L’EVALUATION DES COMPETENCES … · conceptuel pour le développement informatique d’un environnement intégré d’apprentissage et d’évaluation des compétences scientifiques

Actes du 24e colloque de l’Adméé-Europe L’évaluation des compétences en milieu scolaire et en milieu professionnel

1

L’EVALUATION DES COMPETENCES SCIENTIFIQUES AU 21IEME SIECLE : CADRE CONCEPTUEL ET PROTOTYPES POUR UNE EVALUATION

TRANSFORMEE-PAR-ORDINATEUR

Katja Weinerth*, Robert Reuter*, Vincent Porro**, Thibaud Latour** & Romain Martin*

* Université du Luxembourg + [email protected], [email protected], [email protected] ** Centre de Recherche Public Henri Tudor + [email protected], [email protected] Mots-clés : culture scientifique, compétences scientifiques, évaluation assistée par ordinateur, apprentissage assisté par ordinateur, enseignement par la découverte Résumé. En parallèle à l’évolution récente de l’enseignement des sciences (vers des modes d’enseignement basée sur la découverte guidée ou autonome), on observe une course aux nouvelles méthodes d’évaluation des compétences scientifiques. Nous proposons ici un cadre conceptuel que nous avons développé et que nous utilisons actuellement pour guider le développement d’un environnement informatique d’apprentissage et d’évaluation intégré, qui pourra être utilisé (1) pour offrir aux apprenants une large panoplie de situations d’apprentissage relativement authentiques, implémentant l’ensemble des activités de l’investigation scientifique et (2) pour évaluer leurs connaissances du processus d’investigation scientifique, pour évaluer leurs compétences « en action » et pour évaluer comment ils appliquent leurs connaissances d’un domaine scientifique donné. Ce cadre conceptuel sera illustré à l’aide de prototypes d’items d’évaluation développés pour des ordinateurs mobiles à écran tactile.

1. L’enseignement des sciences au 21ème siècle : vers une pédagogie de la « culture scientifique »

Face aux défis sociaux, culturels, technologiques et scientifiques actuels, l’enseignement des sciences du 21ème siècle devra cibler le développement de compétences scientifiques auprès des jeunes citoyens qui leur permettent autant de comprendre les complexités du monde qui nous entoure que de résoudre des problèmes complexes et authentiques. Elle devra ainsi comprendre l’entièreté du processus de production des connaissances scientifiques (en commençant par l’identification et la formulation d’un problème, tout en passant par la planification et la mise en place d’une collecte de données empiriques, pour en finir avec l’analyse et l’interprétation de ces données ainsi que la formulation et la communication de conclusions valides). Une approche pédagogique constructiviste fondée sur de telles formes authentiques d’investigation scientifiques se doit aussi de cadrer les connaissances scientifiques comme testables, révisables, explicatives, conjecturelles et générative (Windschitl, Thompson, & Braaten, 2008) et les enseigner comme telles. Pour cela, l’enseignement des sciences de demain devra viser le raisonnement et la recherche scientifiques et mener à une compréhension profonde de l’approche scientifique, plutôt que la simple mémorisation de faits scientifiques établis.

2. L’évaluation de la « culture scientifique » au 21ème siècle : vers une évaluation assistée-par-ordinateur des compétences scientifiques « en action »

En parallèle à cette évolution dans l’enseignement des sciences (vers des modes d’enseignement basée sur la découverte guidée ou autonome, voir Caillé, 1995), on observe une course aux


