Navigation – Plan du site

AccueilNuméros6DossierInformatique et apprentissage des...

Dossier

Informatique et apprentissage des sciences : tendances, dilemmes et conséquences pour l’avenir

Computers and Science Learning: trends, dilemmas and implications for the future
Informatik und Wissenschaftslernen : Tendenzen, Dilemma und Konsequenzen für die Zukunft
Informática y aprendizaje de las ciencias : tendencias , dilemas y consecuencias para el porvenir
Margaret Cox
p. 23-52

Résumés

Cinquante ans d’évolutions et d’utilisation des technologies de l’information dans l’enseignement des sciences montrent comment on est passé des tutoriels propres à chaque matière aux simulations et à la modélisation et enfin à l’enseignement en ligne et aux réseaux sociaux lors de la dernière décennie. L’introduction des TI1 en sciences au cours des années 1960 reposait sur deux dynamiques principales : tout d’abord, les universités et les pouvoirs publics reconnaissaient la nécessité de former un plus grand nombre de spécialistes en technologies de l’information pour travailler dans cette industrie ; ensuite, des enseignants précurseurs ont vu tout l’intérêt qu’ils pouvaient tirer des nouvelles technologies pour améliorer l’enseignement et l’apprentissage dans certaines disciplines, notamment dans l’enseignement des sciences et des mathématiques. Quarante ans de recherches sur l’impact des ressources informatiques en sciences sur l’apprentissage des élèves montrent des progrès significatifs de leurs acquis mais, dans une large mesure, ces ressources dépendent de la nature des logiciels eux-mêmes, des pratiques pédagogiques des enseignants et de la pertinence de l’activité par rapport à la conceptualisation et au développement des connaissances.
Les TI en sciences soulèvent toujours, 50 ans après leur introduction, de nombreuses questions dans les établissements secondaires et supérieurs malgré leur apport manifeste ; leur diversification et leur emprise croissante semblent d’ailleurs amplifier ce phénomène. La première question à laquelle les pouvoirs publics et les enseignants doivent répondre, c’est de savoir comment résoudre le conflit entre, d’une part, l’enseignement des TI comme matière destinée à former des experts pour le monde de demain et, d’autre part, l’application et l’utilisation de ces technologies dans l’ensemble des matières au programme pour améliorer l’acquisition des compétences et des concepts habituels de l’enseignement. Un deuxième problème découle de l’appauvrissement des enseignements de sciences suite à l’abandon des ressources technologiques dédiées aux savoirs disciplinaires qui, pourtant, contribuaient à l’amélioration des apprentissages, au profit de l’utilisation de Microsoft Office et à une focalisation sur les compétences bureautiques plutôt qu’à la connaissance disciplinaire et à la cognition. Les enseignants sont aussi confrontés à une perte de maîtrise du processus d’apprentissage formel due à l’apprentissage informel des élèves chez eux, sur les réseaux sociaux, aux liens qu’ils développent avec des spécialistes et à d’autres technologies en dehors du cadre scolaire. À cette occasion, ils abandonnent souvent leurs bonnes pratiques pédagogiques et leur pouvoir d’influence pour mieux s’adapter à ces nouvelles activités.
Enfin, de nouvelles compétences et une nouvelle culture (perception et compréhension liées à de nouveaux modes de présentation et de représentation des sciences) modifient l’importance et l’équilibre en termes de productions, de contenus et de signification des ressources éducatives pour l’éducation scientifique, ce qui souvent n’est pas compris par les enseignants. Les difficultés auxquelles ces enseignants sont confrontés appellent un renouvellement de la façon dont ils sont formés aux nouvelles technologies, des changements dans les curriculums ainsi qu’une réorganisation du temps scolaire, du développement professionnel des enseignants, des liens école-domicile ainsi que des pratiques pédagogiques au sein des institutions éducatives.

Haut de page

Entrées d’index

Haut de page

Texte intégral

Introduction

1Cet article retrace l’évolution des applications informatiques dans l’enseignement des sciences au cours des quatre dernières décennies et leur contribution aux savoirs actuels sur les « nouvelles technologies », leur articulation, leur utilisation et leur impact. Dès le milieu des années 1960, les ordinateurs étaient utilisés par les mathématiciens et les enseignants en sciences (voir Merrill, 1965 ; Suppes, 1968, 1979 ; Bork, 1981 ; Le Corre, 1973) pour améliorer l’apprentissage des élèves mais les machines disponibles et les programmes informatiques qui les équipaient limitaient ces possibilités. Il s’agissait principalement d’exercices d’application qui furent suivis par des simulations. Les enseignants qui utilisaient ces ressources informatiques cherchaient à améliorer l’enseignement et l’apprentissage des sciences sans voir leur attention détournée par des logiciels commerciaux à caractère professionnel. Ces didacticiels scientifiques étaient pour la plupart développés par des enseignants innovants et la recherche-développement dans ce domaine était souvent combinée avec la conception d’outils informatiques, ce qui par retour d’expérience permettait d’améliorer les logiciels (Reeves, 2008). Comme nous le montrerons plus loin par les résultats de différents programmes de recherche nationaux et internationaux et les recherches qui ont été menées en parallèle de ces initiatives, ces ressources informatiques limitées n’étaient pas les seules contraintes portant sur leur usage éducatif dans cette première période.

2L’introduction initiale des TI en éducation, qui, venant des utilisation pionnières en éducation scientifique dans les années 1960 et 1970, reposait sur deux dynamiques principales : tout d’abord, les universités et les pouvoirs publics reconnaissaient la nécessité de former un plus grand nombre d’experts en technologies de l’information pour travailler dans cette industrie naissante (Hawkridge, 1990) ; ensuite, des enseignants précurseurs ont vu tout l’intérêt qu’ils pouvaient tirer des nouvelles technologies pour améliorer l’enseignement et l’apprentissage des sciences (Suppes, 1979 ; McKenzie, Elton & Lewis, 1978 ; Bork, 1981). Au cours de cette période et avant l’avènement des réseaux commerciaux et des logiciels génériques dans l’enseignement, ces deux approches soutenaient l’essor des TI dans l’enseignement des sciences. Néanmoins, comme nous le montrerons, la pression des gouvernements nationaux, mit les établissements scolaires devant un dilemme : ils devaient d’une part se doter de ressources technologiques pour enseigner des compétences informatiques à tous les élèves ; ils souhaitaient d’autre part développer l’usage des nouvelles technologies dans d’autres matières telles que les sciences. Dans la mesure où chaque pays déterminait sa propre politique, les priorités en matière d’utilisation des nouvelles technologies différaient d’un pays à l’autre. Par exemple, en Finlande et en France, les nouvelles technologies devaient servir l’amélioration de l’enseignement et des apprentissages (Pelgrum & Plomp, 1991) alors qu’au Royaume-Uni, il s’agissait d’enseigner les TI comme matière à part entière dans le cadre du National Curriculum (programme d’enseignement obligatoire), ce qui limitait la disponibilité des ressources informatiques pour l’enseignement et l’apprentissage des sciences (Cox, 2005). Ces deux approches cohabitent toujours à l’heure actuelle mais le développement et la diversification des nouvelles technologies (communication en ligne, cours personnalisés, réseaux sociaux et appareils mobiles) les rendent beaucoup plus complexes.

3En résumé, on a montré que trois points importants de l’environnement informatique (ordinateurs, réseaux, logiciels, didacticiels) ont un impact sur l’enseignement des sciences :

4Les évolutions technologiques : comme nous venons de le voir, les évolutions technologiques ont fait basculer ces technologies de l’industrie vers l’éducation, de l’université vers l’école et du commerce vers la salle de classe. Au fur et à mesure que ces technologies se démocratisaient, les pouvoirs publics et certains professeurs influents ont mis en place des programmes innovants et changé de cap concernant l’utilisation des TI (Lewis & Tagg, 1987 ; Plomp & Ely, 1996 ; Ainley, Enger & Searle, 2008 ; Cox, 2012).

5Les initiatives éducatives : dans de nombreux pays, les TI ont fait l’objet, dès les années 1970, d’une attention particulière des pouvoirs publics qui ont promu et soutenu l’utilisation de ces outils en éducation, y compris pour les sciences. Des projets nationaux ont été complétés par des initiatives locales, industrielles, commerciales et individuelles qui ont participé au développement des TI dans les matières scientifiques (Cox, 1983 ; Pelgrum & Plomp, 1991 ; Moonen, 2008).

6Les applications pédagogiques : les initiatives nationales et internationales ont eu un impact sur de nombreux secteurs éducatifs. La croissance de l’industrie informatique a entraîné une hausse continue du nombre de spécialistes dans ce secteur et, par ricochet, le développement rapide de formations spécifiques dans l’enseignement secondaire et supérieur et l’utilisation des TI dans l’ensemble des matières. Dans le même temps, l’évolution des TI est à l’origine de nouveaux systèmes de représentations, de nouvelles compétences, de nouveaux rôles pour les enseignants comme pour les élèves, du décloisonnement des institutions scolaires et de nouveaux cadres au-delà de l’environnement scolaire formel et des enseignants en place (Voogt & Knezek, 2008).

