpréter les résultats recueillis dans un premier temps, puis de
procéder à leur synthèse dans un second.

1. Présentation, analyse et interprétation des résultats :

Les répondants dont nous avons obtenu un retour des questionnaires qui leur ont été remis ont
été répartis par âge et par ancienneté. Il apparaît à travers les données recueillies que la plupart
des répondants ont plus de 30 ans et sont donc des enseignants d’un certain âge avec une
expérience importante dans l’enseignement ; ce que confirmeront les données recueillies sur
leur ancienneté et leurs diplômes professionnels.

Graphique 1 : répartition des répondants par tranche d’âge

11%
24%
20-30 ans
31-40 ans
32% 41-50 ans
51-59 ans
33%

L’ancienneté des enseignants de la deuxième étape qui ont rempli les questionnaires est répartie
comme suit : les données montrent que ceux qui ont totalisé moins de 10 ans dans
l’enseignement sont plus nombreux car étant au nombre de 25 ; toutefois, le cumul du nombre
de tous les enseignants ayant fait plus de 10 ans de service montre que les enseignants
expérimentés sont de loin les plus nombreux. Il s’y ajoute que la plupart des enseignants ayant
totalisé moins de 10 ans de service ont accompli 9 années d’enseignement.

43
Graphique 2 : répartition par ancienneté

1%
2%
moins10 ans
17%
35% 10-15 ans
16-20 ans
21-25 ans
25% 26-30 ans
30 et plus
20%

En ce qui concerne les diplômes professionnels, 46 enseignants sont titulaires du Certificat

d’aptitude pédagogique (CAP) et 02 ne sont titulaires que du Certificat élémentaire d’aptitude
pédagogique. Les autres ne sont titulaires d’aucun diplôme professionnel même s’ils sont
presque tous titulaires au moins du baccalauréat. Les données recueillies auprès de nos
répondants montrent que les enseignants de la deuxième étape du primaire de l’IEF de
Sangalcam sont de manière générale des enseignants expérimentés ayant un bon niveau
académique et professionnel.

Graphique 3 : répartition par diplômes professionnels obtenus

32%
CAP
CEAP
Aucun
3% 65%

44
Les données recueillies qui serviront à l’atteinte de nos objectifs seront réparties en deux
sections principales : une section concernant la compréhension du sens des concepts et une
autre portant sur les critères d’identification des deux concepts.

a. La compréhension du sens des concepts par les enseignants :

Sens d’une donnée numérique :
De manière générale, presque la totalité de nos répondants ont donné une définition satisfaisante
d’une donnée numérique. Ce qui laisse présager qu’ils savent que la donnée numérique renvoie
au nombre et, donc, qu’ils en maîtrisent le concept. Toutefois, les réponses données montrent
que beaucoup parmi les enseignants de la deuxième étape ne savent discerner la notion de
nombre de celle de chiffre. Beaucoup ont défini la donnée numérique comme « une donnée
chiffrée » et il faut dire que, dans les définitions, le mot « chiffre » revient beaucoup. Nous
avions quelque peu anticipé sur ces aspects en posant des sortes de questions-filtres qui nous
ont permis de vérifier la maîtrise du concept de donnée numérique par les enseignants de la
deuxième étape. C’est ainsi que nous avons orienté les questions qui ont suivi vers la différence
entre chiffre et nombre et sur l’écriture du nombre.

L’exploitation des données montre que près de la moitié des répondants ont donné des réponses
acceptables de la notion de nombre ; néanmoins, parmi les enseignants qui ont donné des
réponses acceptables, une part importante n’a pas su donner la différence entre le nombre et le
chiffre. Les réponses qui ont été données à la question concernant la différence entre nombre et
chiffre prouvent l’incompréhension de la notion de nombre même pour une partie importante
de ceux qui ont assez bien défini le concept de nombre. Pour certains comme le répondant E12,
« le chiffre est un symbole unique alors que le nombre est une composition de chiffres » ;
l’enseignant E5 affirme que « le chiffre est constitué d’unités (0, 1, 2, 3, 4, 5, 6, 7, 8, 9), le
nombre de dizaines, centaines, milliers » ; enfin pour le répondant E30, « un nombre c’est
plusieurs classes d’unités, un chiffre est composé d’unité ». Ces trois exemples montrent que
ces répondants ne comprennent les notions de nombre et de chiffre qu’à travers l’aspect
groupement par rapport au système de numération mais pas à travers leur sens en tant que
concepts ; Ce qui prouve que pour la plupart d’entre eux le concept de nombre reste flou.

D’ailleurs les répondants dans leur ensemble admettent que le nombre ne s’écrit pas que sous
une forme chiffrée, mais à la question de savoir sous quelles autres formes il peut s’écrire,
certains (un peu moins de la moitié) fournissent une réponse non satisfaisante ; certains parmi
ces derniers parlent d’ « écritures additives » ou « soustractives ».

45
Cette ignorance de l’écriture en lettres du nombre et de son aspect ordinal apparaît dans les
questions suivantes car parmi une liste de nombres à entourer, la quasi-totalité des répondants
a omis d’encadrer les nombres écrits en lettres et ignore les ensembles dans lesquels sont rangés
les nombres. Le peu d’enseignants ayant répondu par l’affirmatif à la question « connaissez-
vous les ensembles dans lesquels sont rangés les nombres ? » ne sont pas parvenus, pour la
plupart, à énumérer les cinq principaux ensembles de nombres de manière exhaustive.