2

nouvelles méthodes d’évaluation des compétences scientifiques. Ce parallélisme est fondé sur une définition partage de la « culture scientifique » (« scientific literacy » en anglais) dans les deux domaines ; en effet, l’évaluation des compétences scientifiques – telles que définies par l’étude PISA en l’occurrence – et l’enseignement des sciences par la découverte visent tous les deux de véritables compétences (dépassant la simple mémorisation de faits scientifiques) et mettent l’accent sur l’utilisation des savoirs et savoir-faire scientifiques pour résoudre des problèmes complexes et authentiques, donc le développement de la « culture scientifique ». Malgré cette relation conceptuelle évidente, les instruments d’évaluation utilisés dans l’étude PISA ont été critiqués comme n’intégrant pas assez les principes des mouvements pédagogiques progressistes (Sadler & Zeidler, 2009). L’une des parties de l’étude PISA concerne en effet la recherche scientifique et les explications scientifiques, mais, comme il s’agit d’un test papier-crayon, quasiment aucune activité n’est mise en place par laquelle l’on pourrait directement mesurer les capacités liées aux processus d’investigation scientifique. De plus, les possibilités pour reproduire l’ensemble d’une approche scientifique dans le contexte d’une évaluation ont été très limitées. Il y a donc un besoin évident de développer des scénarios d’évaluation qui pourraient spécifiquement cibler ces savoir-faire « en action » et la mobilisation des savoirs dans la résolution de problèmes complexes et authentiques ; afin de mieux diagnostiquer leur acquisition et ainsi mieux guider les interventions pédagogiques visant leur développement. Les environnements informatiques semblent particulièrement adaptés, voire indispensables, pour évaluer (et soutenir le développement de) ces compétences ; car ils permettent non seulement de présenter des problèmes complexes et authentiques, mais ils nous permettent également de rendre visibles les processus cognitifs sous-jacents « en action ». De plus, l’usage de plus en plus étendu de matériels informatiques sophistiqués dans les écoles pourrait rendre possible la création et l’implémentation d’environnements d’apprentissage et d’évaluation intégrés dans le cadre de l’enseignement des sciences, particulièrement bénéfiques pour le développement de la « culture scientifique ». Comme il s’avère en effet très difficile d’offrir de vraies activités pratiques dans les différentes branches, couvrant l’ensemble des étapes de l’investigation scientifique, l’utilisation des simulations sur ordinateur semble offrir une bonne alternative aux expériences concrètes dans la vrai vie (Branan & Morgan, 2010; Chang, Barufaldi, Lin, & Chen, 2007; Eslinger, White, Frederiksen, & Brobst, 2008; Hickey, Kindfield, Horwitz, & Christie, 2003; Ketelhut, Nelson, Clarke, & Dede, 2010; Kyza, 2009).

3. Cadre conceptuel pour un environnement informatique d’apprentissage et d’évaluation intégré

Pour toutes ces raisons, nous proposons ici un cadre conceptuel pour guider le développement d’un environnement informatique d’apprentissage et d’évaluation intégré, qui pourra être utilisé (1) pour offrir aux apprenants une large panoplie de situations d’apprentissage relativement authentiques, implémentant l’ensemble des activités de l’investigation scientifique (c’est-à-dire l’identification et la formulation d’un problème, la planification et la mise en place d’une collecte de données empiriques, l’analyse et l’interprétation de ces données ainsi que la formulation et la communication de conclusions valides) et (2) pour évaluer leurs connaissances du processus d’investigation scientifique, pour évaluer leurs compétences « en action » et pour évaluer comment ils appliquent leurs connaissances d’un domaine scientifique donné. Les mêmes objets pourront ainsi servir à des situations d’apprentissage et à des situations d’évaluations, en fonction des tâches proposées à l’utilisateur de cet environnement informatique. Ainsi l’utilisateur pourra facilement alterner entre des tâches d’évaluation et des activités apprentissages pour développer sa « culture scientifique » dans un domaine donné.

3.1 Apprendre et enseigner les sciences par la découverte

Avant que nous puissions évaluer la « culture scientifique » des étudiants/apprenants, nous avons besoin de méthodes d’enseignement/d’apprentissage des sciences adaptées et appropriées au


3

développement de telles compétences, en l’occurrence des méthodes de la pédagogie constructiviste basées sur la découverte (guidée ou autonome). Elles nous permettent notamment de couvrir l’ensemble des phases du processus de recherche scientifique : énoncé du problème, collection de données, analyse et conclusions (voir figure 1).

