mercredi 29 janvier 2020

Le point scientifique sur le coronavirus nouveau (nCoV2019)

Le coronavirus COVID-19 qui défraie les médias : qu'en sait-on vraiment ? 

Pour répondre aux questions d'élèves, mesurer les progrès dans la compréhension et la lutte contre et peut-être modérer les angoisses ? 


Fig 1: Les Coronavirus sont variés et certains sont la cause de rhumes banals en hiver notamment... [img]. Source :Wikipedia coronavirus

Nature tient une page avec les nouvelles scientifiques d'heure en heure

  • un labo australien a pu répliquer le virus en labo
  • un cas de transmission humain-humain hors de chine identifié
  • Le nombre de cas d'infection (4515 le 28I20) est en augmentation, ainsi que les morts (> 100)
  • le R0 définissant le nombre probable qu'un malade risque d'infecter est estimé :  R0 of 1.4 to 2.5.  (cf.les effets de ce paramètre et un logiciel pour en explorer les effets :  Jump-to-science)  sur les raisons de l'inqiuétude voir aussi : Pourquoi une telle inquiétude du vaccin ?
  • etc , encourage le lecteur à aller vérifier dans l'article d'origine :  ici

L'analyse de la séquence est disponible auprès du ARTIC Network

La séquence est connue

Le Prof Kaiser  des  HUG fait  le point 

L’UNIGE recommande de s’informer par le biais de sites officiels régulièrement mis à jour :
L’OFSP a également mis sur pied une hotline:
  • Pour la population : 058 463 00 00
  • Pour les voyageurs et voyageuses : 058 464 44 88
QUESTIONS FRÉQUENTES
Pour tout complément d’informations, nous vous recommandons de consulter la page des réponses aux questions fréquemment posées du site officiel de l’OFSP. Les Hôpitaux universitaires de Genève ont également mis en ligne des vidéos explicatives. Par ailleurs, notons que les HUG abritent le Centre national de référence des infections virales émergentes (CRIVE), épicentre de compétences genevois qui analyse toutes les suspicions de contamination pour le territoire helvétique.


vendredi 24 janvier 2020

Inutile de tenter d'éliminer ou changer les (mis)conceptions… Conférences Prof- Potvin


Inutile de tenter d'éliminer ou de changer les (mis)conceptions... : apports récents des neurosciences sur la manière dont un cerveau apprend les sciences

Deux conférences grand public ( et une formation pour formateurs voir plus bas)

Pourquoi les élèves changent si difficilement leurs conceptions …

Vos élèves ont de la peine à appliquer, lors des évaluations, les explications physiques, chimiques ou biologiques du monde que vous avez fort bien expliquées et illustrées...

En vous inspirant d'un modèle basé sur l'idée de changer les conceptions (changement conceptuel, Posner, 1982), vous avez pourtant pris la peine de faire émerger les conceptions initiales (p. ex Giordan, De Vecchi, 1987), discuté les modèles naïfs, vous les avez mis en défaut et montré combien le modèle que vous leur présentez explique bien mieux les faits observés.
  
… et pourtant les conceptions naïves ressortent, vos élèves persistent à colorer en rouge vif l'artère pulmonaire, à dessiner des tuyaux qui conduisent les aliments vers les organes sans passer par le sang (ici), à dessiner un tuyau qui relie la bouche de la mère par le cordon ombilical au foetus(ici), à écrire qu'un mobile ralentit dès qu'il n'est plus soumis à une force (cf ici ), etc. ;-((

On peut se désoler, s'énerver, se résigner…, ou comprendre comment un cerveau apprend et comment on peut changer ses enseignements.Puis discuter comment on peut changer ses enseignements.

Comment rendre les élèves capables d'utiliser les modèles enseignés pour prédire / expliquer  …

Notre compréhension de ce qui se passe quand un cerveau apprend les sciences a été bousculée par des recherches récentes - notamment en neurosciences avec les travaux de Houdé (2019) sur l'inhibition des concepts naïfs - pour accéder à une compréhension plus avancée.