Ainsi, même si la majeure partie de nos répondants sait-elle donner une définition d’une donnée
numérique, elle n’en ignore pas moins la notion de nombre dans ses différents aspects. Les
enseignants de la deuxième étape en général ne considèrent comme nombres que les entiers
naturels et peut-être les entiers relatifs positifs dans leur écriture chiffrée et dans leur aspect
cardinal. Dès que le nombre est écrit en lettres ou se présente sous son aspect ordinal, il cesse
d’être un nombre à leurs yeux ; certains parmi eux considèrent les fractions comme des
nombres, mais seulement lorsqu’elles sont écrites en chiffres. Ces mauvaises représentations
proviennent sûrement de la confusion qu’ils font entre nombre et chiffre. C’est la raison pour
laquelle, de l’incompréhension par les répondants de la notion de nombre, nous déduisons que
la majorité des enseignants ne maîtrise pas le sens du concept de donnée numérique nonobstant
les définitions correctes qu’ils ont pu, parfois, donner.

Graphique 4 : répartition des répondants par rapport à la compréhension du sens de la donnée numérique

40
35
30
25
20
15
10
5 Série1
0
Enseignants Enseignants n'ayant Enseignants ne
maîtrisant le sens de pas une maîtrise maîtrisant pas du
la donnée numérique suffisante du sens de tout le sens de la
la donnée numérique donnée numérique

46
Sens d’une donnée non-numérique :
Les données recueillies en ce qui concerne la compréhension du sens d’une donnée non-
numérique font état d’une quasi-totalité de réponses inexactes de la part des répondants. Les
enseignants donnent des définitions basiques, mais non pertinentes du concept de donnée non-
numérique. En effet, la plupart savent que c’est une donnée qui n’est pas exprimée en nombre
et pourtant cela ne les empêche pas dans la question n° 6 de relever « un » et « deux » comme
données non-numériques. Les effets de la maîtrise insuffisante de la notion de nombre se font
ressentir dans leur compréhension de la donnée non-numérique. Cette confusion apparaît dans
les réponses concernant le sens de la donnée non-numérique où nous avons constaté la
récurrence des propos suivants : une donnée non numérique est une donnée qui n’est pas
exprimée en chiffres. C’est la raison pour laquelle la grande majorité des répondants a pris des
nombres écrits en lettres pour des données non numériques alors qu’elle avait en amont défini
la donnée non numérique comme n’étant pas un nombre ou pour les autres comme un chiffre.
De plus, à la question de savoir si tous les éléments non-numériques d’un énoncé devaient être
considérés comme des données non-numériques, la moitié des répondants ont répondu « non »
sans parvenir à justifier leurs réponses. De la même manière, l’autre moitié ayant répondu par
« oui » n’a pu justifier ou a donné des justifications sans rapport avec la question posée ; très
peu ont mentionné l’importance de la donnée non-numérique dans le raisonnement. Aucun
répondant n’a souligné le lien entre le sens de la donnée non-numérique et la conversion en
symbole d’opération. Ainsi, comprenons-nous, à travers ces informations, que la plupart des
répondants ont une maîtrise insuffisante du sens de la donnée non-numérique.

Et pourtant, presque tous les répondants ont affirmé avoir rencontré dans le guide ou dans un
manuel une explication sur le sens des deux concepts. A notre connaissance, le Guide du
Curriculum de l’éducation de base ne donne aucune indication sur le sens d’une donnée
numérique ou non-numérique, en revanche le manuel de mathématiques Didaktikos du CE1 en
parle mais sans donner une définition de leurs sens. L’énoncé suivant y est proposé : Un éleveur
possède dans son enclos 60 chèvres, 15 brebis, 20 béliers et des chiens. Trouve le nombre
d’animaux dans l’enclos. Chèvres, brebis, béliers et chiens sont considérés comme des données
non-numériques sans explication sur le sens du concept. En dépit de l’impossibilité de poser
une addition avec des grandeurs qui ne sont pas de mêmes natures à savoir, chèvres, brebis,
béliers et chiens, les rédacteurs du manuel ont séparé les grandeurs des nombres qui les
expriment ; or la donnée numérique renvoie à un nombre même s’il est accompagné de la
grandeur qu’il exprime. S’il s’était agi d’un nombre portant sur la monnaie (2000f), nous ne
pensons pas que cette séparation aurait été faite entre 2000 et francs. Dans les calculs, les
47
grandeurs sont manipulées en même temps que les nombres qui les expriment et font partie
intégrante de la donnée numérique. En outre, la définition que nous avons proposée pour la
donnée non-numérique n’inclut pas les grandeurs exprimées par un nombre dans cette
catégorie.

Graphique 5 : répartition des répondants par rapport à la compréhension du sens de la donnée non-numérique

50

40

30

20

10
Série1
0
Bonne maîtrise du Maîtrise insuffisante Pas de maîtrise du
sens de la donnée du sens de la donnée sens de la donnée
non-numérique non-numérique non-numérique

b. Critères d’identification des concepts :

De la donnée numérique :
Les informations recueillies à propos des critères d’identification de la donnée numérique
montrent que plus de la moitié des répondants donnent au moins un bon critère d’identification
de la donnée numérique à savoir que la donnée doit être un nombre. Mais pour la plupart d’entre
eux, les nombres ne sont écrits qu’en chiffres. D’ailleurs, la confusion entre le nombre et le
chiffre réapparaît ici dans la mesure où ceux qui n’ont pas donné le nombre comme critère
d’identification, ont parlé de donnée exprimée en chiffres. Aucun parmi les répondants n’a
donné plus de deux critères d’identification de la donnée numérique. Au vu des résultats issus
de nos questionnaires, il est clair que la plupart de nos répondants n’arrivent pas à déterminer
des critères d’identification d’une donnée numérique.