Figure 1 : Illustration des différentes étapes de l’apprentissage et de l’enseignement par la découverte.

De telles méthodes d’enseignement des sciences par la découverte ont été implémentées depuis les années 1980 et ces efforts d’implémenter ont produit des résultats mixtes. Une récente revue des recherches conduite par Minner, Levy et Century (2010) a confirmé une tendance dans l’ensemble positive, indiquant que les méthodes d’enseignement par la découverte entrainent de meilleurs résultats d’apprentissage des étudiants en termes d’apprentissage de contenus scientifiques et surtout de compréhension des concepts scientifiques. A travers la mise en place des différentes étapes du processus scientifique ils acquièrent une compréhension plus profonde concernant les relations entre ces différentes activités (Loyens & Pikers, 2011). Dans le processus d’apprentissage par la découverte, les étudiants deviennent des agents actifs dans leur processus d’apprentissage au lieu d’être de simples receveurs passifs d’informations. En effet, cette implication active (de préférence accompagnée d’expériences concrètes et pratiques avec l’objet de l’investigation) dans le cycle d’investigation paraît nécessaire pour un meilleur apprentissage de contenu scientifique et de concepts scientifiques (Minner et al., 2010). Le modèle d’enseignement et d’apprentissage par la découverte constitue ainsi une composante essentielle de notre cadre conceptuel pour le développement informatique d’un environnement intégré d’apprentissage et d’évaluation des compétences scientifiques.

3.2 Evaluer les compétences scientifiques

Si nous voulons vérifier que les étudiants sont capables d’appliquer leurs compétences, la méthode d’enseignement basé sur la découverte doit être accompagnée d’instruments d’évaluation appropriés, permettant de réaliser une véritable évaluation des compétences dans des contextes aussi authentiques et écologiques que possible. En ce qui concerne cette évaluation des compétences scientifiques, nous nous référons au cadre conceptuel de PISA 2006, qui distingue et définit les 5 dimensions suivantes.


4

• Connaissances scientifiques : toutes les connaissances du monde naturel à travers des domaines majeurs comme la physique, la chimie, la biologie, les sciences de la terre et de l’espace et les technologies.

• Connaissances sur la science : toutes les connaissances des méthodes (découverte scientifique) et des buts (explications scientifiques) de la science.

• Identifier des problèmes scientifiques : distinguer les problèmes et thèmes scientifiques d’autres types de problèmes, identifier des problèmes scientifiques (questions) et des mots-clés permettant la recherche d’informations et reconnaître les caractéristiques majeures de la découverte scientifique.

• Expliquer des phénomènes de façon scientifique : appliquer des connaissances scientifiques dans une situation donnée, décrire ou interpréter des phénomènes de façon scientifique et prédire des changements et identifier des descriptions, des explications et des prédictions appropriées.

• Utiliser des faits scientifiques : interpréter des faits scientifiques afin de générer et de communiquer des conclusions, identifier des suppositions, des faits et des raisonnements derrière des conclusions et de réfléchir sur les implications sociétales de développement scientifiques et technologiques.

Cette définition des compétences scientifiques, prenant en compte l’ensemble des étapes du processus de recherche scientifique constitue ainsi la seconde composante de notre cadre conceptuel pour le développement informatique d’un environnement intégré d’apprentissage et d’évaluation des compétences scientifiques.

3.3 Utiliser des environnements informatiques intégrés pour évaluer et faire découvrir

Concernant les compétences orientées vers les processus, les environnements informatiques semblent particulièrement adaptés, voire indispensables, pour évaluer et soutenir le développement de ces compétences ; car ils permettent non seulement de présenter des problèmes complexes et authentiques, mais ils nous permettent également de rendre visibles les processus cognitifs sous-jacents « en action » (voir figure 2).

