Upload
fleuretta-rocher
View
105
Download
2
Embed Size (px)
Citation preview
09/01/2008journées IUFM sur la modélisation
en sciences1
Modélisation
Le livre de la nature est écrit en caractères mathématiques
Galilée
(1564-1642)
Mythe ou réalité?
A quoi servent les mathématiques?
09/01/2008journées IUFM sur la modélisation
en sciences2
Plan de l’exposé
Présentation du socle commun Modélisation (lien) Rôle des mathématiques (lien) Exemples concrets de modélisation
dans les sciences (lien) Modélisation en sciences (lien) Projet P3 : activité interdisciplinaire Annexes, Vocabulaire et bibliographie
09/01/2008journées IUFM sur la modélisation
en sciences3
Compétences viséeshttp://eduscol.education.fr/D0231/accueil.htm
la maîtrise de la langue française ; la pratique d'une langue vivante
étrangère ; les principaux éléments de
mathématiques et la culture scientifique et technologique ;
la maîtrise des techniques usuelles de l'information et de la communication ;
la culture humaniste ; les compétences sociales et civiques ; l'autonomie et initiative.
09/01/2008journées IUFM sur la modélisation
en sciences4
Socle commun en maths et sciences et techniques
représentation cohérente du monde. compréhension de l’environnement quotidien. la complexité peut être exprimée par des lois
fondamentales. Manipuler pour comprendre. Acquérir rigueur intellectuelle seule
constitutive du raisonnement scientifique.
09/01/2008journées IUFM sur la modélisation
en sciences5
Les Mathématiques
Développement de la pensée logique, et de capacités d'abstraction.
acquérir une vision dans le plan et dans l'espace.
utilisation de formules, de modèles, de graphiques et de diagrammes.
Développer le raisonnement logique et le goût de la démonstration.
09/01/2008journées IUFM sur la modélisation
en sciences6
Conditions d’acquisition
Résolution de problèmes,
Ancrage dans la réalité notamment à partir de situations proches de cette réalité.
09/01/2008journées IUFM sur la modélisation
en sciences7
Connaissances
Nombres et calcul. Gestion de données et fonctions. Géométrie plane et dans l’espace. Grandeurs et mesures.
09/01/2008journées IUFM sur la modélisation
en sciences8
Attitudes
On peut appréhender la réalité à partir de lois logiques
L’enseignement des mathématiques doit permettre : rigueur et précision, respect de la vérité rationnellement
établie, le goût du raisonnement fondé sur des
arguments dont la validité est à prouver.
09/01/2008journées IUFM sur la modélisation
en sciences9
Culture scientifique et technologique Comprendre et décrire :
le monde réel, celui de la nature, celui construit par l'Homme, les changements induits par
l'activité humaine. Distinguer :
faits et hypothèses vérifiables et opinions et croyances.
09/01/2008journées IUFM sur la modélisation
en sciences10
Pour atteindre ces buts
l'observation, le questionnement, la manipulation et l'expérimentation.
09/01/2008journées IUFM sur la modélisation
en sciences11
Capacités à développer dans les sciences expérimentales
démarche scientifique observer, questionner, formuler une hypothèse et la
valider, argumenter, modéliser de façon élémentaire
09/01/2008journées IUFM sur la modélisation
en sciences12
Mathématiques outil de modélisation Comprendre le lien entre les
phénomènes de la nature et le langage mathématique qui s'y applique et aide à les décrire.
09/01/2008journées IUFM sur la modélisation
en sciences13
Manipuler et Expérimenter en éprouvant la résistance du réel
Concevoir un protocole et le mettre en œuvre Utiliser les outils appropriés, y compris
informatiques Développer des habiletés manuelles, être
familiarisé avec certains gestes techniques Percevoir la différence entre réalité et simulation Comprendre qu'un effet peut avoir plusieurs
causes agissant simultanément, de percevoir qu'il peut exister des causes non apparentes ou
inconnues
09/01/2008journées IUFM sur la modélisation
en sciences14
Exprimer et exploiter les résultats d'une mesure ou d'une recherche
utiliser les langages scientifiques à l'écrit et à l'oral,
maîtriser les principales unités de mesure et savoir les associer aux grandeurs correspondantes,
comprendre qu'à une mesure est associée une incertitude,
comprendre la nature et la validité d'un résultat statistique.