48
Graphique 6 : répartition selon la capacité à déterminer les critères d’identification d’une donnée numérique

Proposition de trois critères pertinents Proposition de deux critères pertinents

Proposition d'un critère pertinent Proposition de zéro critère pertinent

De la donnée non-numérique :
L’exploitation des informations issues de la question portant sur l’identification des données
non-numériques révèle que la majorité des répondants n’ont donné qu’un seul critère pertinent
à savoir que la donnée non-numérique n’était pas un nombre (certains parlent encore de chiffre)
quelques-uns y ont ajouté comme critère que la donnée non-numérique servait à la résolution
du problème montrant une confusion entre donnée utile et donnée non-numérique. Certes la
donnée est utile au raisonnement, néanmoins elle peut être utile ou inutile c’est-à-dire servant
à la résolution du problème ou pas. Une infime partie des répondants a mentionné comme critère
l’utilité de la donnée non-numérique pour le raisonnement, une autre partie encore plus infime
a souligné le lien avec une donnée numérique et moins de trois répondants ont mentionné la
conversion en symbole d’opération. Ces résultats recueillis sont cohérents par rapport aux
données recueillies sur le sens de la donnée non-numérique car la difficulté dans la
compréhension du concept se traduit pour les enseignants par une incapacité à en donner des
critères d’identification. Il est clair, donc, que nos répondants, dans leur écrasante majorité, ne
peuvent donner qu’un seul critère d’identification pertinent d’une donnée non-numérique, c’est-
à-dire celui qui précise qu’il ne s’agit pas d’un nombre ; encore que chez beaucoup parmi eux
persiste la confusion entre chiffre et nombre. A titre d’exemple le répondant E 65 donne comme
critère d’identification d’une donnée numérique le fait qu’elle ne soit pas « une donnée chiffrée
et qu’elle serve à la résolution ». Malgré les difficultés éprouvées par les répondants dans la
maîtrise des concepts de données numériques et de données non-numériques, les enseignants
qui ont répondu à nos questionnaires reconnaissent presque tous l’importance de
l’enseignement de ces deux concepts pour la résolution de problèmes. Toutefois la réponse de

49
l’enseignant E 32 mérite d’être soulignée : « je ne trouve pas l’importance d’enseigner les
données numériques et les données non-numériques puisque jusqu’à nos jours on ne trouve pas
de réponses exactes ».

Graphique 7 : répartition selon la capacité à déterminer les critères d’identification d’une donnée non-numérique

Proposition de trois critères pertinents Proposition de deux critères pertinents

Proposition d'un critère pertinent Proposition de zéro critère pertinent

2. Synthèse des résultats :

En définitive, les résultats que nous avons obtenus après l’exploitation de nos questionnaires
nous ont permis d’atteindre les objectifs que nous nous étions fixés à savoir analyser les
représentations des enseignants du primaire sur les données numériques et les données non
numériques, comme objectif général ; analyser le sens donné par les enseignants du primaire
aux données numériques et aux données non numériques comme objectif spécifique n°1 et enfin
analyser les critères d’identification des données numériques et des données non numériques
enseignés par les enseignants du primaire à leurs élèves comme objectif spécifique n°2. Ainsi,
les données que nous avons recueillies nous ont permis de nous rendre compte que les
enseignants de la deuxième étape, pour la plupart, ne maîtrisent pas de manière satisfaisante les
concepts de données numériques et de données non-numériques. Certains parmi eux
appréhendent quelque peu les sens des notions mais pas de manière exacte et parviennent à
donner un critère pertinent parmi l’ensemble de leurs critères d’identification. Cependant, il
demeure factuel que la majorité de nos répondants ne peuvent ni donner les sens des concepts
de manière appropriée, ni déterminer des critères pertinents et exhaustifs qui permettraient de
les identifier en dépit du fait que ces notions figurent parmi les contenus qu’ils doivent

50
enseigner. C’est pour éviter un tel paradoxe que nous allons formuler un certain nombre de
recommandations pertinentes à même de remédier à cette situation.

Graphique 8 : Synthèse de la répartition entre enseignants maîtrisant ou pas les données numériques et les données non
numériques

60

50

40

30

20

10

0
Enseignants Enseignants enseignants Enseignants
ayant une bonne n'ayant pas une ayant une bonne n'ayant pas une
compréhension bonne compréhension bonne
de la DN compréhension de la DNN compréhension
de la D.N de la DNN

DN : donnée numérique

DNN : donnée non numérique

51
CHAPITRE V :

52
V Recommandations :
Les recommandations que nous proposons pour aider les enseignants dans la maîtrise des
concepts mathématiques notamment ceux de données numériques et de données non-
numériques peuvent se situer au niveau institutionnel et au niveau didactique.

1. Au niveau institutionnel :
Les recommandations d’ordre institutionnel visent l’amélioration d’insuffisances qui relèvent
des prérogatives de l’autorité, c’est-à-dire de l’Etat. A ce titre, les premières recommandations
que nous formulons à ce niveau concernent le recrutement des enseignants. En effet, le mode
de sélection du concours de recrutement des élèves-maîtres (CREM) favorise l’admission
d’enseignants aux profils littéraires comme le montre Diarra cité par Chesné, Darrozes-Tavares,
Fanjat et Misat (2024). L’épreuve de présélection dudit concours est une épreuve de dictée qui
peut constituer un filtre retenant beaucoup de candidats aux profils scientifiques. Or, les
multiples problèmes que connaissent l’enseignement des mathématiques à l’élémentaire
semblent requérir une plus grande proportion de maîtres ayant un profil plus scientifique. Pour
une plus grande représentativité des scientifiques au niveau du primaire, nous préconisons une
présélection constituée de deux épreuves : une épreuve de dictée et une autre de test
psychotechnique avec une possibilité de choisir une seule épreuve pour le candidat. Le test
psychotechnique pourrait aussi être remplacé par une épreuve portant sur des exercices
mathématiques du niveau de la terminale S. Cette possibilité de libre choix pour l’épreuve de
présélection pourra corriger l’inégalité des chances dont souffrent les candidats aux profils
scientifiques face à l’épreuve de dictée. Ainsi, pensons-nous que la proportion d’enseignants
aux profils scientifiques sera plus importante au niveau du primaire. Le recrutement d’un plus
grand nombre d’enseignants dits scientifiques ne suffit, certes pas, à régler le problème de la
maîtrise des contenus mathématiques par les enseignants du primaire ; il faut aussi agir sur la
formation initiale des élèves-maîtres et sur la formation continuée des enseignants qui sont déjà
en service.