Les modèles de changement conceptuel classiquement enseignés (Strike & Posner, 1982) ) sont remis en question et un nouveau modèle s'impose : les implications pour l'enseignement sont profondes.

  recommande chaudement  à chaque enseignant de sciences - ou à  chaque bibliothèque d'école un excellent ouvrage complet mais abordable, par le conférencier du 26 février à l'UniGE détails ici.pdf
Potvin (2016,) résume ce constat p. 244
  recommande chaudement Potvin, P. (2019).
  • Lorsqu'on examine les erreurs que les apprenants commettent lors de leurs tentatives de s'approprier certains contenus scientifiques, on remarque que celles-ci présentent une certaine récurrence ainsi qu'une structure cohérente;
  • ll est alors déraisonnable de croire que de telles erreurs soient de simples fautes commises passivement ;
  • ll faut plutôt reconnaître qu'elles sont vraisemblablement le résultat de résistances actives motivées par des adhésions antérieures; des croyances déjà là;
  • Les chercheurs ont appelé conceptions de telles adhésions. Ce sont des représentations mentales que les individus créent ou entretiennent à propos de ce que les choses sont ou de ce qu'elles font, pour les soutenir dans leur compréhension du monde;
  • Malheureusement, certaines de ces conceptions s'inscrivent en infraction avec le savoir scientifique enseigné à l'école et causent alors des interférences. On les appelle parfois misconceptions;
  • La première étape pour parvenir à surmonter les difficultés que causent de telles conceptions est de s'intéresser à leur origine.
Potvin (2016,) résume les causes de ces conceptions tenaces   p. 274 
recommande chaudement Potvin, P. (2019).
  • Les conceptions que les élèves entretiennent relativement au fonctionnement du monde trouvent leur origine dans les interactions sociales, mais aussi dans les interactions physiques (muscles, sens) que ces derniers ont avec leur environnement ;
  • […]
  • Pour mieux agir sur - et prévenir - les conceptions inattendues, il est important d'en reconnaître l'existence et de se mettre en projet d'en comprendre l'origine et les propriétés;
  • Dans la tourmente du métier, ce diagnostic peut être mené utilement de manière intuitive, mais il peut aussi être mené plus systématiquement, par l'emploi de questions pièges et la compilation des réponses;[…]

…Changement conceptuel ?

Potvin (2016,) résume les modèles classiques du changement conceptuel p. 282 
recommande chaudement Potvin, P. (2019).
  • Les premiers modèles de changement conceptuel étaient basés sur l'ambition de remplacer les conceptions personnelles des élèves par des conceptions qui se rapprochent de celles admises par la communauté scientifique;
  • ll est alors supposé, si les réponses des élèves s'améliorent, que les conceptions initiales indésirables soient abandonnées, oubliées ou bannies;
  • […]
  • Le modèle le plus emblématique de cette tradition est celui de Posner et al, qui propose le respect de quatre conditions permettant de favoriser les échanges conceptuels: (1) insatisfaction (à l'égard de la conception initiale), (2) intelligibilité, (3) plausibilité et (4) fertilité (de la conception à faire apprendre);
  • Toutefois, les conflits cognitifs n'atteignent pas toujours facilement leur objectif car les élèves ont tendance à les éviter ou à en réduire la portée par toutes sortes de mécanismes psychologiques qui sont étrangers aux considérations épistémiques ;
  • De plus, les dynamiques de conflit, bien qu'elles ne visent pas les personnes, peuvent parfois accidentellement (et malgré les précautions) porter atteinte à l'estime de soi des apprenants;
  • […]
     