Figure 2 : Illustration d’arrière-plan de cadre conceptuel


5

3.3.1 Avantages et potentialités d’un environnement informatique intégré

Comme il est très difficile d’analyser de telles activités de recherche à l’aide des tests papier-crayon, et que les TIC (technologies de l’information et de la communication) actuelles permettent de mieux en mieux de mettre en scène les processus complexes de la découverte scientifique et de récolter automatiquement, en arrière-fond, un grand nombre de données sur le comportement des apprenants. Nous pouvons ainsi profiter des opportunités offertes par les TIC afin de d’évaluer et de mesurer les habilités, les savoirs et les compétences d’une nouvelle façon. Un environnement d’évaluation et d’apprentissage assisté-par-ordinateur nous donnera ainsi accès à ces compétences, habiletés et savoirs « en action », tant pendant le processus d’apprentissage qu’à des moments d’évaluation ultérieurs. Les TIC nous permettent notamment de mettre en place des situations d’apprentissage et d’évaluation à plusieurs niveaux (Puentedura, 2006), impliquant des changements plus ou moins importants (donc plus ou moins transformatifs) par rapport à la situation de départ, celle de l’évaluation papier-crayon. Nous pouvons ainsi mettre en place des situations d’évaluation qui agissent comme substitutions, comme augmentations ou comme modifications des situations d’évaluation papier-crayon :

• Substitution : simple transposition de tests papier-crayon sur ordinateur • Augmentation : illustrations multimédias permettant un meilleur accès aux informations • Modification : interactivité de l’apprenant avec un monde simulé qui lui permet d’explorer

lui-même les « lois » de fonctionnement sous-jacent Dans notre environnement informatisé il sera ainsi possible de créer des adaptations plus standard d’activités d’évaluation de type papier-crayon, qui peuvent, en plus, être enrichies par la mesure des processus cognitifs mis en œuvre et la collecte des représentations cognitives résultants de l’interaction avec l’activités d’évaluation ; ce qui est très difficile de réaliser avec des tests papier-crayon, voire impossible. Ces outils d’évaluations étendus et enrichis nous permettre d’avoir un regard plus détaillés et plus profond sur les savoir-faire, l’utilisation des savoirs et les compétences « en action ». Des mesures basées sur des items papier-crayon ou une simple adaptation sur ordinateur de tels items ne peuvent simplement pas nous donner accès à des données allant au-delà des connaissances déclaratives. Ainsi nous allons, en l’occurrence, mettre en place des outils spécifiques pour évaluer la compréhension conceptuelle et les représentations cognitives construite à la suite de différentes activités d’investigation scientifique, notamment des cartes conceptuelles informatisées, qui représentent une des manières génériques de représenter et d’évaluer les représentations mentales complexes (Schaal, Bogner, & Girwidz, 2010). Selon de Jong (2011) des simulations sur ordinateur peuvent notamment être utilisées pour aider les apprenants à faciliter l’acquisition de connaissances conceptuelles, partant du raisonnement qu’elles favorisent une assimilation cognitive plus approfondie à travers l’apprentissage, ce qui par conséquent mène à des résultats d’apprentissage plus approfondis (comparés à des instructions directes). En particulier, les simulations par ordinateur ont l’intention d’encourager les apprenants à activer des connaissances antérieures pertinentes. (p. ex. penser à des hypothèses) et à restructurer des connaissances de façon active (p. ex. quand on trouve des données qui ne concordent pas avec une hypothèse).

3.3.2 Désavantages et limites des environnements informatiques

Les environnements informatiques ne permettent pas (encore) de donner accès à des situations d’apprentissage (et d’évaluation) totalement authentiques et écologiques. Il reste impossible (ou très difficile) de reproduire et de simuler certains aspects des phénomènes naturels, comme leurs propriétés gustatives et tactiles.


6

De plus, il reste à voir, si des compétences développées dans des contextes d’environnements d’apprentissage assisté-par-ordinateur, à l’instar des contextes scolaires, vont être transférées à d’autres contextes, notamment de la vie courante.