7Le tableau 1 ci-dessous (modifié à partir de Cox, 2012, p. 4) montre l’évolution chronologique des technologies depuis les années 1960 qui, à des degrés divers, ont été reprises dans l’enseignement des sciences.2

Tabl. 1 : évolutions technologiques en éducation (voir Cox, 2012, p. 4)

Dates/époque

Évolutions technologiques

1968

Invention de l’Internet - ARPANET

1970-1977

Ordinateurs interactifs en temps réel

Terminaux d’ordinateurs avec interface graphique en vente à 5 000 £ Connections Internet disponibles dans certains établissements scolaires via des lignes et des modems télécom

Accès aux ordinateurs à distance à partir de différentes localités

Réseaux informatiques internationaux (programme JANET : Joint Academic Network)

Hewlett Packard, Horizon (cadres formels et informels) précurseurs des ordinateurs de bureau

1977-1980

Miniaturisation des ordinateurs et des composants ; production de petits ordinateurs de bureau : Horizon – 5 000 £, Apple II – 1 000 £, RML 380z – 2 000 £, IBM series – 2 000 £

Acorn atom computer, Acorn BBC - Model A (8k of memory)

Acorn BBC model B (32k of memory) – 400 £

1980-1984

Premier Macintosh chez Apple – 1 500 £

Communication rapide et à grande échelle facilitée par l’arrivée de la fibre optique

Élargissement de la gamme des périphériques d’entrée et de sortie pour l’enseignement, dont les : tablettes graphiques, claviers Quinkey2, boules de commande, tortue robot, écrans tactiles, entrée et sortie vocales

1985-1987

Lancement de Microsoft Windows

Micro ordinateurs personnels moins chers et plus puissants

PC IBM – (256k de mémoire de stockage, 32 de mémoire système) 1 500 £

Mac II– (256k de mémoire de stockage, 32 de mémoire système) 1 000 £

Invention du « World Wide Web » par Tim Berners-Lee

1987-1990

Nouveaux appareils de stockage externe : CD-ROM ; vidéos interactives ; cartes mémoire à insérer

1990-1995

Lancement des ordinateurs portables

Forte augmentation de la capacité de mémoire et réduction des coûts (> 1Gb pour 40 £)

Développement des technologies sans fil ; réseaux informatiques sans fil, souris avec pointage en l’air

Développement de la visioconférence

1996-1999

Introduction du tableau blanc électronique interactif

Introduction des assistants numériques personnels (PDA)

Développement à grande échelle de l’usage de l’Internet dans l’enseignement

2000-2004

Expansion des technologies mobiles : assistants numériques personnels, téléphones portables, lecteurs MP3

Développement de l’informatique moléculaire

Développement des ordinateurs quantiques

Nouvelle augmentation des capacités de stockage et de traitement des PC (5G de mémoire et processeur cadencé à plus de 256MHz)

Environnement virtuel d’apprentissage en ligne

2005-2007

Technologies « client léger » dans les écoles et les universités

Développement des appareils tactiles dans l’enseignement

Développement de l’informatique moléculaire

Nouvelle augmentation des capacités de stockage et de traitement des PC et miniaturisation (10G de mémoire de stockage et processeur > 256k)

Accès généralisé aux réseaux sans fil et aux tableaux blancs interactifs

Technologie 2.0, logiciels relationnels (Wikipedia, Second Life)

2007-2012

Interfaces graphiques : I-phone ; Blackberry ; I-pad ; Satnav ; lecteurs MP3 ; E-books

Réseaux sociaux : Facebook, Twitter, blogs, partage de signets, site de partage de vidéos sur Internet One World TV

Intégration des technologies portables dans les réseaux sociaux

Développement des simulateurs tactiles pour l’apprentissage

1. Développement et impact des TI dans l’éducation scientifique

8La plupart des logiciels développés et utilisés de 1960 à la fin des années 1980 étaient conçus pour essayer de pallier les difficultés d’apprentissage que les enseignants percevaient chez leurs élèves et qu’ils éprouvaient eux-mêmes dans leur enseignement. La majorité des logiciels éducatifs scientifiques est répartie en quatre catégories : les tutoriels (Suppes, 1968, 1979) ; les simulations pour remplacer ou compléter des expériences (Cox, 1992a, 1992b ; Wedekind, 1981) ; les logiciels intégrés avec utilisation de langages de programmation et d’algorithmes pour la modélisation et les calculs scientifiques (Hinton, 1981 ; Mellar et al., 1994) ; les ordinateurs comme outils servant à piloter des expériences et l’enregistrement de données (Sparkes, 1984).

9Le choix des thèmes des logiciels en sciences s’appuyait sur les conceptions erronées (misconceptions) des élèves et les modes d’enseignement alternatifs repérés à partir du large corpus de connaissances sur les conceptions erronées des élèves et les méthodes et ressources disponibles pour y remédier (voir par exemple Monk & Osborn, 2000). Les études sur l’enseignement des sciences ont permis aux chercheurs de concevoir des logiciels éducatifs axés sur ces difficultés d’apprentissage. Les résultats de recherches publiés depuis plusieurs décennies montrent clairement que les types de TIC utilisés à des fins pédagogiques sont étroitement liés à des concepts et compétences spécifiques et tendent à être propres à chaque contenu d’enseignement. Les stratégies d’apprentissage promues par ces différents logiciels développés et évalués par des précurseurs comme Bork (1981), Le Corre (1973), Suppes & Morningstar (1972) ; Schwartz (1986) et Papert (1980), allaient des tutoriels, fréquents dans les premiers logiciels américains et français, aux essais les plus ouverts développés dans de nombreux pays d’Europe du Nord. C’est pendant cette période que les pouvoirs publics ont investi massivement dans du matériel informatique pour l’enseignement, la formation des enseignants et la conception des programmes scolaires. Quarante ans plus tard, les preuves les plus tangibles de l’impact positif des TI sur l’apprentissage des élèves en sciences concernent des logiciels conçus spécialement pour l’enseignement et propres à chaque discipline (Cox & Abbott, 2004 ; Webb, 2008 ; Plomp et al., 2009).

10Ces différents types de logiciels s’appuyaient sur une anticipation des interactions favorables à l’apprentissage, fondée sur des théories de l’apprentissage, et exploitaient au mieux l’interactivité des logiciels de l’époque. Bien que la conception de ce type de logiciels remonte aux années 1970-1980, les cadres sur lesquels ils ont été pensés sont toujours d’actualité même si les environnements techniques sont aujourd’hui beaucoup plus sophistiqués.

1.1. Tutoriels

11Les premiers programmes informatiques mis sur le marché s’appuyaient sur les principes de l’enseignement programmé développés par Skinner et Crowder (Cox, 1983 ; Tinsley & Van Weert, 1989). Ils permettaient aux élèves de proposer plusieurs réponses à des problèmes présentés à l’écran comme indiqué dans la figure 1.

Fig. 1 : tutoriels.

Fig. 1 : tutoriels.

12Ce type de programme mettait en jeu des problèmes scientifiques en se basant sur un modèle mathématique créé par les enseignants-développeurs qui permettait aux élèves de proposer des réponses à l’écran qui étaient ensuite validées ou non par le programme avant qu’une réponse définitive ne soit apportée. Ce type de logiciel, très répandu dans les années 1970, 1980 et 1990, proposait des problèmes arithmétiques simples mais aussi des tutoriels complexes développés dans le cadre du système Plato. Des extensions plus récentes de ce type de logiciel comprennent les systèmes d’enseignement intégré (NCET, 1994) avec bande vidéo et enregistrement vocal mais le principe repose toujours sur les théories comportementalistes de l’apprentissage. Néanmoins, les représentations utilisées dans ces programmes allaient de la reproduction fidèle des représentations présentes dans les manuels à des icônes et images en mouvement auxquelles les élèves n’étaient pas familiers dans d’autres média. Cela suppose que l’élève doive comprendre le mode de représentation des connaissances sur lesquelles il est interrogé pour accomplir les tâches requises.

13Des programmes de ce style, avec graphiques et interfaces modernes, sont désormais disponibles gratuitement sur Internet alors que d’autres programmes se sont transformés en systèmes d’enseignement intégré aussi connus sous le nom de tutoriels intelligents (Rogers & Newton, 2001).

1.2. Simulations

14Ce type de logiciel interactif utilisé depuis une cinquantaine d’années repose sur des simulations, dont le modèle présenté en figure 2.

Fig. 2 : simulations et interactions avec les élèves.

Fig. 2 : simulations et interactions avec les élèves.

15Les logiciels de simulations en sciences reposent sur le modèle scientifique d’un processus, intégré au logiciel, sur lequel l’élève peut enquêter, émettre des hypothèses, étudier les relations et mettre à l’épreuve des théories. Ce type de logiciel s’appuyait à l’origine sur des expériences réelles hors du cadre éducatif. Les simulations pour activités scientifiques comprennent les systèmes proie-prédateur, les mouvements des satellites, le réchauffement de la planète, le débit des rivières, les flux de circulation et des centaines d’autres (voir par exemple Cox, 1992b ; Cox, 1996 ; Watson, 1992 ; Webb, 2008). Outre le fait que ces simulations permettent d’étudier des processus complexes sans requérir de compétences mathématiques de pointe, il est avéré que la façon dont ces simulations sont conçues et présentées influence la nature des savoirs présentés aux élèves et compris par eux (Laurillard, 1993 ; De Diana & White, 1994 ; Sakonidis, 1994).