Le référentiel de formation des Centres régionaux de formation des personnels de l’éducation

(CRFPE) devrait être harmonisé tout en prenant en compte le relèvement de niveau en
mathématique des élèves-maîtres, c’est-à-dire un enseignement des mathématiques qui
n’occultera pas les contenus enseignés en mathématiques au niveau du primaire. Cet
enseignement des contenus sera dispensé concomitamment avec la didactique qui, il faut le
préciser, est prise en charge dans la formation initiale des élèves-maîtres. Cette mesure
participera à la capacitation en mathématiques des futurs enseignants avant leurs déploiements

53
sur le terrain. Une bonne maîtrise des concepts mathématiques par les enseignants nécessite
pour ces derniers une connaissance plus large que les concepts qu’ils doivent enseigner, un
horizon mathématique plus large ou knowledge of mathematical horizon tel que préconisé par
le modèle de Déborah Ball. Un relèvement de niveau en mathématique dans les CRFPE pourrait
permettre aux formés d’atteindre cet horizon mathématique. A côté de la formation initiale, une
formation continuée des enseignants en service devrait être instituée. Ces derniers ont pour la
plupart un profil littéraire et éprouvent donc de nombreuses difficultés dans la compréhension
des concepts mathématiques. La formation continuée en mathématique, rappelons-le, n’est pas
inexistante, néanmoins elle n’est que très peu axée sur la maîtrise des contenus et sur un
relèvement de niveau des enseignants du primaire. Des programmes comme le PREMST ou le
PAAME sont ou ont été déroulés sur le terrain pour renforcer les capacités des enseignants ;
toutefois, ils doivent être généralisés au niveau de toutes les circonscriptions et faire l’objet
d’une révision notamment en ce qui concerne leurs contenus de formation. Un recrutement
favorisant l’accès des candidats aux profils scientifiques à l’enseignement du primaire suivi
d’une bonne formation initiale des élèves-maîtres au niveau des CRFPE peuvent, s’ils sont
cumulés à une formation continuée des enseignants craie en main, contribuer à aider les
enseignants dans la maîtrise des concepts mathématiques à enseigner, mais aussi à régler les
problèmes rencontrés de manière générale en mathématique. Cependant, la formation n’est pas
le seul levier sur lequel on peut s’appuyer pour pallier les insuffisances en enseignement
apprentissage des mathématiques.

2. Au plan didactique :
Nos recommandations dans ce domaine visent essentiellement les outils didactiques, en
l’occurrence les manuels scolaires de mathématique. Les manuels scolaires, particulièrement
les manuels du maître, sont des intrants de qualité qui participent à une meilleure médiation des
contenus à enseigner. C’est la raison pour laquelle les manuels de mathématique doivent
faciliter la compréhension des contenus enseignables tant pour les enseignants que pour les
apprenants. Dans cette optique, nous appelons à la production de meilleurs manuels de
mathématiques pour le primaire. Des manuels qui prendront en compte l’ensemble des
préoccupations des élèves et des enseignants dans le domaine des mathématiques. Pour ce faire,
la production des manuels de mathématiques doit être confiée à des spécialistes en
mathématiques même si les enseignants craie en main doivent être associés au processus de
leurs rédactions. Malheureusement la réalité est opposée à l’idéal que nous appelons de nos
vœux car les manuels officiels de mathématiques utilisés par la plupart des enseignants du

54
primaire n’ont pour auteurs que ces derniers travaillant sous la supervision d’un seul inspecteur
d’où les nombreuses insuffisances notées dans les contenus de ces manuels. Le programme de
mathématique décliné en contenus dans le Guide du CEB ne peut être explicité et rendu digeste
que dans les manuels scolaires d’où le caractère indispensable de ces manuels dans la poursuite
de la qualité dans les enseignements apprentissages en mathématiques.

Participer à l’amélioration des enseignements apprentissages en mathématiques requiert en

premier lieu l’amélioration du niveau des enseignants du primaire pour qui la maîtrise des
concepts doit être un préalable à l’acte d’enseigner même. Cette maitrise des concepts
mathématiques ne pourra être effective qu’avec la confection de bons manuels de
mathématiques produits par des spécialistes, une formation initiale et continuée adéquate, mais
aussi et surtout un recrutement favorisant plus de profils scientifiques, en amont.