09/01/2008journées IUFM sur la modélisation
en sciences15
Appréhender rationnellement les choses pour :
développer les attitudes suivantes : le sens de l'observation, la curiosité pour la découverte des causes des
phénomènes naturels, l'imagination raisonnée, l'ouverture d'esprit, l'esprit critique : distinction entre le prouvé, le
probable ou l'incertain, la prédiction et la prévision, situation d'un résultat ou d'une information dans son contexte.
09/01/2008journées IUFM sur la modélisation
en sciences16
Éducation à la citoyenneté
Développer : l'intérêt pour les progrès scientifiques et
techniques, la conscience des implications éthiques de ces
changements, l'observation des règles élémentaires de
sécurité dans les domaines de la biologie, de la chimie et dans l'usage de l'électricité,
la responsabilité face à l'environnement, au monde vivant, à la santé.
09/01/2008journées IUFM sur la modélisation
en sciences17
Place de la modélisation dans la démarche scientifique
09/01/2008journées IUFM sur la modélisation
en sciences18
Modélisation : Pourquoi?
On se pose une question dont la réponse n’est pas évidente et l’expérimentation coûteuse ou impossible.
Acquérir une représentation cohérente du monde reposant sur des connaissances. Se créer des images.
Pour échanger avec les non spécialistes en ayant un langage commun.
Pour modifier certains paramètres et ainsi prévoir, anticiper, simuler.
Rigueur, précision.
09/01/2008journées IUFM sur la modélisation
en sciences19
Qu’est-ce qu’un modèle?
Un assemblage de concepts représentant de manière simplifiée une chose réelle déjà existante (objet, phénomène, etc.), en vue de la comprendre, d'en prédire le comportement,
Il allie les notions de ressemblance et de représentation.
C’est une représentation d'une réalité qui doit coller à l’expérience.
09/01/2008journées IUFM sur la modélisation
en sciences20
Modèle mathématique
Un modèle mathématique est une traduction de la réalité pour pouvoir lui appliquer les outils, les techniques et les théories mathématiques.
Généralement, en sens inverse, la traduction des résultats obtenus permet de prédire et d’opérer sur le monde réel.
Un même modèle peut s’appliquer dans des contextes différents.
09/01/2008journées IUFM sur la modélisation
en sciences21
Modèle
un modèle est toujours lié à ce que l'on veut en faire, à une théorie.
un modèle n'est jamais parfait ni totalement représentatif de la réalité.
il y a toujours plusieurs modèles possibles.
C’est utile pour traiter le réel, mais il ne faut pas le prendre pour le réel.
09/01/2008journées IUFM sur la modélisation
en sciences22
Des sortes de modèles
modèles prédictifs pour anticiper des événements ou des
situations
modèles descriptifs Pour rendre compte, de manière
interprétable, d'une masse d'informations Les deux modèles sont liés et souvent
l’un ne va pas sans l’autre
09/01/2008journées IUFM sur la modélisation
en sciences23
Pertinence d’un modèle
Couvrir le champ du problème réel. Obtention du résultat escompté. Respect des délais souhaités. Il est souhaitable qu’il soit ré-utilisable. Une bonne modélisation permet de répondre
à des questions complexes avec des calculs simples.
09/01/2008journées IUFM sur la modélisation
en sciences24
Comment Modéliser?
Inspiration, imagination, analogie, rasoir d’Occam et changement de point de vue.
Il faut bien limiter le champ du problème. filtrer les données pour atteindre l’essentiel. Introduire des paramètres manquants,
éventuellement adopter une approche probabiliste.
Bien décrire l’ensemble des règles ou équations.
valider le modèle.
09/01/2008journées IUFM sur la modélisation
en sciences25
Force des mathématiques
Fournir des idées Langage universel d’expression Généralité, richesse et puissance du langage
Équations aux dérivées partielles analyse fonctionnelle : méthodes numériques Méthodes des éléments finis Algorithmes et méthodes approchées Traitement du signal Calcul stochastique, etc.