16Les présentations graphiques dynamiques et interactives sont utiles pour aider les élèves qui ont des difficultés à visualiser des relations multidimensionnelles, problème que connaissent bien beaucoup d’enseignants. Par exemple, la propagation des ondes avec réflexion ou interférence révèle des minima et des maxima et donc des formes d’ondes que les élèves ont beaucoup de mal à comprendre uniquement à partir de la théorie. La projection de dessins en 3D sur ordinateur donne une image claire d’un champ magnétique ou électrique, la localisation et les forces des pôles pouvant être contrôlées par les élèves. Les supports visuels jouent donc un rôle considérable en proposant une figure qui montre l’importance relative des paramètres à l’origine de telle ou telle relation. On trouve, dans la littérature et en beaucoup de langues, de nombreux exemples qui permettent aux élèves de tester des hypothèses, d’étudier les comportements de modèles de systèmes physiques, d’interpréter des données expérimentales et de comparer des simulations avec des expériences.

17Le développement des simulations scientifiques était jusqu’à une période récente fondé sur l’hypothèse que les problèmes rencontrés par les élèves pour comprendre tel ou tel processus scientifique pouvaient être résolus par l’étude d’une expérience simulée. Des recherches plus récentes montrent que ces simulations restent stimulantes aux yeux des enseignants. Lors de l’examen de l’enseignement des sciences et du rôle des TI, Osborne et Henessy (2003) parlent de « logiciels multimédias destinés à la simulation de processus et à la conduite d’expériences “virtuelles” » (p. 4) et donnent des recommandations pour le programme national d’enseignement des sciences en Grande-Bretagne.

18Néanmoins, les simulations reposent sur des modèles fixes intégrés au logiciel et limitent donc les nouvelles hypothèses que l’élève peut émettre ou l’ajout de variables au modèle existant. Pour cette raison, des logiciels de modélisation ont été développés pour permettre aux élèves de faire des hypothèses et d’examiner leurs propres modèles de processus scientifiques (Mellar et al., 1994) comme nous l’expliquons ci-dessous.

1.3. Logiciels de modélisation

19Les logiciels de modélisation forment le troisième type de logiciel développé pour l’enseignement des sciences (voir figure 3). Ces logiciels n’ont pas de modèle intégré mais une interface dédiée qui permet aux élèves de construire leurs propres modèles puis de les étudier par rapport à leurs théories ou à des expériences de la vie réelle. Logo (Papert, 1980) et les environnements d’apprentissage tant quantitatifs que qualitatifs font partie de ces logiciels (Cox, 1994).

Fig. 3 : interactions dans les logiciels de modélisation.

Fig. 3 : interactions dans les logiciels de modélisation.

20L’intérêt de ces logiciels est de permettre aux élèves de mettre à l’épreuve leurs idées sur tel ou tel sujet, d’émettre des hypothèses sur les effets possibles lorsque des variables sont ajoutées, de développer des modèles pour améliorer leur compréhension (Mellar et al., 1994). Des logiciels de modélisation différents peuvent inviter l’élève à examiner les mêmes processus à partir de représentations totalement différentes. Par exemple, l’étude de la consommation énergétique des ménages peut être réalisée à partir du tableur Excel ou d’un logiciel éducatif de modélisation tel que Model Builder (Cox & Webb, 1994). Ces deux logiciels ont des représentations totalement différentes du même problème en raison de la conception même du cadre de modélisation. Dans le cas du tableur, l’élève doit comprendre la relation entre des équations mathématiques et leur présentation et insertion sous forme tabulaire. Dans le cas de Model Builder, l’élève doit apprendre une nouvelle syntaxe de modélisation fondée sur le langage naturel et la façon dont il peut être utilisé avec des icônes et des images à l’écran (Cox & Webb, 1994 ; Cox, 2000).

21Un des problèmes possibles lorsque les enseignants et les élèves utilisent des outils de modélisation puissants tels que le Dynamic Modeling System (DMS), Stella, ou le Cellular Modelling system (Holland & Ogborn, 1988), c’est que la plupart reposent sur la méthode itérative d’Euler ou celle de Runge Kutta. L’ordinateur calcule chaque nouvel ensemble de valeurs à partir de l’ensemble précédent en utilisant les relations souvent simplistes sélectionnées par les élèves ou les enseignants eux-mêmes. Dans le cas de la modélisation du mouvement d’un satellite, l’équation qui permet de calculer la nouvelle position x du satellite est définie comme suit : X = X + VxdT.

22Les valeurs initiales de X, Vx, et dT (l’intervalle de temps entre les premières valeurs et les secondes) du côté droit de l’équation sont sélectionnées par l’utilisateur. Cette équation n’est valable pour toutes les valeurs de dT que si la vitesse Vx est supposée constante. Lors du mouvement d’un corps en rotation autour d’un autre corps, ce n’est jamais exact mais elle peut être utilisée approximativement pour des valeurs suffisamment petites de dT. Si dT est trop grand, des erreurs significatives de calculs entraînent des résultats totalement erronés. Par conséquent, les limites intrinsèques à une simulation faite à partir d’un modèle fixe établi sont compensées par la fiabilité scientifique et la valeur des résultats alors que le potentiel supérieur d’un logiciel de modélisation peut être à l’origine de résultats complètement absurdes lorsqu’il est mal utilisé.

23Brna (1988) a élaboré un laboratoire dynamique (Dynamics Laboratory – DYNLAB) qu’il a utilisé avec des élèves de 15-16 ans. Des repérages des conceptions erronées de chaque élève sont effectués à partir desquels des modèles de certaines situations sont sélectionnés. Avec DYNLAB, les élèves peuvent développer leurs propres modèles et se rendre compte de leurs erreurs.

24Les logiciels de modélisation émettent peu ou pas d’hypothèse quant aux acquis des élèves sur tel ou tel sujet. Ils ne présentent pas de contrôles didactiques intégrés, excepté en ce qui concerne le cadre de modélisation. Le sujet et le niveau de compréhension sont fixés par les élèves. Les résultats sont inconnus et ne peuvent être prédits. Des recherches à ce sujet (Ogborn, 1990 ; Cox et al., 2004 ; Webb, 2008) ont établi que l’élaboration et l’étude par les élèves de leurs propres modèles scientifiques leur permettent de mieux comprendre les concepts scientifiques et les processus à l’œuvre. Cela est fortement en faveur du développement d’outils pour permettre aux élèves d’explorer leurs propres théories et de les comparer avec celles de scientifiques.

25Les logiciels qui permettent l’enregistrement et l’analyse des données peuvent être inclus dans les logiciels de modélisation qui mettent l’accent davantage sur l’analyse d’ensembles de données expérimentales plutôt que sur l’élaboration de modèles pour effectuer les calculs ; par exemple, par la comparaison des données entre les colonnes ou les lignes d’un tableur. Bioview (McCormick & Squires, 1991) est un exemple de base de données en trois dimensions destinée aux élèves qui étudient les sciences environnementales (voir figure 4). Les cubes de données affichées à l’écran représentent différentes espèces de plantes herbacées (axe x), chaque échantillon recueilli (axe y) et l’année de recueil (axe z). Dans la fenêtre en haut à droite est affichée une partie des données recueillies à partir de sept échantillons différents. Les colonnes représentent différentes espèces de plantes herbacées et les lignes l’abondance de chaque espèce prélevée sur différents échantillons. La boîte en bas à gauche résume les données recueillies pour l’année 1968 et celle en bas à droite indique, sous forme graphique, l’abondance de chacune des huit espèces différentes. Les élèves peuvent comparer l’abondance de telle ou telle espèce selon le lieu (l’échantillon) et l’année ou l’abondance d’une seule espèce à différentes années ou les types d’espèce dans tel ou tel lieu.

Fig. 4 : quantité des différentes espèces d’herbe recueillies au cours de sept périodes de un an (Bioview, McCormick et Squires, 1991).

Fig. 4 : quantité des différentes espèces d’herbe recueillies au cours de sept périodes de un an (Bioview, McCormick et Squires, 1991).

26De même, les élèves peuvent étudier les liens entre la fréquence de malaria, la localisation de la population cible et les niveaux de traitement des eaux. Ils peuvent examiner les relations entre toutes sortes de données scientifiques expérimentales et faire des analyses statistiques simples sans devoir émettre des hypothèses sur les modèles scientifiques ou les théories se rapportant aux données. En traçant des courbes point par point ou en dessinant des diagrammes circulaires, les élèves sont capables de développer leurs propres théories en étudiant les caractéristiques et les liens entre les données qu’ils ont recueillies.

27La façon dont les nouvelles technologies ont changé la représentation et la codification du savoir, et leur influence sur les modèles mentaux des élèves, montrent que ces derniers acquièrent de nouvelles façons de raisonner et émettent des hypothèses sur leurs propres nouveaux savoirs. La variété de ces formes de raisonnement dépend de la nature du système de représentation et de la capacité de l’élève à interpréter de nouvelles images et de nouvelles formes d’écriture. Les recherches dans ce domaine explorent, à partir des travaux en intelligence artificielle sur l’interprétation des représentations diagrammatiques (Cheng, Lowe & Scaife, 2001), le raisonnement causal des apprenants utilisant des logiciels de modélisation (Bliss, 1994). L’ensemble des résultats de 50 ans de recherches dans ce domaine indique un changement fondamental des représentations et donc des frontières du savoir dans tel ou tel domaine.