Jump-To-Science avec l'IUFE, le Neurocenter et la faculté des Sciences remercient le Prof. Patrice Potvin de l'Université du Québec à Montréal (UQAM) de venir partager son expertise sur ces changements le 26 février avec  2 conférences (voir plus bas).  
Sa vision très large et approfondie mais aussi concrète lui permet d'ancrer son discours dans les questions épistémologiques, de développer la didactique, et de faire état de recherches très récentes. Il est aussi capable de parler aux enseignants de manière claire et adaptée - en français  comme en anglais !
Potvin (2016,) résume cette nouvelle approche  p. 350
  recommande chaudement Potvin, P. (2019).
  • Plusieurs études basées sur des méthodologies issues des sciences cognitives et des neurosciences appuient aujourd'hui l'hypothèse selon laquelle les conceptions initiales des élèves ne disparaissent pas lors des processus de changements conceptuels ;
  • […]
  • Nous avons ainsi proposé un modèle de changement conceptuel que nous avons appelé la prévalence conceptuelle et qui sbppose à l'idée que l'apprentissage des concepts diff ciles est un processus de remplacement ou de transformation. Ce modèle se déploie en trois étapes;
  • Puisque le statut des conceptions initiales ne semble pas facilement pouvoir être diminué au moyen de conflits cognitifs, on propose de plutôt tenter de faire entrer le plus rapidement possible les conceptions désirées dans la course. C'est la première étape, qui propose de décrire dès le départ aux apprenants les modèles scientifiques à faire apprendre;
  • La deuxième étape consiste à installer des réflexes inhibiteurs qui vont entraîner les apprenants à reconnaître les circonstances où ils devraient résister à utiliser leurs conceptions personnelles et plutôt employer les conceptions apprises lors de létape 1 ;
  • La troisième étape consiste quant à elle à automatiser l'emploi des concep- tions à faire apprendre et à étendre leur utilisation au plus grand nombre possible de contextes où elles s'appliquent de manière utile;
  • L'ensemble de ces trois étapes, qui prend pour objet de traitement didac- tique non pas les conceptions elles-mêmes, mais leur disponibilité et leur expression (ou leur non-expression), ressemble, à certains égards, à lépi- génétique, qui s'intéresse elle aussi à la disponibilité et à l'expression (des gènes);
  • […]
Pour se préparer  encourage le lecteur à aller vérifier dans une sélection d'articles.
  • Masson, S., Potvin, P., & Riopel, M. (2009). Utilisation de l'imagerie cérébrale pour l'étude du changement conceptuel en sciences. In M. Riopel, P. Potvin, &  J. Vaszquez-Abad (Éd.), Utilisation des Technologies pour la recherche en éducaiton scientifique (p. 197‑222). Québec: Presses de l'Université Laval.
  • Potvin, P., Sauriol, É., & Riopel, M. (2015). Experimental evidence of the superiority of the prevalence model of conceptual change over the classical models and repetition. J Res Sci Teach, 52(8), 1082‑1108. https://doi.org/10.1002/tea.21235

Deux conférences ouvertes à tous / une formation de formateurs

Mercredi 26 février 14h -16h U 159 – Uni Dufour

L'apprentissage des sciences et les changements conceptuels à la lumière des développements récents en neuroscience et en sciences de l'éducation.

L'apprentissage des sciences est à un moment charnière. Les modèles classiques du changement conceptuel sont remis en question par des recherches récentes en neurosciences qui montrent que l'apprentissage de nouvelles conceptions de la nature ne remplacent pas les précédentes.
Quelle sont les implications pour l'enseignement et l'apprentissage des sciences?
Le Prof. Patrice Potvin, dans une conférence destinée à la fois aux enseignant·e·s et aux personnes travaillant dans la recherche, discutera de ces nouveaux développements scientifiques et leur de leur impact sur l'enseignement des sciences.
A imprimer pour votre établissement Poster.pdf  |  Flyer-conference.pdf

Wednesday february,26 18h-19h SCII A150 - at Sciences II  Quai Ernest-Ansermet 30, Geneva

Reconsidering conceptual change in science education in light of recent neuroscientific findings
Towards a better understanding of conceptual change:

From challenges by recent research to implications for science teaching and learning strategies.
Prof. Patrice Potvin of UQAM (Université du Québec à Montréal) will discuss these developments with a focus on recent neuroscience research and the deep implications for science teaching and learning. This opens very broad and yet deep perspectives, based on recent research.
The conference (in English) is aimed both at researchers and educators


Une formation pour formateurs (sur inscription)


Jeudi 27 Février 8h15 -12h salle P_S03 UniPignon devant uniMail


Le modèle de prévalence conceptuelle et ses implications pédagogiques,

pour les formateurs d'enseignants,


La recherche récente montre que l'approche classique par le changement conceptuel n'est pas adaptée. Nouvelles conceptualisation des modèles et implications pédagogiques : Comment former les enseignants de sciences à des stratégies plus efficaces


Première partie avec les participants de 8h15 à 9h, conférence de P. Potvin jusqu'à 11h puis bilan avec les participants jusqu'à midi


Ouvert à d'autres formateurs, sur inscription auprès de francois.lombard@unige.ch


(Les membres Jump-To-Science peuvent obtenir ces articles).