Outil de dialogue et de prospection
09/01/2008journées IUFM sur la modélisation
en sciences26
Il faut toujours garder son esprit critique
Il faut toujours avoir l’esprit critique vis à vis du modèle et d’autant plus s’il contient des mathématiques (voir usage abusif de concepts mathématiques).
Chercher la simplicité. Organiser une critique active et
imaginative Rechercher des co-vérités (en utilisant des
changements de registre) Fabriquer des contre-modèles. (pour
échapper aux interprétations dominantes : voir Copernic et les trajectoires des astres)
09/01/2008journées IUFM sur la modélisation
en sciences27
Quelques exemples détaillés
Modèle proies-prédateurs (1er jour) Modélisation des forces de frottement
(2ème jour) Loi logistique discrète (2ème jour) TPE sur la vache folle (2ème jour) Du bon usage du continu (2ème jour) La molécule de méthane (voir activité)
09/01/2008journées IUFM sur la modélisation
en sciences28
Année Pourcentage de mauvais poisson
1914 11,9
1915 21,4
1916 22,1
1917 21,2
1918 36,4
1919 27,3
1920 16
1921 15,9
1922 14,8
1923 10,7
Statistiques de pêche à Triestre
09/01/2008journées IUFM sur la modélisation
en sciences29
Proies-prédateursVolterra (1860-1940)
Bons poissons (sardines) : x(t) Mauvais poissons (requins) : y(t) Variation du nombre de sardines : x’(t)
Si pas de requins : + ax(t) Si rencontre avec requins : - bx(t)y(t)
Variation du nombre de requins : y’(t) Si pas de sardines : - dy(t) Si rencontre avec sardines : + cx(t)y(t)
09/01/2008journées IUFM sur la modélisation
en sciences30
Système différentiel
x’(t) = a x(t) – b x(t)y(t) y’(t) = - d y(t) + c x(t)y(t)
Voir fichier :
proie_predateur_différentielle.xls
09/01/2008journées IUFM sur la modélisation
en sciences31
De l’intérêt de se parler (I)Approximation affine et usage dans les sciences
Que penser d’un exercice formulé ainsi? Dans un récipient on chauffe un liquide de volume 4l à
20°C. A 30°C il ne reste que 2,8l dans le récipient. La physique nous apprend que, entre 20°C et 40°C, l’accroissement de volume est proportionnel à l’accroissement de température. On note x la température.
1)Donner une expression en fonction de x du volume V(x) de liquide restant dans le récipient à la température x, pour x entre 20°C et 40°C.
2)En déduire le volume à 40°C.
09/01/2008journées IUFM sur la modélisation
en sciences32
Proposition de modification-l’exercice ne doit pas induire de mauvaises images chez l’élève-il doit permettre à l’élève d’utiliser le modèle fonction affine et proportionnalité des « écarts » avec un support tiré des sciencescomment noter la variable? x ou t?
EX : Dans un récipient on chauffe un liquide de volume 4l à 20°C. A 30°C le volume dans le récipient est de 4,8l. On a constaté expérimentalement que pour ce liquide, entre 20°C et 40°C, l’accroissement de volume est proportionnel à l’accroissement de température. On note x la température.
1)Donner une expression en fonction de x du volume V(x) de liquide dans le récipient à la température x, pour x entre 20°C et 40°C.
2)En déduire le volume à 40°C.
09/01/2008journées IUFM sur la modélisation
en sciences33
De l’intérêt de se parler (II)Approximation affine et usage dans les sciencesQue peut-on faire pour améliorer la cohérence avec les enseignements de mathématiques?
Extrait d’un ex de physique : On présente le spectre d’une étoile Markab, dont on
cherche à extraire la présence d’éléments chimiques dans la couche superficielle. On place en dessous le spectre du fer, dont on connaît les longueurs d’onde des raies. Les 8 raies du spectre du fer, à partir de la raie origine (404,4 nm), coïncident avec certaines raies du spectre de l’étoile.
Question : mesurer la distance dx entre chacune des 8 raies et la raie origine. Calculer la différence de longueur d’onde dL entre chacune de ces raies et la raie origine. Calculer dx/dL pour chaque raie. Montrer que dx est proportionnel à dL.