1.4. Contrôle et recueil de données

28La littérature sur l’enseignement des sciences présente de nombreux exemples d’expériences menées sur une période de 35 ans qui peuvent être conduites de manière plus précise et plus fiable avec des ordinateurs reliés à des détecteurs et des commandes qu’avec d’autres appareillages (voir par exemple Sparkes, 1984 ; Cox, 1992a ; Frost, 2010). Dans les simulations décrites ci-dessus, le temps fait souvent figure de contrainte lourde pour de nombreuses expériences de laboratoire. Tout comme le temps peut être contracté et étendu dans une simulation, le recours à l’ordinateur pour le recueil de données permet aux élèves de mener des expériences pendant 24 heures, une semaine, un mois ou plus longtemps tout en s’occupant d’autres activités. Ça leur permet également d’étudier des réactions très rapides et de tout petits changements de propriétés qu’ils ne pourraient pas effectuer autrement en laboratoire. Les données de laboratoire peuvent être recueillies et analysées à partir de programmes de courte durée ou comparées à de grands ensembles de données obtenues sur Internet.

1.5. Technologies intégrées et connectées

29Les utilisations des TIC rapportées ci-dessus concernent des élèves travaillant seuls ou en binômes, le plus souvent à des activités scientifiques prévues dans les programmes et mises en place par les enseignants. Le début des années 1990 a vu l’avènement des logiciels commerciaux qui ont envahi les établissements scolaires, l’accès par Internet à des informations et ressources scientifiques illimitées mais aussi la perte de contrôle des enseignants dans le cadre scolaire formel. Ce changement a entraîné le développement d’un nouveau champ d’études pour la recherche en éducation et, plus largement pour l’enseignement des sciences. Néanmoins, au lieu d’améliorer l’utilisation des TI en sciences, les recherches montrent que les enseignants ont restreint leur utilisation personnelle des TI pour ne retenir que les logiciels commerciaux comme les tableurs et les bases de données. Des études récentes sur les politiques et pratiques dans 37 pays (Plomp et al., 2009) montrent que malgré la diminution régulière du nombre d’élèves par rapport au nombre d’ordinateurs, les enseignants ont délaissé les simulations et les modélisations scientifiques au profit de recherches sur Internet, de rédaction de courriels et de cours en accès libre (voir par exemple Régnier, 2009 pour les enseignants français de sciences et Cox, 2009 pour les enseignants de sciences en Angleterre).

30La mobilisation des ressources technologiques en sciences varie fortement d’un pays à l’autre mais le facteur prépondérant est le rôle de l’enseignant et les exigences contradictoires des programmes d’enseignement nationaux (Voogt & Knezek, 2008 ; Plomp et al., 2009).

2. L’intérêt des ressources technologiques dans l’enseignement des sciences

31Étant donné l’accès limité à l’informatique jusqu’au milieu des années 1980, l’utilisation des logiciels éducatifs de l’époque n’avait aucun caractère obligatoire. Dans les premiers cycles universitaires, ils servaient de tutoriels ou de cours d’auto-formation ou encore permettaient de gérer l’enseignement programmé (Hooper, 1977) tandis que dans les écoles, les élèves pouvaient s’en servir à titre individuel pendant les cours sur la base du volontariat. Il n’y avait alors aucune pression des gouvernements, des universités ou des responsables éducatifs locaux sur les enseignants pour qu’ils utilisent les technologies de l’information à des fins pédagogiques, même s’il devenait de plus en plus clair qu’elles pouvaient améliorer l’apprentissage et élargir le champ des programmes d’enseignement, notamment en sciences et en mathématiques (Cox & Abbott, 2004).

32À l’époque, les concepteurs espéraient que les TI conduisent à une amélioration des programmes existants et de l’apprentissage des élèves, et que cela provoque une progression des résultats des élèves aux tests d’évaluation traditionnels. Il fallut attendre de nombreux travaux de recherche et d’études sur les évaluations pour que les enseignants se rendent comptent que les TI avaient un effet sur la nature et les processus d’apprentissages qui ne pouvaient pas forcément être enseignés par des méthodes traditionnelles (Laurillard, 1978 ; Cox, 1993). Néanmoins, les agences gouvernementales considéraient les TI comme un outil pour optimiser les programmes existants sans forcément en changer les processus et contenus fondamentaux.

33La transition vers l’obligation d’utiliser les TI dans les écoles britanniques lors de la mise en place du National Curriculum en 1988 (DES, 1990) a eu des effets considérables sur la formation des enseignants en poste et sur ceux qui devaient rejoindre la profession. Bien que les États aient reconnu dès 1982 le besoin de former les enseignants aux nouvelles technologies (Cox, Rhodes & Hall, 1988 ; Cox, 1989), nombre d’entre eux se sont trompés sur le contenu de ces formations. On supposait que les enseignants qui utiliseraient les TI pour améliorer leur façon d’enseigner, n’auraient besoin que d’une formation technique car on pensait que leurs connaissances pédagogiques étaient suffisantes pour pouvoir intégrer ces TI de façon appropriée à leurs pratiques (Cox, Rhodes & Hall, 1988 ; Cox & Rhodes, 1990 ; Passey & Samways, 1997). Le programme national de formation des enseignants en mathématiques reposait sur l’idée que certains enseignants sélectionnés recevraient une formation adéquate et qu’ils seraient à leur tour chargés de former les autres enseignants de leurs établissements respectifs. Néanmoins, cette façon de former tous les enseignants dans les établissements n’a pas eu du tout le succès escompté pour de nombreuses raisons et l’impact sur l’utilisation régulière des TI a été très limité (ibid.).

34Plus récemment, des recherches sur les évolutions et les applications des TI montrent que l’intégration des TI en sciences et dans d’autres matières, et la capacité des enseignants à s’intéresser aux nouvelles technologies et pédagogies ont été largement surestimées par les États (Cox et al., 2004 ; Baron & Bruillard, 2007 ; Webb, 2008 ; Plomp et al., 2009).

35Pourtant, les résultats de la recherche révèlent que les élèves peuvent acquérir de nouvelles compétences, mieux appréhender des concepts difficiles et gagner en autonomie dans leur apprentissage grâce à une utilisation appropriée des TI (Séjourné, 2003 ; Osborne & Hennessy, 2004 ; Webb, 2008). Il reste donc des obstacles à une meilleure intégration des TI en sciences et à leur apport à l’enseignement et aux apprentissages (Cox, 2005 ; McPherson & Nunes, 2008).

2.1. Impact des TI sur l’apprentissage des élèves

36Les premières études sur l’impact des simulations informatiques et de la modélisation sur les apprentissages, menées par Papert (1980), Cox (1984), Kurland et Pea (1983) et Ogborn et Wong (1984), ont montré que ce type de logiciel permettait aux élèves d’étudier des processus scientifiques qui étaient au-delà des limites de leurs capacités mathématiques. Ils pouvaient également établir des relations scientifiques qui représentaient plus précisément le monde autour d’eux. À partir d’exemples de simulations existantes, les élèves pouvaient mener des enquêtes en jouant le rôle de scientifiques, et étudier des processus trop longs, trop dangereux ou trop coûteux pour être étudiés dans le laboratoire de l’école.

37Dans le cadre du Tools for Exploratory Learning Project (Mellar et al., 1994), les recherches comparant les simulations aux logiciels de modélisation ont montré que les élèves étaient capables d’étudier des modèles beaucoup plus complexes que de construire leurs propres modèles. D’autres recherches similaires conduites dans le cadre du Modus Project (Webb, 1994) et par Papert (1980) ont également révélé que le design des logiciels avait un effet considérable sur la capacité des élèves à construire des modèles informatiques. Le projet Impact (Watson, 1993), qui étudiait l’impact des TI sur plus de 2 000 élèves du primaire et du secondaire, a montré un impact positif statistiquement significatif des TI sur l’apprentissage des élèves en mathématiques, anglais, sciences et géographie. Néanmoins, cet impact dépendait de la nature des tâches d’apprentissage et des pratiques pédagogiques des enseignants.

38Dix ans plus tard, le projet Impact2 (Harrison et al., 2002) établissait une corrélation significative entre l’utilisation des TI et les résultats aux tests nationaux des élèves de primaire âgés entre 7 et 11 ans. En outre, l’utilisation la plus intensive des TI dans cette classe d’âge était en anglais où 61 % des élèves disaient avoir utilisé les TI dans cette matière pendant au moins plusieurs semaines du trimestre. Dans le secondaire, ce projet révélait également une corrélation entre l’utilisation des TI et les résultats aux tests nationaux en sciences, même si leur utilisation (31 %) était moins fréquente qu’en anglais (39 %) ou qu’en mathématiques (33 %).

39Des études de plus en plus nombreuses montrent aussi un lien entre les TI et la motivation des élèves. Elles rendent les cours plus agréables, plus attrayants (Cox, 1997, 1999) et améliorent la confiance en soi (Gardner, Dukes & Discenza, 1993). En outre, il existe une littérature psychologique abondante, aussi bien théorique qu’empirique, sur les effets des nouvelles technologies sur le changement des mentalités lié à la capacité des individus à utiliser ces technologies (voir par exemple Davis, Bagozzi & Warshaw, 1989 ; Ajzen, 1988 ; Weiner, 1990 ; Ames, 1992 ; Compeau & Higgins, 1999). Les résultats de ces études montrent que les gens sont plus enclins à utiliser les nouvelles technologies s’ils ont une attitude positive envers elles et s’ils pensent qu’elles peuvent leur être utiles dans leur travail et leur formation professionnelle.