Références:

  • Giordan, A., & De Vecchi, G. (1987). Les origines du savoir : Des conceptions des apprenants aux concepts scientifiques. Delachaux et Niestlé.
  • Houdé, O. (2019). Olivier Houdé : « L'inhibition cognitive est la clé de notre intelligence ». La Recherche, 4‑6. avril 2019, intranet.pdf
  • Masson, S., Potvin, P., & Riopel, M. (2009). Utilisation de l'imagerie cérébrale pour l'étude du changement conceptuel en sciences. In M. Riopel, P. Potvin, & J. Vaszquez-Abad (Éd.), Utilisation des Technologies pour la recheche en éducaiton scientifique (p. 197‑222). Québec: Presses de l'Université Laval.
  • Masson, Steve, Potvin, P., Riopel, M., Foisy, L.-M. B., & Lafortune, S. (2012). Using fMRI to Study Conceptual Change : Why and How? International Journal of Environmental and Science Education, 7(1), 19‑35.
  • Strike, K. A., & Posner, G. J. (1982). Conceptual change and science teaching. International journal of science education, 4(3), 231‑240.
  • Potvin, P. (2019). Faire apprendre les sciences et la technologie à l'école : Épistémologie, didactique, sciences cognitives et neurosciences au service de l'enseignant. Presses de l'université Laval.
  • Potvin, P., Sauriol, É., & Riopel, M. (2015). Experimental evidence of the superiority of the prevalence model of conceptual change over the classical models and repetition. J Res Sci Teach, 52(8), 1082‑1108. https://doi.org/10.1002/tea.21235



lundi 6 janvier 2020

La modélisation en sciences : dans la recherche et dans l'école …

Le PER (Plan d'étude Romand) pose la modélisation comme une compétence transversale des math et sciences expérimentales : la MSN 35 modélisation.
Cette compétence est de plus en plus explicitement au centre de l'activité scientifique, - certains diront qu'il n'y a pas de science sans modèles.
"Un modèle scientifique est une représentation abstraite, simplifiée, d'un système de phénomènes qui rend ses caractéristiques principales explicites et visibles et peut être utilisé pour générer des explications et des prédictions"  (Harrison &Treagust, 2000).

Il n'y a pas d'apprentissage des sciences sans que les élève maitrisent de nouveaux modèles pour comprendre le monde au-delà du sens commun.
Cf p. ex (Quillin, K., &Thomas, S., 2015, Schwarz, C. et al., 2009, Tiberghien, A.,1994, Treagust, D. F., et al., 2002).

La manière dont on peut aider les élèves à acquérir ces nouveaux modèles est remise en question par des travaux récents : par exemple 
Potvin, P., (2013) ici, qui donnera deux conférences le mercredi 26 février (francais à 14h15 U 159, en anglais à 17h15 SCII).

encourage le lecteur à aller vérifier dans les articles d’origine cf en bas.

Le terme de modéliser peut avoir de nombreux sens : on peut parler d'un processus de développement de modèles mentaux, de formalisation de ces modèles pour les communiquer, les discuter ou encore les intégrer dans des ordinateurs pour faire des prédictions, des explications. Cf. p. ex. Martinand, J.-L. (1992),Coquidé, M., & Le Maréchal, J. F. (2006)


Pour les applications en classe Cf. par exemple Bio-tremplins : Rechercher le top-modèle pour expliquer la biologie ?

La place de la modélisation dans les enseignements est donc un double défi : à cause de la transformation de la science mais aussi les enjeux inévitables de la numérisation de l'école.

La science est-elle devenue virtuelle, abandonne-t-elle les manipulations et l'expérience ?



Un cycle de conférences grand public avec culture&rencontres sera l'occasion de voir comment certain-e-s des meilleur-e-s scientifiques du moment conçoivent la modélisation, et si elle remplace, s'oppose, ...ou s'articule avec l'expérience et l'observation !


Pour améliorer ses cours peut-être, mais aussi pour se faire plaisir et écouter des spécialistes enthousiasmant-e-s - et une belle opportunité d'y emmener des élèves… pourquoi pas ?