09/01/2008journées IUFM sur la modélisation
en sciences34
Du bon usage de la continuitéPremier exemple :
Deux mobiles reliés par une ficelle de longueur h vont de A à B sur 2 routes différentes, d’intersection vide sans casser la ficelle.
Deux sphères de rayon h l’une partant de A et l’autre de B peuvent-elles aller l’une de A vers B et l’autre de B vers A sans se rencontrer?
09/01/2008journées IUFM sur la modélisation
en sciences35
Du bon usage de la continuitéDeuxième exemple :
A une élection on vote pour A ou pour B. Peut-on, avant le scrutin faire une prédiction qui ne sera pas démentie par les faits?
H Simons (prix Nobel d’économie) pense que oui et argumente : Soit p une prédiction (%de suffrages pour A) Soit f(p) le résultat du scrutin. On fait l’hypothèse que f est continue. Alors la
courbe de f coupe forcément la droite d’équation y=x. Donc il existe bien p telle que : p = f(p).
09/01/2008journées IUFM sur la modélisation
en sciences36
Le pendule simple
Pendule simple : fil inextensible, et sans masse, longueur L, masse ponctuelle m.
Angle avec la verticale : a(t) Newton : d²a(t)/dt² = -g/L sin (a(t))
avec a(0) = ao et a’(0) = 0
09/01/2008journées IUFM sur la modélisation
en sciences37
Des mathématiques aseptisées aux Mathématiques Tout Terrain
Exemples Beaucoup de problèmes concrets échappent
aux mathématiques classiques. Pourtant les maths ont leur rôle à jouer mais
différemment : Utilisation de l’informatique : discrétisation
des problèmes et modélisation. Analyse non standard
09/01/2008journées IUFM sur la modélisation
en sciences38
Qu'est une véritable activité mathématique?introduction aux programmes de collège
(BO n° 4 du 4 avril 2004)
identifier et formuler un problème, conjecturer un résultat en
expérimentant sur des exemples, bâtir une argumentation, contrôler les résultats obtenus en
évaluant leur pertinence en fonction du problème étudié,
communiquer une recherche, mettre en forme une solution.
09/01/2008journées IUFM sur la modélisation
en sciences39
Méthode des tangentes parallèles pour la détermination du point d'équivalence E
09/01/2008journées IUFM sur la modélisation
en sciences40
Autre méthode : méthode du pic de la dérivée
dérivée
0
1
2
3
4
5
6
0 10 20 30 40
dérivée
09/01/2008journées IUFM sur la modélisation
en sciences41
Projet P3
projet interdisciplinaire maîtrise de la langue française par les élèves, éducation
à l’environnement ou au développement durable, éducation à la santé, thème de convergence, TPE, IDD, PPCP,….).
Préparer une séquence d’enseignement Le travail doit être guidé par une problématique
pluridisciplinaire Il doit y avoir articulation entre plusieurs disciplines et
une approche théorique On prépare une séquence pédagogique
09/01/2008journées IUFM sur la modélisation
en sciences42
Compétences évaluées
Exercer l’expression écrite et orale des élèves
Connaître le socle commun Mettre en œuvre des approches
pluridisciplinaires Maîtriser les TICE Travailler en équipe pluridisciplinaire Se former et innover
09/01/2008journées IUFM sur la modélisation
en sciences43
Contenu du dossier
présentation de la problématique et éléments théoriques inter-disciplines (deux pages)
objectifs de la séquence et choix effectués (une page)
Calendrier, analyse à priori et à posteriori (3 pages)
choix de productions d’élèves représentatifs (1 page)
synthèse et propositions alternative ou prolongements possibles (1 page)
09/01/2008journées IUFM sur la modélisation
en sciences44
Améliorer l’expression chez les élèves(Savoir utiliser un langage pour décrire une situation)
Enrichir l’emploi de la langue Approfondir la pratique de l’argumentation Fournir des mots nouveaux pour s’exprimer Exemples :
Résolution par traduction (analytique) Décrire en français un algorithme non commenté Fournir une bonne approximation, bien définie,
d’une fonction d’expression analytique inconnue. (chaque élève construit son modèle propre proposé aux autres)
Analyse mathématique de textes scientifiques
09/01/2008journées IUFM sur la modélisation
en sciences45
Inter, pluri, trans disciplinarité
L’interdisciplinarité fait appel aux spécificités de diverses disciplines qui convergent par nécessité pour résoudre un problème.