4. Prototypes dérivés du cadre conceptuel

Nous proposons ici, sur base d’un ensemble de prototypes développés à partir de notre cadre conceptuel, des adaptations transformatives de l’évaluation des compétences scientifiques en utilisant des ressources multimédia dynamiques et interactives qui nous permettront de mettre en place des tâches et des activités qui dépasseront considérablement les limitations d’activités d’évaluation de type papier-crayon (mais aussi d’illustrations multimédia simples). Elles devraient ainsi nous permettre d’observer et de mesurer la « culture scientifique » d’une autre façon. Ce type d’évaluations assistées-par-ordinateur implémentera l’idée générale d’interactions virtuelles avec des « mondes simulés », que les utilisateurs pourront manipuler et modifier à leur guise. Ces simulations peuvent alors être utilisées pour construire des scénarios d’évaluation associé à la planification d’une recherche scientifique, à la collecte de données empiriques, à la représentation graphique de données récoltées, à l’analyse des résultats, à l’interprétation des résultats et à l’inférence de conclusions valides. La figure 3 illustre un scénario possible de différentes « activités » d’évaluation/d’apprentissage pour un domaine de contenu scientifique donné. Les différentes activités représentent l’ensemble des étapes successives d’un processus scientifique prototypique. Derrière chaque « porte », les étudiants seraient confrontés à des items (d’apprentissage ou d’évaluation) relatifs à « l’activité scientifique » indiquée par les différents labels.

Figure 3 : Aperçu possible des différentes activités d’évaluation/d’apprentissage pour un domaine

scientifique donné. Ici, l’utilisateur est invité à suivre les étapes successives d’une recherche scientifique. Derrière chaque « porte », il découvre des items en relation avec les différentes

activités de la recherche scientifique. Au début d’une unité de test, l’apprenant voit un aperçu des différentes activités de « culture scientifique » qu’il va devoir adresser. Ces activités ont été conçues de manière à représenter les majeures étapes successives d’un processus de recherche scientifique prototypique, mais elles


7

peuvent aussi être considérées comme des situations de test séparées contribuant à l’évaluation de la « culture scientifique » comme définie par le cadre de référence de PISA 2006. On peut imaginer que l’apprenant est soit invité à suivre les activités de recherche scientifique étape par étape ou bien qu’il est libre de choisir les activités dans l’ordre qu’il veut (dans ce cas-ci, le système doit fournir les informations nécessaires à l’activité en question, normalement générées par les activités de recherche antérieures). Ce parcours, respectivement ce choix d’activités, est illustré à la figure 3. On voit que l’apprenant peut être guidé à travers les différentes étapes successives d’une recherche scientifique ou il peut simplement entrer ce processus à une étape spécifique et être confronté à des activités pratiques simulées, comme « analyser des données ». Si l’on suit la séquence normale, après la session d’instruction et un éventuel test des connaissances, l’apprenant réalise l’activité « apprendre à connaître l’objet », puis il « agit sur ce objet » afin d’en tester les réactions, et ainsi de suite. Notre environnement d’évaluation informatisé permettra ainsi aux utilisateurs de suivre les différentes étapes du processus d’investigation scientifique ou d’entrer ce processus à des étapes spécifiques (et les informations normalement générées au cours du processus seront alors fournies par notre système). Les activités proposées correspondront effectivement aux grandes étapes successives d’une recherche scientifique prototypique, mais elles peuvent aussi être conceptualisées comme des situations d’évaluations isolées en relation avec des différentes composantes de la « culture scientifique » telle que définie pour PISA 2006 : s’intéresser à des problèmes scientifiques, identifier une question scientifique, acquérir de nouvelles connaissances, expliquer un phénomène de manière scientifique, tirer des conclusions sur base de données empiriques, comprendre les caractéristiques et les propriétés de l’approche scientifique et utiliser les connaissances scientifiques pour prendre et communiquer des décisions (OECD, 2006, 2007). Dans ce qui suit vous pouvez voir un prototype d’un « monde » simulé (voir figure 4) – un moulin à vent dans un environnement défini par différentes variables. Les sujets de l’évaluation/participants à l’évaluation peuvent être demandés de trouver le lien entre ces différents facteurs environnementaux (p. ex. vent, température, pression d’air), les propriétés du moulin à vent (p. ex. nombre de pales, hauteur du mât) et la production de puissance électrique résultante.