Modéliser le réel,,Un outil et un défi pour la
                science,,ENVIRONNEMENT BIOLOGIE,,CLIMAT
A 20h Entrée libre Aula du Collège de Saussure 9, Vieux-Chemin-d’Onex, Petit-Lancy

Depuis 1998, culture&rencontre organise des cycles de conférences scientifiques, en collaboration avec l’UNIGE. Cette année, les cinq scientifiques choisis présenteront les applications de la modélisation dans des domaines aussi variés que le climat, la biologie et l’environnement. Pourquoi modéliser le réel? Est-ce vraiment possible d’appréhender la complexité de notre environnement à l’aide d’un modèle informatique 3D? Les mathématiques peuvent-elles expliquer le monde?
Autant de questions et défis qui attendent les chercheurs

Des publications sélectionnées par les conférenciers pour vous !

Les conférenciers proposent aux abonnés de une sélection d'articles - qui sont indiqués sous leurs noms - pour vous préparer et profiter au mieux des conférences. Ou approfondir après. Ou pour ceux qui ne peuvent pas venir...
(Les membres Expériment@l-Tremplins peuvent obtenir ces articles
Vu le début de l'année : une première sélection pour la première conférence … les autres suivront !

imageMercredi 8 janvier 2020 à 20h

L’histoire d’un lézard : quand Darwin rencontre von Neumann et Turing
Prof. Michel Milinkovitch, Département de génétique
et évolution, Faculté des sciences, UNIGE
Le lézard ocellé naît brun avec des points blancs. Sa peau se transforme en- suite en un labyrinthe de pixels verts et noirs, chaque pixel correspondant à une écaille. L’ensemble de ces écailles se comporte comme un ‘automate cellulaire’, un modèle inventé dans les années 1940 par le génial mathématicien John von Neumann. Nous démontrons que la peau du lézard ocellé est le premier exemple connu d’un automate cellulaire vivant. Pour comprendre cette observation spectaculaire, nous devons rencontrer un autre mathématicien de génie, Alan Turing, pionnier de l’informatique.
encourage le lecteur à aller vérifier dans l’article d’origine : ici




Mercredi 15 janvier 2020 à 20h

Jusqu’où peut-on modéliser le monde qui nous entoure ?

Prof. Bastien Chopard, Département d’informatique, Faculté des sciences, UNIGE

Les ordinateurs modernes offrent des moyens d’investigation scientifique de plus en plus puissants. Le monde qui nous entoure peut être simulé par l’informatique, pour mieux le comprendre et le prédire. Mais quels sont les modèles de la réalité à disposition? On parle notamment d’équations mathématiques, d’automates cellulaires, ou de systèmes multi-agents. Et quelles sont les limites de cette démarche? Peut-on tout modéliser? Cette présentation tentera de donner quelques réponses à travers des exemples d’applications allant de simples systèmes physiques à des modèles économiques et physiologiques.
 


Mercredi 22 janvier 2020  à 20h
 

Modélisation et ADN préhistorique :à la recherche de nos origines

Dr Mathias Currat, Département de génétique et évolution,

Faculté des sciences, UNIGE
Notre patrimoine génétique se trouve sous la forme de molécules d’ADN et recèle une multitude d’informations sur l’évolution de nos ancêtres, notamment leurs migrations et leurs interactions avec d’autres formes humaines aujourd’hui disparues. La simulation informatique est l’une des techniques de pointe utilisée pour décoder ces informations en combinant différents aspects biologiques et environnementaux dans des modèles mathématiques. Son application à l’ADN préhistorique ouvre de fabuleuses perspectives de recherche.

le conférencier propose ces articles



  • Currat, M., & Excoffier, L. (2011). Strong reproductive isolation between humans and Neanderthals inferred from observed patterns of introgression. Proceedings of the National Academy of Sciences, 108(37), 15129‑15134. https://doi.org/10.1073/pnas.1107450108
  • 2016 Hofmanová Z, …, Currat M, …et al . Early farmers from across Europe directly descended from Neolithic Aegeans. Proceedings of the National Academy of Sciences USA, published ahead of print June 6, 2016.
  • Pinhasi, R., Thomas, M. G., Hofreiter, M., Currat, M., & Burger, J. (2012). The genetic history of Europeans. Trends in Genetics, 28(10), 496‑505. https://doi.org/10.1016/j.tig.2012.06.006