Conclusion :
Malgré l’enjeu majeur représenté par l’enseignement des sciences de manière générale et celui
des mathématiques particulièrement, de nombreuses difficultés ne s’en font pas moins ressentir
dans la mise en œuvre des enseignements apprentissages. Ces difficultés peuvent être de
différents ordres, cependant ce sont celles inhérentes à la maîtrise des connaissances
mathématiques figurant dans les programmes d’enseignement par les enseignants du primaire
qui nous ont retenus dans le cadre de cette étude. Nous nous sommes donc questionnés sur les
représentations des enseignants du primaire sur les concepts de données numériques et de
données non-numériques en résolution de problèmes mathématiques. Pour comprendre ces
représentations nous sommes partis de la question générale de recherche suivante : Comment
les enseignants du primaire comprennent-ils les notions de données numériques et de données
non numériques ? Afin de répondre à cette question, nous nous sommes lancés dans une
recherche descriptive et qualitative en choisissant les enseignants de l’IEF de Sangalcam
comme population de cette recherche. Notre échantillon concernait les enseignants de la
deuxième étape du primaire chargés d’enseigner les données numériques et les données non-
numériques en résolution de problèmes mathématiques. En mettant en œuvre cette étude
descriptive, nous avons rencontré un certain nombre de difficultés. D’abord, eu égard à la nature
de notre objet d’étude, à savoir les concepts de données numériques et de données non-
numériques, nous avons été confrontés à un problème de documentation car nous n’avons
presque pas rencontré d’auteurs traitant de manière explicite les deux concepts que nous
étudions. Le fait que le domaine des mathématiques demeure, il faut le reconnaître, un domaine
dans lequel les auteurs sont très prolifiques, contraste avec la rareté d’écrits portant sur les

55
concepts de données numériques et non-numériques en résolution de problèmes. L’autre
difficulté principale à laquelle nous avons été confrontés relève du domaine empirique, c’est-
à-dire le recueil des données. En effet, les délais courts qui nous avaient été donnés entre nos
cours à la FASTEF et l’arrêt imminent des enseignements apprentissages dans les écoles
primaires, ont rendu l’administration de nos questionnaires presque impossible. En outre, la
restitution de ces mêmes questionnaires a quelque peu posé problème dans la mesure où nous
avons obtenu un taux de restitution de 50%. En effet, la plupart des enseignants perçoivent les
questionnaires comme un exercice à l’issue duquel ils seront évalués malgré les assurances que
nous leur avons données. Toutefois, malgré ces quelques obstacles, nous avons pu recueillir des
données importantes dans l’atteinte de nos objectifs qui se déclinaient comme suit :

O.G : analyser les représentations des enseignants du primaire sur les données numériques et
les données non numériques.

O.S1 : analyser le sens donné par les enseignants du primaire aux données numériques et aux
données non numériques.

O.S2 : analyser les critères d’identification des données numériques et des données non
numériques enseignés par les enseignants du primaire à leurs élèves.

L’analyse des représentations des enseignants du primaire sur les concepts de données
numériques et de données non-numériques a montré que la majorité de ces enseignants ne
maîtrise que d’une manière insuffisante le sens que peut revêtir le concept de donnée numérique
et ne peut en donner, de manière satisfaisante, des critères d’identification. Le niveau de
maîtrise du concept de donnée non-numérique par les enseignants du primaire est encore plus
alarmant puisque, pour ce concept, c’est la quasi-totalité des enseignants ayant répondu à notre
questionnaire qui ne peut pas en donner le sens, encore moins en donner des critères
d’identification. Nous pensons qu’en dépit du cadre d’étude restreint que nous avons choisi et
de notre échantillon relativement peu important, les résultats de notre étude pourrait être
généralisés à tous les enseignants du primaire de l’Inspection d’Académie (IA) de Rufisque et
pourquoi pas à tous les enseignants du Sénégal. Les enseignants de l’IEF de Sangalcam sont
pour la plupart des enseignants expérimentés, comme l’ont montré les données de nos
questionnaires, qui proviennent de circonscriptions diverses de l’intérieur du pays et pourraient
être représentatifs par rapport aux autres enseignants. Il s’y ajoute que, quelle que soit la
circonscription d’où ils viennent, les réponses qu’ils ont fournies traduisent quelque part
l’existence de ces difficultés dans ces circonscriptions. Ainsi, proposons-nous des

56
recommandations dont l’application pourrait être utile à tous les enseignants quels que soient
les lieux de leurs services. Ces recommandations concernent un recrutement inclusif qui
n’exclut pas les candidats aux profils scientifiques, une formation initiale et continuée, pas
seulement en didactique, mais aussi académique en mathématiques et enfin une mise en
circulation de manuels mathématiques produits par des spécialistes des mathématiques, en
collaboration avec les enseignants du primaire.