Figure 4: Prototype d’un « monde » simulé, ici un moulin à vent dans un environnement défini par différentes variables. Les étudiants doivent trouver le lien entre ces différents facteurs

environnementaux (p. ex. vent, température, pression d’air), les propriétés du moulin à vent (p. ex. nombre de pales, hauteur du mât) et la production de puissance électrique résultante.


8

En cliquant sur les icônes dans la boîte à outils à gauche, l’utilisateur peut choisir les instruments dont il ou elle aura besoin pour rassembler des informations sur l’objet et il/elle peut par exemple varier le nombre de pales ou l’hauteur du mât du moulin à vent. En cliquant sur le bouton « Run » le monde simulé sera activé et les instruments choisis afficheront les valeurs actuelles. A droite, nous pouvons voir un tableau dans lequel les valeurs actuelles peuvent être enregistrées – en appuyant sur le bouton « enregistrer ». Ces données peuvent par exemple être recueillies et analysées dans l’activité « analyser vos données ». La figure 5 montre une activité d’analyse possible, où des données tirées de collecte de données de l’activité antérieure peuvent être analysées par l’utilisateur. Il peut choisir les axes x et y (à droite) et le type de diagramme (diagramme à barres, nuage de points) qu’il veut voir représenté (à gauche).

Figure 5 : Une activité d’analyse de données où les étudiants peuvent analyser les données délivrées par l’instrument choisi dans le « monde » lors de la « phase d’exploration ». Ils peuvent

déterminer les axes x et y dans le champ de saisie à gauche et choisir le type de graphique à représenter dans le champ de saisie à gauche. L’illustration des données sous forme de graphiques

différents peut aider les étudiants à comprendre des corrélations existantes entre différentes variables. De plus, les étudiants peuvent observer les effets d’une diversité de manipulations (p. ex. nombre de pales, hauteur du mât) en comparant de différents sets de collection de données et

ainsi prendre plus conscience de différents degrés de complexité du « monde » simulé.

5. Validation empirique de la plateforme

Notre plateforme informatique d’évaluation et d’apprentissage devra, évidemment, être optimisée au niveau de son utilisabilité (cf. Benyon, 2010 ; Dix et al., 2004), mais elle devra surtout être validée au niveau de ses caractéristiques psychométriques et de sa pertinence pédagogique.

5.1.1 Première phase

Dans une première phase nous allons mettre en place un test de « culture scientifique » qui sera basé sur l’évaluation de différents aspects du processus de l’investigation scientifique et met en scène une variété de contenus issus de différentes disciplines scientifiques avec un échantillon de 400 étudiants (de 15 et 16 ans) au Luxembourg et aux Etats-Unis. L’objectif principal de ce


9

premier cycle d’évaluation consiste à établir la validité de construit de notre test informatisé comme instrument d’évaluation des différents aspects du processus de l’investigation.

5.1.2 Deuxième phase

Dans une deuxième phase, le groupe de 400 étudiants sera divisé en deux groupes (de 200 étudiants chacun), sur base de résultats de la première étude afin de générer 2 groupes à niveaux de compétences équivalentes. Ces 2 groupes seront alors soumis à l’un de deux sets de 10 leçons standardisées avec des contenus scientifiques variés:

(1) dans un setting d’enseignement des sciences classique et (2) dans un setting utilisant notre plateforme d’apprentissage des sciences basé sur la

découverte. Après cette phase d’apprentissage, nous allons à nouveau administrer une batterie de tests similaires à ceux de la première phase. De plus, nous allons mettre en place un questionnaire afin de récolter des informations qualitatives sur les expériences d’apprentissage dans les deux settings.