La pluridisciplinarité exploite une situation, à travers certaines disciplines, de façon élégante et opportune, sans chercher des liens et sans obligation.
La transdisciplinarité relie les disciplines sans obligation, de manière à atteindre les mêmes objectifs à travers des activités très variés.
09/01/2008journées IUFM sur la modélisation
en sciences46
Exemple de façon de travailler avec les élèves
Après analyse du problème répartir les élèves en groupes thématiques.
Chaque groupe est chargé d’une mission précise et devra produire un texte, rendant compte du travail accompli.
Une synthèse est alors organisée sous forme de débat ou chaque groupe apporte sa contribution.
09/01/2008journées IUFM sur la modélisation
en sciences47
Références bibliographiques (I)
Jacques Istas : Introduction aux modélisations mathématiques pour les sciences du vivant. Springer-Verlag, Berlin 2000.
Istas,J. (2005). Mathematical Modeling for the Life Sciences, Springer.
James Gleick : La théorie du chaos. (Champs-Flammarion)
T35 : E.J.Aubert (Mathematical intelligencer Vol 6 no 3)
Leçons de calcul infinitesimal. Deledicq-Diener 1989.
09/01/2008journées IUFM sur la modélisation
en sciences48
Références bibliographiques (II) Cherruault Y. (1998), Modèles et méthodes
mathématiques pour les sciences du vivant, Presses universitaires de France, (ISBN 2-13-048978-8)
09/01/2008journées IUFM sur la modélisation
en sciences49
Vocabulaire
Conjecture : Émettre une conjecture, c’est résumer dans un énoncé précis une idée que l’on pense universellement vraie (Legrand 2000).
Explication : Proposer une explication, c’est réaliser un discours dont l'objectif est de communiquer à d'autres le caractère de vérité d'un énoncé mathématique.
09/01/2008journées IUFM sur la modélisation
en sciences50
Vocabulaire Preuve : Faire une preuve c’est proposer une
explication acceptée relativement à la vérité d’un énoncé par une communauté de pensée à un moment donné.
Il y a : les preuves pragmatiques, les preuves intellectuelles, les preuves formelles, la démonstration. (Balacheff)
Une démonstration est tout raisonnement valide permettant d’établir qu’un énoncé est vrai ou faux à l’intérieur d’un système théorique.
Elle a : un statut social , et deux fonctions : une fonction de validation dans le but de réduire le doute et une fonction explicative du pourquoi
09/01/2008journées IUFM sur la modélisation
en sciences51
Preuve et démonstration ?Quelle différence?
Démonstration : “a finite number of logical steps from what
is known to a conclusion using accepted rules of inference.” (Hanna and Barbeau, p. 38)
un nombre fini d'étapes logiques à partir de ce qui est connu vers une conclusion en utilisant des règles d'inférence connues.
La démonstration souligne le raisonnement et donc la forme, alors que la preuve ne souligne que la finalité...
09/01/2008journées IUFM sur la modélisation
en sciences52
Démonstration et Argumentation?Quelle différence?