2.2. Difficultés pour les enseignants de sciences

40Pour les chefs d’établissement, il s’agit de déterminer la priorité entre d’une part l’enseignement des TI comme matière destinée à former des experts pour le monde de demain et d’autre part l’application et l’utilisation de ces technologies dans l’ensemble des matières au programme pour améliorer l’acquisition des compétences et l’apprentissage des concepts traditionnels de l’enseignement. D’où la difficulté supplémentaire pour les enseignants de sciences d’avoir accès aux nouvelles technologies dans leur établissement pour répondre à leurs besoins pédagogiques. Ensuite, l’emprise des logiciels commerciaux tels que Microsoft Office (traitement de textes, tableur, bases de données, Powerpoint, etc.) dans certains secteurs éducatifs a relégué au second plan la plupart des logiciels pédagogiques disponibles dans les années 1980 et au début des années 1990. Une bonne comparaison serait de donner une encyclopédie à un professeur de sciences physiques plutôt qu’un manuel de physique écrit par une spécialiste de la matière. Beaucoup plus de travail de préparation serait nécessaire à l’enseignant dans le premier cas que dans le second.

41Les enseignants sont toujours confrontés à un dilemme entre l’utilisation des ressources technologiques les plus aisément disponibles dans les établissements scolaires, ce qui implique de repenser sa pédagogie pour pouvoir utiliser des outils génériques destinés à l’origine à un usage commercial avec des adultes, et l’utilisation de logiciels disciplinaires, plus populaires il y a une vingtaine d’années, qui doivent être évalués et sélectionnés en fonction de leur pertinence par rapport à la matière et au programme enseignés et achetés. Les recherches sur l’impact des TI dans le programme de sciences montrent deux facteurs prépondérants influençant l’appropriation et l’utilisation des TI par les enseignants et l’acquisition de connaissances et compétences par les élèves. Tout d’abord, les convictions pédagogiques des enseignants sur la façon dont les élèves apprennent et sur le type d’expériences pédagogiques les plus efficaces peuvent les dissuader d’avoir recours aux nouvelles technologies (Baron & Bruillard, 1999 ; Cox et al., 2004, Scrimshaw, 2004 ; Kalogiannakis, 2004). Ensuite, les changements de pratiques enseignantes et l’appropriation des nouvelles technologies par l’institution elle-même sont influencés par un ensemble de facteurs institutionnels qui, à leur tour, affectent la façon dont ces technologies sont intégrées dans le programme de sciences (Fullan, 1991 ; Ainley, Enger & Searle, 2008).

42Les enseignants et les élèves sont confrontés à des difficultés supplémentaires en raison des nouvelles représentations et des savoirs issus des environnements technologiques, exigeant une recodification et donc une appropriation de ces savoirs ainsi qu’un renouvellement de la relation enseignant-élève. Comme nous venons de le voir, les technologies de l’information peuvent étendre les connaissances à la portée des élèves en simplifiant les modèles mathématiques des processus simulés, en leur permettant de remettre en question leurs propres théories de la connaissance, en développant des modèles informatiques.

43La littérature sur la recherche-développement des TI et les sciences cognitives (par exemple Wegeriff, 1996 ; Mellar et al., 1994 ; Griffin & Christensen, 1999 ; Cheng, 1999) indique que les TI changent les façons dont les savoirs sont présentés par une recodification de ces savoirs et le recours aux icônes, aux images en mouvement, aux graphiques et aux interactions. Merrill (1980, 1994) a montré comment la conception des environnements informatiques pouvait s’appuyer sur des théories de la cognition et ainsi proposer aux élèves des parcours d’apprentissage. Les recherches dans ce domaine vont de l’intelligence artificielle à l’interprétation des représentations en diagrammes (Cheng, Lowe & Scaife, 2001), en passant par le raisonnement causal des élèves par modélisation (Bliss, 1994). Les résultats de vingt ans de recherche dans ce domaine indiquent tous un changement fondamental des représentations et donc des frontières du savoir dans tel ou tel domaine. Par leur caractère multimédia interactif, les TI permettent de personnaliser le parcours des élèves en s’adaptant aux différents styles d’apprentissage. Au fur et à mesure que les environnements informatiques se diversifient, les résultats de la recherche sur l’enseignement des sciences montrent que l’étendue et la focalisation des savoirs changent et permettent des contenus plus élaborés et parfois des interactions inattendues.

2.3. Une société d’apprenants

44Cet article s’est jusqu’à présent focalisé sur les effets des nouvelles technologies sur l’enseignement des sciences dans des environnements éducatifs formels, mais une des avancées les plus importantes de ces technologies réside dans l’extension de l’enseignement vers des cadres plus informels et vers la société tout entière. L’influence grandissante des TI dans la société permet d’élargir l’accès à l’éducation et entraîne de nouveaux défis pour les enfants en âge préscolaire et scolaire, les apprenants adultes, les professionnels au travail et les plus défavorisés. Les nouvelles technologies ont effacé les frontières entre l’enseignement formel et les apprenants, et démocratisé l’enseignement par un accès plus aisé à une information de qualité via Internet.

2.3.1. Faire tomber les barrières en éducation formelle

45Il est avéré que la place grandissante d’Internet dans l’enseignement à distance et dans la mobilisation de ressources a permis d’élargir les possibilités de formation pour les élèves et les étudiants (Watson & Anderson, 2002 ; Sorensen et al., 2007). Nombre d’universités offrent désormais des formations ou des unités d’enseignement à distance pour démocratiser l’accès aux études et encourager le travail d’équipe entre étudiants (voir Lam & Markenhof, 2002 ; Schrum & Hong, 2002). Dans l’enseignement primaire et secondaire, les enseignants et les élèves peuvent accéder à des informations mises à jour, se joindre à la communauté élargie des enseignants et des élèves (Vescoukis & Retalis, 1999) et collaborer grâce aux appareils mobiles (Looi et al., 2011).

46Depuis plus de dix ans maintenant, les autorités locales chargées de l’éducation au Royaume-Uni ont été mises en réseau et apportent des ressources éducatives aux établissements dont ils ont la responsabilité (Somek et al., 2002). Néanmoins, les recherches ont montré que « les enseignants dans les établissements primaires et secondaires ont besoin d’être beaucoup plus encouragés et soutenus pour utiliser les TI à des fins administratives. À cette fin, les méthodes actuelles d’utilisation des informations devront être revues pour bénéficier des infrastructures disponibles grâce aux systèmes informatiques et la paperasserie devra être progressivement écartée. À l’heure actuelle, les enseignants n’éprouvent pas le besoin de changer ou n’y voient pas d’avantages potentiels » (ibid., p. 5).

2.3.2. Changement de rôles pour les enseignants et les élèves

47Avant l’avènement des TI, les enseignants diffusaient de l’information aux élèves et les dirigeaient dans leurs apprentissages. Depuis, les nouvelles technologies ont modifié leur rôle comme celui des élèves. Tout d’abord, comme nous l’avons vu, on trouve des logiciels éducatifs qui permettent aux élèves de mener des enquêtes originales sur des processus et des relations : par exemple, les simulations et les modélisations donnent plus d’autonomie aux élèves qui sont dès lors moins dépendants du savoir et de l’expertise de leurs enseignants (Hoyles, Sutherland & Evans, 1986 ; Davis, 1990 ; Hill, 1990 ; Lam & Markenhof, 2002). Ensuite, l’accès aux informations pertinentes en temps réel sur Internet dirige les élèves vers d’autres enseignants peut-être encore plus experts que l’enseignant « officiel ». Celui-ci joue alors le rôle de guide et de collaborateur dans l’étude de la matière (Baron & Bruillard, 2007 ; Van Aalst & Chan, 2007). Enfin, les élèves peuvent accéder à un public international de tous âges par la création de leur propre site Internet (Abbote, 1999, 2001) et se transformer en passeurs d’informations auprès d’autres élèves au-delà de leur propre établissement (Vescoukis & Retalis, 1999 ; Cox, 2012).

2.3.3. Les réseaux sociaux

48La montée en puissance des réseaux sociaux, des smartphones et d’autres technologies portatives signifie que les élèves ayant accès à des ressources éducatives à leur domicile, à travers leur ordinateur portable ou les environnements virtuels d’apprentissage, peuvent faire le lien entre leur travail en classe et les devoirs la maison (Pachler & Redondo 2005 ; Underwood et al., 2007). En outre, la limite entre les loisirs et le travail est de plus en plus floue dans la mesure où les enseignants utilisent des ressources vidéo issues d’Internet ou des podcasts en complément des devoirs à la maison (Pachler, 2007). Pachler a montré que les élèves qui se servaient davantage de leur ordinateur chez eux avaient également tendance à plus les utiliser en classe (Pachler, 2007). Des études plus récentes sur l’accès des élèves aux ressources TI dans des cadres formel et informel révèlent un fossé croissant entre le niveau d’accès, le type de ressources mobilisées mais aussi la possibilité des usagers de bénéficier d’un tel accès à l’enseignement (Cooper, 2006 ; Tolley, 2008 ; Cox, 2012). Là où les élèves étudient toujours dans un cadre formel, on observe une mobilité accrue des technologies : cela va des appareils portatifs miniaturisés aux apprentissages en ligne, le tout permettant aux élèves d’étudier tout le temps et partout (Facer & Sandford, 2010).