57
Bibliographie
Adihou, A. (2011). Enseignement-apprentissage des mathématiques et souffrance à l'école.
Les Collectifs du Cirp Volume 2, pp. 90-102.
Adihou, A., & Arsenault, C. (2012). Dispositif de formation mathématique pour les
enseignants du primaire : choix, caractéristiques, résultats et impacts. Formation
Proulx J, Corriveau C, Squalli H. (Eds.) mathématique des enseignants de
mathématiques : pratiques, orientations et recherches (pp. 225-253). Québec: Les
Presses de l'Université du Québec.
Adihou, A., Arsenault, C., & Marchand, P. (2006). Réflexion sur un dispositif de formation
pour ledéveloppement de compétences en mathématiques chez les futurs maîtres.
Bednarz N.,Mary C. (Eds.) Actes du 3e colloque international Espace mathématique
francophone,« L’enseignement des mathématiques face aux défis de l’école et des
communautés ». Sherbrooke: Éditions du CRP.
Arsenault, C., & Voyer, D. (2003). Une démarche d’auto-évaluation au service de
l’actualisationdes savoirs mathématiques dans le cadre de la formation à
l’enseignement. Association francophone internationale de recherche scientifique en
éducation (AFIRSE) et Ministère de l'Éducation Nationale (Eds.) Former les
enseignants et les éducateurs –une priorité pour l'enseignement supérieur. Actes du
Colloque de l’AFIRSE organisé par la Commission nationale française pour
l’UNESCO.
Baba-Moussa, A. R., Hounkpodoté, H., Diallo, L. L., & Kaba, G.-R. (2023, Septembre). Une
analyse des résultats en mathématiques des pays francophones d’Afrique
subsaharienne dans l’évaluation Pasec 2019. Revue internationale d'éducation de
Sèvres, pp. 111-119.
Bachelard, G. (1934). Le nouvel esprit scientifique. Paris: Presses universitaires de France.
Ball, D. L., & Bass, H. (2009). With an eye on mathematical horizon. 43rd Jahrestagung für
Didaktik der Mathematik . Oldenburg,Germany.
Barton, B., Kazemi, E., Franke, M., Lampert, M., & Afamasaga-Fuata'i, K. (2009, Janvier).
Being Mathematical, Holding Mathematics: Further Steps in Mathematical
Knowledge for Teaching. Researchgate.
Bell, M. S. (1979). Dispenser un enseignement utilitaire des mathématiques. Perspectives
Revue trimestrielle de l'éducation, p. 327.
Boiteault, O., & percheminier, C. (2022). Aider les élèves dans la résolution de problèmes :
développer des compétences pour schématiser. Mémoire Education .
Boule, F. (1985). La construction des nombres. Paris: Armand Collin.
Brissiaud, R. (2014). UNE RESSOURCE À RESTAURER : un usage commun des mots
grandeur, quantité, nombre, cardinal, ordinal et dénombrement. XXXXI COLLOQUE
COPIRELEM (pp. 1-23). Mont-de-Marsan: COPIRELEM.
Brousseau, G. (1980). Problèmes de l'enseignement des décimaux. Recherches en didactique
des mathématiques, pp. 11-59.

58
Camensisch, A., & Petit, S. (2008, Juin 3). Lire et écrire des énoncés de problème.
Association des professeurs de mathématiques de l'enseignement public.
Chesné, J.-F., Darrozes-Tavares, C., Fanjat, J., & Misat, J. (2023). l’enseignement et
l’apprentissage des mathématiques au primaire. Dossier de Synthèse. Dakar:
Confemen, Cnesco-Cnam.
Clements, M. (1986). Les causes des difficultés conceptuelles en mathématiques. Etudes sur
l'enseignement des mathématiques/Unesco, pp. 113-135.
Cnesco. (2015, Novembre). Nombres et opérations:Premiers apprentissages à l'école primaire
. Dossier de synthèse.
Couturat, L. (1900, Janvier). Sur une définition logique du nombre. Revue de Métaphysique et
de Morale, pp. 22-36.
Dey, I. (1993). Qualitative Data Analysis. London: Routledge.
DIAS, T. (2018). DIFFICULTÉS D’APPRENTISSAGE EN MATHÉMATIQUES : UN
REGARD DIDACTIQUE. Actes du séminaire de didactique des mathématiques de
l'ARDM.
Dumez, H. (2011, Hiver). Qu'est-ce-que la recherche qualitative? HAL Open science, pp. 47-
58.
Duval, R. (2013). Les problèmes dans l’acquisition des connaissances mathématiques:
apprendre comment les poser pour devenir capable de les résoudre. Revemat, 1-45.
Duval, R. (2018, février). La conversion des représentations : un des deux processus
fondamentaux de la pensée. Le Séminaire Collecttion Sciences de l'éducation, pp. 9-
45.
Eshiwani, G. S. (1979). Les buts de l'enseignement des mathématiques en Afrique: nécessité
d'un réexamen. Perspectives Revue trimestrielle, p. 367.
Experts UA. (2015). L'Afrique que nous voulons. Agenda 2063. Addis-Abeba: Commission
de l'Union africaine.
Fagnant, A., & Demonty, I. (2004, Octobre). Résoudre des problèmes:pas de
problèmes!Présentation d’un outil méthodologique à l’usage des enseignants de
cinquième et sixième année de l'enseignement primaire. Bulletin d'informations
pédagogiques-N°56.
Faye, B. (2011). Analyse des conceptions des enseignants de l'élémentaire, en reprise
d'études, sur leurs propres apprentissages. Thèse de doctorat. Dakar:
FASTEF/Université Cheikh Anta Diop.
fonacier, J. c. (1986). Le rôle des enseignants dans la composante mathématique du
programme scolaire: conséquences pour la formation des maîtres. Etudes sur
l'enseignement des mathématiques/Unesco, pp. 13-21.
Frécon, G. (2012). Chapitre 1. Savoir définir et quantifier un concept. G. Frécon, Formuler
une problématique: Dissertation, Mémoire, Thèse, Rapport de stage , pp. 5-10.