  • Mercredi 29 janvier 2020 à 20h

    Comprendre le climat grâce aux simulations numériques

    Dre Maura Brunetti, Institut des sciences de l’environnement, UNIGE

    Le climat de la terre est un système très complexe: des boucles de rétroaction entre ses composantes, notamment l’atmosphère, les océans et la banquise, peuvent le stabiliser ou, au contraire, le déstabiliser et mener à des points de bascule où une petite perturbation provoque un changement rapide et irréversible, potentiellement catastrophique. Faute de pouvoir réaliser des expériences sur la terre entière, les simulations numériques sont indispensables pour comprendre le climat et étudier quelles interactions sont les plus importantes et quel est leur e et. Cette présentation illustrera quelques exemples de simulation de points de bascule dans le climat.
    encourage le lecteur à aller vérifier dans les articles sélectionnés par la chercheure :
    • Brunetti, M., Kasparian, J., &Vérard, C. (2019). Co-existing climate attractors in a coupled aquaplanet. Climate Dynamics, 53(9), 6293‑6308. https://doi.org/10.1007/s00382-019-04926-7
    • Lenton, T. M., Held, H., Kriegler, E., Hall, J. W., Lucht, W., Rahmstorf, S., & Schellnhuber, H. J. (2008). Tipping elements in the Earth’s climate system. Proceedings of the National Academy of Sciences, 105(6), 1786‑1793. https://doi.org/10.1073/pnas.0705414105


    Mercredi 5 février 2020  à 20h

    Un ordinateur et des maths pour simuler la matière et le vivant

    Prof. Assyr Abdulle, Institut de Mathématiques, EPFL

    La simulation numérique a révolutionné la recherche en sciences naturelles. Elle est devenue essentielle, au même titre que la théorie et l’expérimentation, mobilisant les mathématiques et les outils numériques pour créer des modèles de la matière ou du vivant. Le dé est de rendre les idées mathématiques calculables et décomposables en modules élémentaires aptes à être mis en œuvre sur un ordinateur. Des exemples basés sur la simulation d’accidents vasculaires cérébraux, de fonte des glaciers ou d’écoulement de chaleur dans un microprocesseur illustreront cette approche.

    (Les membres Jump-to-science  peuvent obtenir ces articles…).


    Références:




    • Coquidé, M., & Le Maréchal, J. F. (2006). Modélisation et simulation dans l’enseignement scientifique : Usages et impacts. Aster, 43, 7‑16. https://doi.org/10.4267/2042/16799
    • Harrison, A. G., & Treagust, D. F. (2000). A typology of school science models. International journal of science education, 22(9), 1011‑1026. https://doi.org/10.1080/095006900416884
    • Martinand, J.-L. (1992). Enseignement et apprentissage de la modélisation en sciences (Laboratoire interuniversitaire de recherche sur l’éducation scientifique et technologique). Institut national de recherche pédagogique.
    • Potvin, P. (2013). Proposition for improving the classical models of conceptual change based on neuroeducational evidence : Conceptual prevalence. Neuroeducation, 2(1), 16‑43. https://doi.org/10.24046/neuroed.20130201.16
    • Quillin, K., & Thomas, S. (2015). Drawing-to-Learn : A Framework for Using Drawings to Promote Model-Based Reasoning in Biology. Cell Biology Education, 14(1), es2‑es2. https://doi.org/10.1187/cbe.14-08-0128
    • Schwarz, C., Reiser, B. J., Davis, E. A., Kenyon, L., Achér, A., Fortus, D., Shwartz, Y., Hug, B., & Krajcik, J. (2009). Developing a learning progression for scientific modeling : Making scientific modeling accessible and meaningful for learners. Journal of Research in Science Teaching, 46(6), 632‑654. https://doi.org/10.1002/tea.20311
    • Tiberghien, A. (1994). Modeling as a basis for analyzing teaching-learning situations. Learning and Instruction, 4(1), 71‑87. https://doi.org/10.1016/0959-4752(94)90019-1
    • Treagust, D. F., Chittleborough, G., & Mamiala, T. L. (2002). Students’ understanding of the role of scientific models in learning science. International journal of science education, 24(4), 357‑368. https://doi.org/10.1080/09500690110066485