L’enseignement de la chimie avec les environnements éducatifs mobilisant la réalité virtuelle : analyse documentaire
Notice bibliographique
Résumé
Dans le contexte de la popularité croissante de la réalité virtuelle dans le domaine de l’éducation, il est important de comprendre comment cette technologie pourrait avoir un impact sur les apprentissages des élèves et de documenter les usages effectifs de ces technologies au regard des attentes auxquelles elles sont censées répondre. Maintes recherches ont montré que globalement, malgré le potentiel annoncé initialement par leurs concepteurs, les technologies antécédentes ont eu un effet limité sur les apprentissages disciplinaires prescrits. Cela s’explique, entre autres, par la difficulté d’intégrer efficacement l’usage didactique de ces technologies dans les pratiques d’enseignement. Au-delà des considérations motivationnelles, les conditions de la conciliation des contraintes didactiques d’un savoir donné et les caractéristiques techniques offertes par n’importe quel environnement technologique nous semblent importantes à comprendre pour garantir les apprentissages souhaités. Ce mémoire est une contribution en ce sens. Nous avons ciblé le domaine de la chimie pour lequel on retrouve une abondance d’environnements virtuels qui lui sont dédiés. Plus spécifiquement, nous avons étudié comment ces environnements conjuguent les caractéristiques de la démarche de modélisation, démarche typique en chimie, et les tâches proposées aux élèves en fonction des intentions d’apprentissage annoncées. Définir les attentes envers une technologie éducative suppose de comprendre l’enjeu qu’elle pourrait résoudre, dans notre cas, les difficultés dans l’apprentissage de la chimie. La problématique recense les difficultés des élèves face à l’apprentissage des notions de base dans les écoles secondaires du Québec et d’ailleurs, et les technologies utilisées pour soutenir les personnes enseignantes de sciences. L’analyse des difficultés d’apprentissage des élèves montre que la modélisation est nécessaire pour soutenir les élèves dans l’apprentissage des concepts de chimie, alors que les limites de l’impact des technologies non immersives sur l’apprentissage de la chimie mettent en lumière les limites rencontrées dans l’articulation de la modélisation et du fonctionnement des technologies développées. L’objectif général de ce mémoire, soit de décrire le traitement didactique associé à la modélisation en chimie lors du recours à la réalité virtuelle, découle de ce besoin de transposition des contraintes didactiques de la modélisation dans l’utilisation de la réalité virtuelle pour l’enseignement-apprentissage de la chimie. Pour aborder cet objectif d’un point de vue théorique, nous avons convoqué différents travaux en didactique de la chimie sur la relation entre la modélisation et sa transposition dans la réalité virtuelle. Cette relation est établie en articulant les caractéristiques d’une démarche de modélisation, le modèle du tétraèdre chimique, pour définir le rôle et les caractéristiques du modèle en chimie, le modèle d’apprentissage situé dans les technologies immersives et la théorie de l’apprentissage cognitif multimédia, qui définissent comment les contraintes de l’apprentissage peuvent être articulées aux contraintes technologiques. L’opérationnalisation de ce cadre conceptuel nous a permis de définir comment les tâches des élèves et les modèles scientifiques associés à la modélisation en chimie pourraient être transposés dans une démarche d’enseignement-apprentissage de la chimie lors du recours à la RV. Pour déterminer si et comment cette transposition s’est concrétisée dans les recherches sur l’enseignement-apprentissage de la chimie avec la réalité virtuelle, trois objectifs spécifiques sont ciblés : l’identification des intentions d’apprentissage associées à la RV en chimie; l’identification des modalités de mise en relation du contexte de la réalité virtuelle et des tâches d’apprentissage proposées dans l’environnement virtuel; et l’analyse comparative entre les actions générées par l’environnement virtuel que l’élève doit exécuter et les conditions didactiques requises pour des tâches de modélisation en chimie. Sur le plan méthodologique, pour répondre à ces objectifs, nous avons réalisé une analyse documentaire des recherches scientifiques empiriques publiées en français et en anglais sur l’enseignement-apprentissage de la chimie avec la réalité virtuelle entre 2010 et 2023. L’analyse détaillée des protocoles méthodologiques de recherche utilisés dans chaque recherche nous a permis à la fois d’identifier les plateformes en RV dédiées à la chimie, mais aussi les tâches d’apprentissage associées aux intentions d’apprentissage ciblées par l’environnement virtuel. Les résultats de notre analyse mettent en évidence que la RV est majoritairement utilisée comme un environnement permettant l’illustration concrète des concepts théoriques dans l’enseignement des structures chimiques. Si on considère la structure globale des séquences didactiques, l’illustration des notions abstraites semble avoir pour fonction première la visualisation. On suppose que l’élève comprendra mieux s’il arrive à visualiser les interactions ou la structure chimique. Tout se passe comme si l’environnement de la RV se substitue aux images ou aux animations habituellement utilisées en classe de chimie. Cette utilisation renseigne sur la signification attribuée aux caractéristiques de la modélisation dans l’enseignement-apprentissage de la chimie avec la RV par les concepteurs des environnements de la RV et par la recherche sur les apprentissages des élèves en chimie dans le contexte du recours à la RV. À quelques exceptions près, nous constatons que malgré le caractère innovant associé à la RV, les recherches sur l’enseignement de la chimie avec cette technologie ne semblent pas encore exploiter adéquatement les potentiels techniques offerts par les technologies immersives. Les études analysées montrent que la grande majorité des environnements proposent des tâches d’apprentissage qui demeurent encore dans une vision traditionnelle qui occulte les savoirs en didactiques de la chimie sur les obstacles épistémologiques largement documentés durant les trois dernières décennies. En effet, au-delà de l’effet sensoriel réaliste induit par l’environnement virtuel, l’enchainement des tâches de l’élève reprend indirectement un enseignement magistral exposant l’élève à des notions théoriques doublées de moyens de visualisation sans questionner le sens derrière les tâches proposées. Cet usage, largement dominant dans les recherches analysées, montre que jusqu’à présent, l’industrie de la RV intègre très faiblement les caractéristiques de la démarche de modélisation en chimie d’un point de vue didactique.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,012 | 0,007 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».