49Il est avéré que l’accès informel aux TI peut jeter des ponts entre différents environnements, encourager la coopération, l’évaluation et la présentation, et ouvrir de nouvelles possibilités aux élèves handicapés ou à besoins spécifiques. Cependant, une plus grande maîtrise des TI, interprétée comme étant la capacité à utiliser certaines applications en toute confiance, n’entraîne pas forcément les résultats les plus bénéfiques. Wecker, Knohnle et Fischer (2007) ont étudié la relation entre la maîtrise informatique et l’acquisition de connaissances dans deux classes terminales du secondaire qui travaillaient sur la lumière à partir d’une recherche scientifique sur Internet. Ils n’ont trouvé aucune corrélation entre la maîtrise informatique et l’acquisition de connaissances. Les élèves les plus familiers des ordinateurs passaient moins de temps sur chaque information élémentaire, leur donnant ainsi guère l’occasion de fouiller les informations que ceux-ci apportent. Ils en ont conclu qu’une moindre maîtrise des outils informatiques ne constituait pas toujours un inconvénient car les élèves dans ce cas passaient plus de temps sur les tâches scientifiques. Les exigences de l’environnement scientifique n’étaient apparemment pas une barrière. La difficulté à comprendre l’ensemble complexe de facteurs qui favorisent ou gênent l’utilisation des nouvelles technologies rend délicate la mise en place de stratégies pédagogiques appropriées. Les chercheurs doivent prendre en compte la transition actuelle vers l’enseignement fondé sur les TI où le face-à-face enseignant-élèves sera minoritaire (voir Cox, 2012, fig. 1) au profit de nouvelles expériences d’apprentissage en dehors des cadres formels.

50L’accès aux nouvelles technologies chez soi ou en déplacement entraîne un changement de paradigme en éducation. Au-delà du « fossé numérique », il existe un fossé cognitif selon les facilités qu’ont les élèves à manier ces outils et donc à utiliser ou non toutes leurs applications et fonctions.

51Enfin, plus les TI diversifient et renouvellent les représentations du savoir et les interactions personne-machine, plus les compétences technologiques s’interpénètrent avec les connaissances issues des activités d’apprentissage. Pour que les enseignants et les élèves tirent bénéfice d’un environnement de modélisation, d’une simulation scientifique ou d’une activité issue d’Internet, ils doivent d’abord comprendre les symboles et les codes de cet environnement. De nouvelles représentations apportent de nouveaux modèles mentaux chez les élèves qui sont influencés par l’environnement d’apprentissage et la façon dont les savoirs leur sont présentés.

Conclusion

52Les apports avérés des nouvelles technologies à l’enseignement des sciences et à la société se manifestent par un renouvellement et une diversification de l’enseignement, un enrichissement des expériences d’apprentissage et un élargissement des contenus scientifiques. Les nouvelles technologies permettent également de favoriser l’accès à l’enseignement et d’effacer les frontières entre les apprentissages formels et informels. Elles peuvent enfin améliorer les apprentissages fondamentaux et élever le niveau de réussite des élèves quel que soit leur âge. Néanmoins, l’introduction massive des nouvelles technologies dans l’enseignement et la société révèle des priorités et des politiques contradictoires et de nombreuses questions attendent encore une réponse.

53La première question à laquelle les pouvoirs publics et les enseignants doivent répondre, c’est comment résoudre le conflit entre, d’une part, l’enseignement/apprentissage des technologies de l’information comme matière destinée à former des experts pour le monde de demain et, d’autre part, l’application et l’utilisation de ces technologies dans l’ensemble des matières au programme pour améliorer l’apprentissage des compétences et des concepts traditionnels de l’enseignement. Dans le premier cas, les pouvoirs publics n’ont besoin que d’un certain nombre d’enseignants correctement formés et qualifiés et les établissements scolaires peuvent alors attribuer des ressources technologiques limitées à une seule matière au programme. Dans le second cas, les enseignants doivent pour leur part être experts dans l’usage de ces technologies de l’information dans leur domaine propre et faire la preuve qu’elles vont accroître et étendre les apprentissages de leurs élèves au-delà du niveau qu’ils atteignent par des méthodes traditionnelles. Pour y parvenir, les besoins de formation des enseignants sont considérables non seulement pour renouveler leurs pratiques et contenus pédagogiques mais aussi pour maîtriser les nouvelles compétences liées aux technologies de l’information. Néanmoins, comme nous l’avons montré dans cet article, malgré 40 ans d’investissements des pouvoirs publics en ce sens, nombre d’enseignants en sciences sont encore largement réticents à intégrer les nouvelles technologies dans leur enseignement ou alors elles sont souvent enseignées pour elles-mêmes de façon superficielle ou sans grande stimulation intellectuelle pour les élèves.

54Le deuxième défi découle de l’appauvrissement des programmes de sciences suite à l’abandon des contenus basés sur les ressources technologiques qui, pourtant, contribuaient à l’amélioration des apprentissages, au profit de l’utilisation de Microsoft Office et à une focalisation sur les compétences bureautiques plutôt qu’à la connaissance disciplinaire et à la cognition. Les apports de la recherche montrent que les ressources technologiques propres à chaque discipline sont à même d’émanciper les enseignants de sciences comme les élèves grâce à de nouvelles méthodes d’investigation et de découverte, et en repoussant les limites des ressources, des moyens de communication et des programmes scolaires eux-mêmes. Or des études révèlent que la majorité des enseignants limitent toujours leur utilisation des nouvelles technologies à des logiciels commerciaux, refusant ainsi aux élèves la possibilité d’améliorer les activités d’apprentissage pertinentes par rapport aux matières enseignées. Si l’objectif est de faire en sorte que les élèves optimisent leur utilisation, alors les enseignants et les établissements d’enseignement secondaire et supérieur doivent investir dans des logiciels éducatifs et des ressources en ligne dédiés à cet objectif.

55Les enseignants sont aussi confrontés à une perte de maîtrise du processus d’apprentissage formel à cause des apprentissages informels des élèves chez eux, sur les réseaux sociaux, et des relations avec les experts et d’autres technologies plus attractives en dehors du cadre scolaire. Pour essayer de s’adapter à ces nouvelles activités, ils abandonnent souvent leurs bonnes pratiques, les contenus pédagogiques et leur capacité de conviction, par manque de confiance et de compréhension de l’influence possible des nouvelles technologies dans l’enseignement.

56Enfin, de nouvelles compétences (perception et compréhension liées à de nouveaux modes de présentation et de représentation des sciences) modifient l’importance et l’équilibre des productions, des contenus et du sens des ressources éducatives en sciences, ce qui souvent n’est pas compris des enseignants. Nombre d’enseignants sont incapables de transformer leur pédagogie pour intégrer ces nouveaux savoirs et changer la façon de les présenter devant les élèves. D’autres acceptent les nouvelles technologies sans remettre en cause la validité des contenus et des informations transmis. Dès lors, la priorité pour les enseignants scientifiques est de bien comprendre l’influence des nouvelles technologies pour mieux les exploiter au profit de leurs élèves.

57Les difficultés auxquelles ces enseignants sont confrontés appellent un renouvellement de leur formation aux nouvelles technologies, des changements de curriculum formel dans le secondaire et le supérieur ainsi qu’une réorganisation du temps scolaire au sein des institutions éducatives. La société doit également reconnaître que les savoirs disciplinaires sont désormais inextricablement liés aux métaphores technologiques représentant ces savoirs et qu’au fil des avancées technologiques, l’équilibre entre telle ou telle matière et les représentations technologiques entraînera de nouveaux savoirs scientifiques et de nouveaux domaines de connaissances. La plus grosse difficulté est que, au fur et à mesure que les nouvelles technologies accroissent leur influence et donc que le défi intellectuel augmente, l’expertise nécessaire pour les utiliser échappe à la compréhension de plus en plus d’enseignants et d’élèves dans la société.

Haut de page

Bibliographie

ABBOTT C. (1999). The Internet, text production and the construction of identity : Changing use by young males during the early to mid 1990s. Unpublished PhD, Londres : King’s College, University of London.

ABBOTT C. (2001). Some Male Web Site Owners : the technological aesthete, the community builder and the professional activist. Education, Communication and Information, vol. 1, n° 2, p. 197-212.

AINLEY J., ENGER L. & SEARLE D. (2008). Students in a digital age : Implications of ICT for teaching and learning. in J. Voogt, & G. Knezek (éd.), International Handbook of Information Technology in Primary and Secondary Education, Berlin, Heidelberg, New York. Springer, p. 63-80.

AJZEN I. (1988). Attitudes, Personality and Behavior. Milton Keynes : Open University Press.

AMES C. (1992). Classroom ; goals, structures and student motivation. Journal of Educational Psychology, vol. 84, n° 3, p. 261-271.

BAGNALL P. (1998). The Internet : where it came from, how it works. Physics Education, vol. 33, n° 3, p. 143-148.

BARON G.-L. & BRUILLARD É. (1999). Usages Éducatifs des Technologies de L’information et de la Communication : Quelles Compétences pour les Enseignants ? Educational Media International, vol. 36, n° 2, p. 168-170.

BARON G.-L. & BRUILLARD É. (2007). ICT, educational technology and educational instruments. Will what has worked work again elsewhere in the future ? Education and Information Technologies, n° 12, p. 71-81.

BLISS J. (1994). Causality and Common Sense reasoning. In H. Mellar, J. Bliss, R. Boohan, J. Ogborn & C. Tompsett, Learning with Artificial Worlds : Computer Based Modelling in the Curriculum, Falmer Press, p. 117-127.

BORK A. (1981). Learning with computers. Billerica (MA) : Digital Press.