Le raisonnement déductif est décrit par une structure ternaire : les pas sont connectés selon un processus de recyclage, c’est-à-dire, la conclusion du premier pas devient la donnée du pas suivant. (la validité est contrôlée )
Au contraire, dans l’argumentation, les inférences sont reliées par connexion intrinsèque en prenant en compte le contenu. (on ne peut qu’ en évaluer la pertinence )
09/01/2008journées IUFM sur la modélisation
en sciences53
Démonstration et Argumentation
La démonstration fournit des preuves contraignantes, Elle est dans le champ de la
vérité formelle l’argumentation, elle, ne fait que
préciser les raisons en faveur ou contre une thèse déterminée. Elle est dans l’ordre de la vérité
matérielle
09/01/2008journées IUFM sur la modélisation
en sciences54
Argumentation mathématique
Justification rationnelle ayant pour objectif la recherche de la vérité d’une proposition mathématique, avec validation ou bien réfutation de conjectures par contre-exemple, passant ainsi par l’établissement du faux. (Douaire 1999)
09/01/2008journées IUFM sur la modélisation
en sciences55
Les types de raisonnement mathématique
Raisonnement par enchaînements déductifs (modus ponens )
L’utilisation de contre-exemple Le raisonnement par disjonction de
cas Le raisonnement par contra posée, Le raisonnement par l’absurde Le raisonnement par récurrence
09/01/2008journées IUFM sur la modélisation
en sciences56
Modèles en Sciences
Ce qui est donné pour servir de référence (souches…)
Ce qui est représentatif d’une catégorie (type de volcan…)
Reproduction à échelle différente (cellule, temps géologiques…)
Structure utilisée pour rendre compte de phénomènes non reproductibles ou non visibles…
09/01/2008journées IUFM sur la modélisation
en sciences57
1 - Les modèles animaux
Permettent d’utiliser des animaux possédant certaines particularités anatomiques ou physiologiques
Permettent d’étudier les animaux sur plusieurs générations
Peuvent être soumis à des tests ou expérimentations
Transposition à l’homme ultérieurement
09/01/2008journées IUFM sur la modélisation
en sciences58
Drosophile Antennapedia
09/01/2008journées IUFM sur la modélisation
en sciences59
Vibrio harveyi
09/01/2008journées IUFM sur la modélisation
en sciences60
2 – Les modèles analogiques
Analogues géométriques, mécaniques ou électriques d’objets biologiques
Définis par l’invariance du rapport de certaines grandeurs ou propriétés homologues
09/01/2008journées IUFM sur la modélisation
en sciences61
Le cœur est une pompe
Il met en mouvement un fluide dans un circuit fermé
Le circuit est en parallèle et non en série
http://svt.framanet.free.fr/imagesvt/utilex/rev_card/rev_card.htm
09/01/2008journées IUFM sur la modélisation
en sciences62
3 – Les modèles de simulation par ordinateur Simulation de la pression sanguine
sur la paroi d’un anévrisme : http://interstices.info/display.jsp?id=c_8694&portal=j_97&printView=true
Simulation des ondes sismiques : http://artic.ac-besancon.fr/svt/act_ped/svt_lyc/prem/sismologie/activites/college/mexico/mexico.htm
09/01/2008journées IUFM sur la modélisation
en sciences63
Rôles des modèles
Expliquer
Ex : remontée du magma Prévoir
Ex : anévrisme Visualiser
Ex : faille de San Andréa
09/01/2008journées IUFM sur la modélisation
en sciences64
Modèle, outil didactique
Objet de substitution, il aide à la construction des connaissances
Support concret, il demande un effort intellectuel moindre (surtout pour les plus jeunes)
Moyen de transmission de connaissances, c’est une forme de langage
09/01/2008journées IUFM sur la modélisation
en sciences65
Forces de frottement fluide
On lâche un tube à hémolyse lesté dans un fluide.
On cherche à estimer les forces de frottement fluide qui interviennent. On va comparer plusieurs modèles.
Relation fondamentale de la dynamique : mg – ρVg – ff = m dV/dt.
D’ou : g – ρVg/m – ff/m = dV/dt
On pose A = g – ρVg/m d’ou A-f/m = dV/dt
09/01/2008journées IUFM sur la modélisation
en sciences66
Modèles
Proportionnel à la vitesse : A-Bv = dV/dt
au carré de la vitesse : A-Cv² = dV/dt
Combiné des deux : A- Bv -Cv² = dV/dt
09/01/2008journées IUFM sur la modélisation
en sciences67
Expérimentalement la vitesse semble avoir une limite finie quand t tend vers l’infini.
A la limite dV/dt = 0 d’ou : 1er cas : A –B vlim= 0 2ème cas : A –C (vlim)² = 0 3 ème cas : A –B Vlim –C (Vlim)² =0
A est connu en fonction des données A = g – ρVg/m. On en déduit B ou C en fonction des données expérimentales.
Dans le 3ème cas on exprime l’un des paramètres B ou C en fonction de l’autre
09/01/2008journées IUFM sur la modélisation
en sciences68