59
Freiman, V., & savard, A. (2014, Automne). Résolution de problèmes en mathématiques.
Education et Francophonie, pp. 1-5.
Freudenthal, H. (1979). Mathématiques nouvelles ou éducation nouvelle? Perspectives Revue
trimestrielle de l'éducation, p. 339.
Goulet, M. p., & Voyer, D. (2014, Automne). La résolution de problèmes écrits
d'arithmétique: le rôle déterminant des inférences. Education et francophonie, pp. 101-
113.
Greeno, J. G. (1978). Natures of problem solving abilities. Handbook of learning and
cognitive processes Vol. 5, pp. 239-270.
Groupe d'experts. (2001). L'enseignement des sciences, des technologies et des
mathématiques au service du développement humain. La Conférence Internationale
d’Experts sur l'enseignement des sciences, des technologies et des mathématiques au
service du développement humain. Goa: UNESCO CASTME.
Groupe d'experts UNESCO. (2011). Les défis de l'enseignement des mathématiques dans
l'éducation de base. PARIS: Par l’Organisation des Nations Unies pour l’éducation, la
science et la culture 7, place de Fontenoy, 75352 Paris 07 SP, France.
Groupes d'experts. (2011). Les défis de l'enseignement des mathématiques dans l'éducation de
base. Paris: UNESCO, 7 Place de Fontenay,75352 Paris 07 SP, France.
Houdement, C. (2017). Résolution de problèmes arithmétiques à l’école. Grand N, Revue de
mathématique, de sciences et technologie pour les maîtres de l'enseignement primaire,
pp. 59-78.
Julo, J. (1995). Représentation des problèmes et réussite en mathématiques. Un apport de la
psychologie cognitive à l'enseignement. Rennes: Presses Universitaires de Rennes.
Julo, J. (2001). Aider à résoudre des problèmes. Pourquoi ? Comment ? Quand ? Actes du
27ème colloque des formateurs d'enseignants du premier degré en mathématiques (pp.
9-28). Grenoble: COPIRELEM Chamonix 2000. IREM de Grenoble.
Julo, J. (2002). Des apprentissages spécifiques pour la résolution de problèmes ? Grand N, pp.
31-52.
King, P. (2005). Le rôle des concepts selon Ockham. Philosophiques, pp. 435-447.
Kronecker, L. (2001). SUR LE CONCEPT DE NOMBRE EN MATHEMATIQUE. Revue
d'histoire des mathématiques, pp. 207-.
Laurence Kohn, W. C. (2014). Les méthodes de recherches qualitatives dans la recherche en
soins de santé : apports et croyances. Reflets et Perspectives de la vie économique, pp.
67-82.
Leroy, E., & G, V. (1896, Novembre). Sur l'idée de nombre. Revue de métaphysique et de
morale, pp. 738-755.
Lucas, E. (1891). Théorie des nombres. Paris: Gauthier-Villars et fils, Imprimeurs et
Libraires.

60
Maheux, J.-F., & Proulx, J. (2014, Automne). De résoudre un problème à problématiser
mathématiquement Vers une nouvelle approche de l'activité mathématique de l'élève.
Education et Francophonie volume XLII, pp. 24-38.
Maren, J.-M. V. (1996). Méthodes de recherche pour l'éducation. Montréal: presses de
l'université de Montréal De boeck unuversité.
Maryvonne, P. (2014, Décembre 12). Enseignement-apprentissage de la résolution de
problèmes numériques à l'école élémentaire:un cadre didactique basé sur une approche
systémique. Education et Didactique vol 8, pp. 59-86.
Mayer, R. E. (1977). Thinking and problem solving: An introduction to human cognition and
learning. Glenview, IL: Scoot, Foresman.
Mays, N., & Pope, C. (1995). Qualitative research: Rigour and qualitative research. BMJ, pp.
109-112.
Morin, M.-P. (2008). Les connaissances mathématiques et didactiques chez les futurs
maîtresdu primaire : quatre études de cas. Canadian Journal of Education 31(3), pp.
537-566.
Morin, M.-P., & Theis, L. (2006). Mesures d’aide en mathématiques pour soutenir les
étudiantes et étudiants de la formation initiale qui présentent des difficultés. Bednarz
N., Mary C. (Eds.) Actes du 3e colloque international Espace mathématique
francophone « L’enseignement des mathématiques face aux défis de l’école et des
communautés ». Sherbrooke: Éditions du CRP.
Morin, M.-P., Theis, L., & Rosa-Francoeur, J. (2012). Intégrer les connaissances
mathématiques et didactiques: le cas de la formation en enseignement au prescolaire et
au primaire de l'Université de Sherbrooke. Dorier J.-L.,Coutat S (Eds) Actes du
colloque EMF2012, pp. 195-205.
Nieuwenhoven, C. V. (2014). La résolution de problèmes, une difficulté tant pour l'élève que
pour l'enseignant: mieux comprendre pour mieux intervenir. Les Cahiers de Sciences
de l'Education, pp. 215-226.
Osborne, A., & Schultz, J. (1986). Tendances actuelles de la formation continue des
enseignants du primaire en mathématiques. Etudes sur l'enseignement des
mathématiques/Unesco, pp. 203-219.
PELTIER-BARBIER, M.-L. (2002, janvier). PROBLEMES ARITHMETIQUES:
Articulation sens et procédures de résolution. Equipe de recherche DIDIREM.
Piaget, J. (1948). Où va l'éducation? Paris: UNESCO, Librairie du Recueil Sirey.
Pickreign, J. (2007). Rectangles and rhombi: how well do pre-service teachers know them?
Issues in the Undergraduate Mathematics Preparation of School Teachers/The
Journal 1, pp. 1-7.
Pineault, M. (2020, Juillet 12). Le rétablissement des adolescents vivant avec un trouble de
santé mentale : Une analyse de concept selon la méthode de Walker et Avant. mémoire
en éducation. Sherbrooke.