BRNA P. (1988). Confronting science misconceptions : a computer-based-methodology. In F. Lovia & E. D. Tagg (éd.), Computers in EducationECCE 88, Amsterdam : North Holland.

CHENG P. C.-H. (1999). Unlocking conceptual learning in mathematics and science with effective representational systems. Computers in Education, vol. 33, n° 2-3, p. 109-130.

CHENG P. C-H, LOWE R.K. & SCAIFE M. (2001). Cognitive science approaches to diagramatic representations. Artifical Intelligence Review, vol. 1/2., n° 15, p. 79-94.

COMPEAU D. R., & HIGGINS C. A. (1999). Social cognitive theory and individual reactions to computing technology : A longitudinal study, Managment Information Sytems (MIS) Quarterly, n° 23, p. 145-158.

COOPER J. (2006). The digital divide : the special case of gender. Journal of Computer Assisted Learning, vol. 22, n° 5, p. 320-334.

COX M.J. (1983). Case Study of the Application of Computer Based Learning. in N.J. Rushby (éd.), Computer Based Learning – State of the Art Report, Pergamon, p. 31-46.

COX M. J. (1984). Evaluation and dissemination of science software. Journal of Science Education in Japan, vol. 8, n° 2, p. 147-156.

COX M.J. (1992a). The Computer in the Science Curriculum. The International Journal for Educational Research, vol. 17, n° 1.

COX M.J. (1992b). Using Microcomputers to Enhance the Understanding of Science Concepts. In J. Aghion, J. Depireux, & R. Holvoet (éd.), Sciences, de l’experimentation aux concepts. 10-22. Commissariat général aux Relations internationales de la Communauté française de Belgique.

COX M.J (1993). The Project Design and Method. in D.M. Watson (éd.), Impact. An evaluation of the Impact of the Information Technology on Children’s Achievements in Primary and Secondary Schools. Londres : King’s College, p. 7-25

COX M.J. (1996). Computer Simulations and Modelling. in T. Plomp & D.L. Ely (éd.), The International Encyclopaedia of Educational Technology, 2de éd., Elsevier Science (Pergamon), p. 411-414.

COX M.J. (1997). The Effects of Information Technology on students’ motivation. Final Report. Londres : NCET/King’s College.

COX M.J. (1999). Motivating learners through the use of ICT. in M. Leask & N. Pachter (éd.), Learning to Teaching using ICT in the Secondary School, Routledge, p. 19-35.

COX M.J. (2000). Information and communication technologies : their role and value for science education. In M. Monk & J. Osborne, (éd.), Good Practice in Science Teaching – What Research has to Say, Open University Press UK.

COX M.J. (2005). Educational Conflict : the problems in institutionalizing new technologies in Education. In G. Kouzelis, M. Pournari, M. Stoeppler, V. Tselfes (éd.), Knowledge in the New Technologies, Berlin : Peter Lang, p. 139-165.

COX M.J. (2009). Chapter 15. National Policies and Practices on ICT in Education : England. In T. Plomp, R. Andersen, N. Law & A. Quale (éd.), Cross-National Information and Communication Technology : Policies and Practices in Education, 2de éd., Charlotte (North Carolina) : Information Age Publishing, p. 315-330.

COX M. J (2012). Formal to informal learning with IT : research challenges and issues for e-learning. Journal of Computer Assisted Learning. (In press – Early view online).

COX M. J, RHODES V. & HALL J. (1988). The use of Computer Assisted Learning in primary schools : some factors affecting the uptake. Computers and Education, vol. 12, n° 1, p. 173-178.

COX M. J. & RHODES V. (1989). Time for Training. Video. Swindon : Economic and Social Research Council.

COX M.J. & RHODES V. (1990). Current Practice and Policies for Using Computers in Primary Schools : Implications For Training. Lancaster : Economic and Social Research Council.

COX M.J. & WEBB M (1994). Developing software and curriculum Materials : The Modus Project in H. Mellar, J. Bliss, R. Boohan, J. Ogborn & C. Tompsett, Learning with Artificial Worlds : Computer Based Modelling in the Curriculum. Falmer Press.

COX M. J. & ABBOTT C., WEBB M., BLAKELEY B., BEAUCHAMP T. & RHODES V. (éd.). (2004). A review of the research literature relating to ICT and attainment. Coventry : Becta/London : DfES.

DAVIS A. (1990). The computer : A Modern aid to reading ? Developing Pupil Autonomy in Learning with Microcomputers. Teachers Voices., n° 15.

DAVIS F.D, BAGOZZI R.P & WARSHAW P.R. (1989). User acceptance of computer technology : a comparison of two theoretical models. Management Science. vol. 35(8). p. 982-1003.

DE DIANA, I.P.F. & WHITE T.N. (1994). Towards And Educational Superinterface. Journal for Computer Assisted Learning, vol. 10, n° 2, p. 93-103.

DES (Department for Education and Science) (1990). Technology in the National Curriculum. Her Majesty’s Stationery office.

FACER K. & SANDFORD R. (2010). The next 25 years ? Future scenarios and future directions for education and technology. Journal of Computer Assisted Learning, vol. 26, n° 1, p. 74-93.

FROST R. (2010). The IT in Science Book of Data logging and Control. Londres : Roger Frost.

FULLAN M.G. (1991). The new meaning of Educational Change. Londres : Cassell.

GARDNER, D.G., DUKES R.L., DISCENZA R. (1993). Computer use, self-confidence, and attitudes : a causal analysis. Computers in human behaviour, vol. 9., p. 427-440.

GRIFFIN D. & CHRISTENSEN R. (1999). Concerns-Based Adoption Model (CBAM) Levels of Use of an Innovation (CBAM-LOU). Denton (Texas) : Institute for the Integration of Technology into Teaching and Learning.

HARRISON C., COMBER C., FISHER T., HAW K., LUNZER E., MCFARLANE A., MAVERS D., SCRIMSHAW P., SOMEKH B. & WATING R. (2002). ImpaCT2 The Impact of Information and Communication Technologies on Pupil Learning and Attainment. BECTa and DfES. DfES publications.

HAWKRIDGE D. (1990). Who needs computers in schools, and why ? Computers and Education, n° 15, p. 1-3.

HILL J. (1990). Children in Control : Attempts at fostering an autonomous attitude towards the computer work in the classroom. Developing Pupil Autonomy in Learning with Microcomputers. Teachers Voices. 2. NCET

HINTON T. (1981). Simulation and modelling and the algorithmic approach. In D. Wildenberg (éd.), Computer simulations in university teaching, Amsterdam : North Holland.

HOLLAND D., & OGBORN J. (1988). The cellular modelling system. Harlow : Longman.

HOOPER R. (éd.) (1977).The National Development Programme in Computer Assisted Learning : Final Report of the Director. Londres : Council for Educational Technology.

HOYLES C., SUTHERLAND R. & EVANS J. (1986). Using LOGO in the mathematics clasroom. What are the implications of learner devised goals ? Computers and Education, vol. 10, n° 1, p. 61-72.

KALOGIANNAKIS M. (2004). Nouvelles formes de communication, nouveau métier pour les enseignants ? Educational Media International, vol. 41, n° 4, p. 339-345.

KEMMIS S., ATKIN R. & WRIGHT E. (1977). How do students learn ? Working papers on computer assisted learning, UNCAL evalutation studies, occasional publication 5, Centre for Applied Research in Education, University of East Anglia.

KURLAND D.M. & PEA R.D. (1983). Children’s mental models of recursive LOGO programs. in Proceedings of the Fifth Annual Cognitive Science Society, Rochester, New York.

LAM I. & MARKENHOF A. (2002). Student-centred Learning in a Telematic Learning environment. In D. M. Watson & J. Anderson (éd.) Networking the Learner. Computers in Education. IFIP. Dordrecht : Kluwer, p. 29-38.

LAURILLARD D. M (1978). Evaluation of Student Learning in CAL. Computers and Education. 2 : 259 -263.

LAURILLARD D.M. (1993). How can Learning Technologies improve learning ? Law Technology Journal, vol. 3., n° 2.

LE CORRE Y. (1973). the computer in teaching physics. trends in teaching physics. Genève : EPS.

LEWIS R., & TAGG, E. D. (1987). Trends in computer assisted education. Oxford : Blackwell Scientific.

LOOI C-K., ZHANG, B., CHEN W., SEOW P., CHIA G., NORRIS C., & SOLOWAY E. (2011). Mobile Inquiry Learning Experience For Primary Science Students : a study of learning effectiveness. Journal of Computer Assisted Learning, vol. 27, n° 3, p. 269-287.

MCCORMICK S. & SQUIRES D. (1991). Bioview. Londres : King’s College.

MCKENZIE J., ELTON L.R.B., & LEWIS R. (éd.) (1978). Interactive Computer Graphics in Science Teaching. Chichester : Ellis Horwood.

MCPHERSON M.A. & NUNES J.M. (2008). Critical issues for e-learning delivery : what may seem obvious is not always put into practice. Journal of Computer Assisted Learning, vol. 24, n° 5, p. 433-445

MELLAR H., BLISS J., BOOHAN R., OGBORN J. & TOMPSETT C. (éd.) (1994). Learning with Artificial Worlds : Computer Based Modelling in the Curriculum. Londres : The Falmer Press.

MERRILL M.D. (1965). Computer-based mathematics instruction. Bulletin of the International Study Group for Mathematics Learning, n° 3, p. 7-22.

