L’enseignement de la chimie avec les environnements éducatifs mobilisant la réalité virtuelle : analyse documentaire
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.023 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.012 | 0.007 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.016 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".