61
Poincaré, H. (1906). Les Mathématiques et la Logique. Paris: Presses Universitaires de
France.
Poissant, H., Poëllhuber, B., & Falardeau, M. (1994). Résolution de problèmes, autorégulation
et apprentissage. Canadian Society for the Study of Education, 30-44.
Polya, G. (2015). How to solve it:A new aspect of mathematical method. Princeton: Princeton
university press.
Priolet, M. (2008, Mai 6). Enseignement et apprentissage de la résolution de problèmes
mathématiquesLe cas des problèmes numériques au cycle 3 de l’école primaire
française Approches didactiques et ergonomiques. Thèse de doctorat.
Reboul, O. (1979). L'éducateur et les slogans. Perspectives Revue trimestrielle de
l'éduccation, p. 314.
Reitman, W. R. (1935). Cognition and thought: An information processing approach. New-
York: Wiley.
Roche, C. (2022, Décembre 30). La définition des termes: une approche conceptuelle. HAL
Open Science.
Roditi, E. (2011, Décembre 29). Recherches sur les pratiques enseignantes en mathématiques:
apports d'une intégration de diverses approches et perspectives. Hal Open science.
Schneider, D. K. (2007). Petite introduction aux méthodes qualitatives. Génève: Unige.
Semadeni, Z. (1979). Les médias dans la formation des instituteurs polonais pour
l'enseignement des mathématiques. Perspectives Revue trimestrielle, p. 356.
Shuard, H. (1986). Tendances actuelles des mathématiques dans le primaire: conséquences
pour la formation des maîtres. Etudes sur l'enseignement des mathématiques/Unesco,
pp. 23-52.
Theis, L. (2016). QUELLE ARTICULATION ENTRE PRATIQUE ENSEIGNANT ET
FORMATION ? UN REGARD EXTERIEUR A PARTIR DU QUEBEC. XXXXIII
Colloque COPIRELEM.
Vergnaud, G. (1989). La formation des concepts scientifiques. Relire Vygotski et débattre
avec lui aujourd'hui. Enfance tome 42, pp. 111-118.
Vergnaud, G. (1990). La théorie des champs conceptuels. Recherches en Didactique des
Mathématiques, pp. 133-170.
Walker, L., & Avant, K. (1995). Strategies for theory construction in nursing. Michigan:
Appleton & Lange Norwalk.
walter, G. (1986). L'activité mathématique dans un contexte pédagogique: principes directeurs
pour la formation en mathématiques des enseignants du primaire. Etudes sur
l'enseignement des mathématiques/Unesco, pp. 71-92.

62
Annexes :

Questionnaire :
Note introductive :

Cher monsieur, chère madame, le questionnaire qui vous est soumis vise à recueillir des
informations sur la compréhension que vous avez de deux concepts en résolution de problèmes
mathématiques : il s’agit des données numériques et des données non numériques.

Nous vous assurons que les données recueillies dans le cadre de cette enquête seront traitées de
manière confidentielle. Nous comptons sur votre disponibilité et vous prions de bien vouloir
répondre de manière objective et individuelle aux questions qui vous sont posées.

Nous vous exprimons toute notre gratitude et vous remercions d’avance pour votre franche
collaboration.

IDENTIFICATION :

Genre : Ancienneté dans l’éducation (en années) :

Corps et grade : Age :

Diplômes académiques : ……………………………………………………………………….

Diplômes professionnels : ……………………………………………………………………...

QUESTIONS :

1. Veuillez répondre aux questions suivantes :

a) Selon vous qu’est-ce qu’une donnée numérique ?

…………………………………………………………………………………………
…………………………………………………………………………………………
…………………………………………………………………………………………

63
 b) Quelle est pour vous la définition d’un nombre ?
……………………………………………………….......................................................
...........................................................................................................................................

c) Quelle est la différence entre un nombre et un chiffre ?

…………………………………………………………………………………………
……….…………………………………………………………………………………
………………..

d) Un nombre ne s’écrit-il que sous une forme chiffrée ?

………………….……………….....................................

Si non, sous quelles autres formes peut-il s’écrire ? …………………………………………..

…………………………………………………………………………………………………..

…………………………………………………………………………………………………..

2. Entourez les nombres dans la liste suivante :

25 ; cent ; 12,67 ; 5/2 ; quart ; cinquième ; zéro ; quinzaine

3. Connaissez-vous les ensembles dans lesquels sont rangés les nombres ?..........................

Pouvez-vous donner leurs noms : ………………………………………………………..

…………………………………………………………………………………………………
…………………………………………………………………………………

4. En situation d’enseignement-apprentissage, quels sont les critères d’identification d’une

donnée numérique que vous enseignez à vos élèves…………………………………….

…………………………………………………………………………………………………...
.......................................................................................................................................................

5. Veuillez répondre aux questions ci-dessous :

a) Qu’entendez-vous par donnée non numérique ?

...........................................................................................................................................
...........................................................................................................................................

b) Pensez-vous que tous les éléments non numériques (qui ne sont pas des nombres) d’un
énoncé doivent être considérés comme des données non numériques ? …….... justifiez

64
 votre réponse
…………………………………………………………………………………………
……….…………………………………………………………………………………
……………….…………………………………………………………………………
……………………….…………………………………………………………………

6. Relevez toutes les données non numériques dans l’énoncé suivant :

Pour aller au marché, maman prend un taxi de marque Dacia. Avec 20.000 francs dans son sac
à main, elle achète deux poulets à 2.500 francs l’un et des légumes à 7.000 francs. Le tarif du
trajet aller-retour est égal au double du prix d’un poulet.

A combien s’élève la dépense totale de maman ?

Lui reste-t-il de l’argent ? Si oui combien ?

Données non numériques : ……………………………………………………………………...

…………………………………………………………………………………………………...

…………………………………………………………………………………………………...

7. Veuillez répondre à la question suivante :

Avez-vous rencontré dans le guide de l’Education de base ou dans les manuels de

mathématiques des explications portant sur les sens d’une donnée numérique ou d’une donnée
non numérique ? ………………………………………………………………………………...

8. En situation d’enseignement-apprentissage, quels sont les critères d’identification d’une

donnée non numérique que vous enseignez à vos
élèves ?…………………………………………………………………………………
…………………………………………………………………………………………..
………………………………………………………………………………………......

9. Selon vous, à quoi sert l’apprentissage des notions de données numériques et de données
non numériques aux élèves ? ……………………………………………………………

…………………………………………………………………………………………………...

Merci de votre collaboration !

65