MERRILL M.D. (1980). Learner control in computer based learning. Computers and Education, n° 4, p. 77-95

MERRILL M.D. (1994). Instructional Design Theory. Englewood Cliffs : Educational Technology Publications.

MONK M. & OSBORNE J. (éd.) (2000). Good Practice in Science Teaching – What Research has to Say. Open University Press UK.

MOONEN J. (éd.) (2008). Section 11. International and Regional Programs and Policies. in J. Voogt, & G. Knezek. (éd.), International Handbook of Information Technology in Primary and Secondary Education, Berlin, Heidelberg, New York : Springer, p. 1069-1178.

NCET (National Council for Educational Technology) (1994). ILS – Integrated Learning Systems : a report of the pilot evaluation of ILS in the UK. Coventry : NCET.

OGBORN J. & WONG D. (1984). A microcomputer dynamic modelling system. Physics Education, vol. 10., p. 138-142.

OGBORN J. (1990). A future for modelling in science education. Journal of Computer Assisted Learning, vol. 6, n° 2, p. 101-113.

OSBORN J. & HENNESSY S. (2003). Literature Review in Science Education and the Role of ICT : Promise, Problems and Future Directions. Futurelab UK

PACHLER N. (éd). (2007). Mobile learning : towards a research agenda. Londres : The WLE Centre, Institute of Education.

PACHLER N. & REDONDO A (2005). Linking School with Home Use. Learning To Teach Using ICT. In L. Marilyn and P. Norbert (éd.), The Secondary School : A Companion To School. Londres : Routledge.

PAPERT S. (1980). Mindstorms : Children, computers, and powerful ideas. New York : Basic Books.

PASSEY D. & SAMWAYS B. (éd.) (1997). Information Technology Supporting Change through Teacher Education. IFIP. Chapman and Hall, p. 87-94.

PELGRUM W.J. & PLOMP T. (1991). The Use of Computers in Education worldwide. Results from the IEA Computers in Education Survey in 19 Education Systems. Oxford : Pergamon Press.

PLOMP T. & ELY D.L. (éd.) (1996). The International Encyclopaedia of Educational Technology. (Pergamon) Elsevier Science, 2de éd., p. 411-414.

PLOMP T., ANDERSEN R., LAW N. & QUALE A. (2009). Cross-National Information and Communication Technology : Policies and Practices in Education, Charlotte : Information Age Publishing, 2de éd.

REEVES T.C. (2008). Evaluation of the Design and Development of IT Tools in Education. In International Handbook of Information Technology in Primary and Secondary Education, Springer International Handbook of Information Technology in Primary and Secondary Education, vol. 20, p. 1037-1051.

REGNIER C. (2009). Chapter 18. National Policies and Practices on ICT in Education : France. In T. Plomp, R. Andersen, N. Law & A. Quale, (éd.), Cross-National Information and Communication Technology : Policies and Practices in Education, 2de éd., Charlotte : Information Age Publishing, p. 257-277.

ROGERS L. & NEWTON L. (2001). Integrated Learning Systems. An “open” approach. International Journal of Science Education, vol. 23, n° 4, p. 405-422.

SAKONIDIS H. (1994). Representations and Representation Systems. In (Mellar, H., Bliss, J., Boohan, R., Ogborn, J., & Tompsett, C. (éd.) Learning with Artificial Worlds : Computer Based Modelling in the Curriculum. Londres : Falmer Press. p. 39-46.

SCHRUM L. & HONG S. (2002). From The Field : Characteristics Of Successful Tertiary Online Students And Strategies Of Experience Online Educators. Education and Information Technologies, vol. 7, n° 1, p. 5-16.

SCHWARTZ J. L. (1986). The power and the peril of the particular : Thoughts on the role for microcomputers in science and mathematics education. Machine Mediated Learning, n° 14, p. 345-354.

SCRIMSHAW P. (2004). Enabling teachers to make successful use of ICT. Coventry : British Educational Communications and Technology Agency (Becta).

SÉJOURNÉ A. (2003). Eléments théoriques pour la conception d’un hypermédia en sciences physiques, Didaskalia, n° 23, p. 65-100

SOMEKH B., WOODROW D., BARNES S., TRIGGS P., SUTHERLAND R., PASSEY D., HOLT H., HARRISON C., FISHER T., FLETT A., & JOYES G. (2002). NGfL Pathfinders. Final Report on the roll-out of the NGfL Programme in ten pathfinder Local Educational Authorities. Londres : Department for Education and Skills.

SORENSEN P., TWIDLE J., Child A. & Godwin J. (2007). The Use of the Internet in Science Teaching : A longitudinal study of developments in use by student-teachers in England. International Journal of Science Education, vol. 29, n° 13, p. 1605-1627

SPARKES R. A. (1984). The BBC microcomputer in science teaching. Londres : Hutchinson.

SUPPES P (1968). Computer-assisted instruction : an overview of operations and problems. IFIP Congress (2), p. 1103-1113

SUPPES P. & MORNINGSTAR M. (1972). Computer assisted instruction at Stanford, 1966-1968. New York : Academic Press.

SUPPES P. (1979). Current Trends in Computer-Assisted Instruction. Advances in computers. vol. 18, p. 173-229.

TINSLEY J.D. & VAN WEERT T.J. (1989). Educational Software at the Secondary Level. Proceedings of the IFIP Technical Committee 3/WG 3.1 Working Conference on Educational Software at Secondary Level. Amsterdam : Elsevier.

TOLLEY R.J. (2008). Report The current state of affairs with regard to virtual and managed learning environments in UK schools. NAACE.

UNDERWOOD J.T., BAGULEY T., BANYARD P., COYNE E., FARRINGTON-FLINT L. & SELWOOD I. (2007). Impact 2007 : Personalising learning with technology. Coventry : Becta.

VAN AALST J. & CHAN C.K.K. (2007). Student-directed assessment of knowledge building using electronic portfolios. The Journal of the Learning Sciences, vol. 16, n° 2, p. 175-220.

VAN DEN AKKER J., KEURSTEN P. & Plomp T. (1992). The Integration of computer use in Education. International Journal of Educational Research, vol. 17, n° 1.

VESCOUKIS V. C. & RETALIS S. (1999). Networked learning with user-enriched educational material. Journal of Computer Assisted Learning, vol. 15, n° 3, p. 211-220.

VOOGT J. & KNEZEK G. (éd.) (2008). International Handbook of Information Technology in Primary and Secondary Education. Berlin, Heidelberg, New York : Springer.

WATSON D.M. (1992). The Computer in the Social Science Curriculum. in T.J. Plomb & J. Moonen (éd.), The International Journal for Educational Research, vol. 17, n° 1.

WATSON D.M. (éd.) (1993). The ImpacT Report. An evauation of the impact of Information technology on children’s achievements in primary and secondary schools. Londres : King’s College.

WATSON D. M. & ANDERSON J. (2002) (éd.). Networking the Learner. Computers in Education. IFIP. Dordrecht : Kluwer.

WEBB M. (2008). The Impact of IT on Science Education. in J. Voogt & G. Knezek (éd.), International Handbook of Information Technology in Primary and Secondary Education, Berlin, Heidelberg, New York : Springer, p. 133-148.

WECKER C., KNOHNLE C. & FISCHER F. (2007). Computer Literacy and inquiry learning : when geeks learn less. Journal of Computer Assisted Learning, vol. 23, n° 2, p. 133-144.

WEDEKIND J. (1981). The instructional use of computer simulations in the teaching of biology. In D. Wildenberg (éd.), Computer simulations in university teaching, Amsterdam : North Holland.

WEGERIFF R. (1996). Collaborative learning and directive software. Journal for Computer Assisted Learning, vol. 12, n° 1, p. 22-32.

WEINER B. (1990). History of motivational research in education. Journal of Educational Psychology, vol. 82, n° 4, p. 616-622.

Haut de page

Table des illustrations

Titre Fig. 1 : tutoriels.
URL http://journals.openedition.org/rdst/docannexe/image/84/img-1.png
Fichier image/png, 40k
Titre Fig. 2 : simulations et interactions avec les élèves.
URL http://journals.openedition.org/rdst/docannexe/image/84/img-2.png
Fichier image/png, 82k
Titre Fig. 3 : interactions dans les logiciels de modélisation.
URL http://journals.openedition.org/rdst/docannexe/image/84/img-3.png
Fichier image/png, 48k
Titre Fig. 4 : quantité des différentes espèces d’herbe recueillies au cours de sept périodes de un an (Bioview, McCormick et Squires, 1991).
URL http://journals.openedition.org/rdst/docannexe/image/84/img-4.png
Fichier image/png, 497k
Haut de page

Pour citer cet article

Référence papier

Margaret Cox, « Informatique et apprentissage des sciences : tendances, dilemmes et conséquences pour l’avenir »RDST, 6 | 2012, 23-52.

Référence électronique

Margaret Cox, « Informatique et apprentissage des sciences : tendances, dilemmes et conséquences pour l’avenir »RDST [En ligne], 6 | 2012, mis en ligne le 01 mars 2015, consulté le 28 mars 2024. URL : http://journals.openedition.org/rdst/84 ; DOI : https://doi.org/10.4000/rdst.84

Haut de page

Auteur

Margaret Cox

mj.cox@kcl.ac.uk
Université de Londres, King’s College, Londres

Haut de page

Droits d’auteur

CC-BY-NC-ND-4.0

Le texte seul est utilisable sous licence CC BY-NC-ND 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search