5.1.3 Résultats attendus

Nous nous attendons à un gain d’apprentissage plus grand chez les étudiants ayant participé au setting d’apprentissage basé sur la découverte, en particulier concernant les compétences liées au processus d’investigation scientifique (dont nous supposons quelles seront minimales ou absentes chez l’autre groupe). Nous nous attendons à observer également une différence en terme de structure cognitive entre les deux groupes, avec le groupe d’apprentissage par la découverte montrant des compétences plus clairement identifiables en relation avec le processus d’investigation scientifique. En plus, un résultat principal de ce projet de recherche sera la validation empirique de notre environnement d’apprentissage et d’évaluation intégré, afin qu’il puisse, dans la suite, être utilisé dans des situations de classe authentiques. Nous espérons aussi pouvoir démontrer la valeur-ajoutée d’une telle évaluation assisté-par-ordinateur par rapport aux tests papier-crayon classiques.

6. Conclusions et perspectives

Nous envisageons, à moyen terme, de pouvoir mettre en place un environnement informatisé empiriquement validé, facile à utiliser et adapté à l’évaluation des compétences scientifiques en phase avec une approche basée sur la découverte. Idéalement, cet environnement pourra facilement servir à l’enseignement des sciences et être testé dans des salles de classes. Afin d’améliorer constamment notre plateforme et afin de permettre son utilisation stratégique dans des classes, nous allons demander à des enseignants et étudiants de l’utiliser comme outil d’apprentissage et d’évaluation et à nous fournir des feedbacks. Nous envisageons également des coopérations avec des chercheurs intéressés (1) à l’apprentissage basé sur la découverte et (2) à l’évaluation des compétences scientifiques. A cette fin, la plateforme sera, en principe, open-source et gratuite, afin d’y donner accès à une large communauté d’enseignants et de chercheurs.

7. Références

Benyon, D. (2010). Designing interactive systems. A comprehensive guide to HCI and interaction design (2nd

ed.). Harlowo: Pearson, Addison-Wesley.

Branan, D., & Morgan, M. (2010). Mini-Lab activities: Inquiry-Based lab activities for formative assessment. Journal of Chemical Education, 87(1), 69-72. doi:10.1021/ed8000073


10

Caillé, A. (1995). L’enseignement des sciences de la nature au primaire. Sainte-Foy: Presses de l’Université du Québec.

Chang, C. Y., Barufaldi, J. P., Lin, M. C., & Chen, Y. C. (2007). Assessing tenth-grade students' problem solving ability online in the area of earth sciences. Computers in Human Behavior, 23(4), 1971-1981.

Dix, A., Finlay, J., Abowd, G., & Beale, R. (2004). Human-computer interaction (3rd ed.). Harlow: Pearson, Prentice Hall.

De Jong, T. (2011). Instruction based on computer simulations. In R. E. Mayer & P. A. Alexander (Eds.), Handbook of research on learning and instruction (pp. 446-466). New York : Routledge.

Eslinger, E., White, B., Frederiksen, J., & Brobst, J. (2008). Supporting inquiry processes with an interactive learning environment: Inquiry island. Journal of Science Education and Technology, 17(6), 610-617. doi:10.1007/s10956-008-9130-6

Hickey, D. T., Kindfield, A. C. H., Horwitz, P., & Christie, M. A. T. (2003). Integrating curriculum, instruction, assessment, and evaluation in a technology-supported genetics learning environment. American Educational Research Journal, 40(2), 495-538. doi:10.3102/00028312040002495

Ketelhut, D. J., Nelson, B. C., Clarke, J., & Dede, C. (2010). A multi-user virtual environment for building and assessing higher order inquiry skills in science. British Journal of Educational Technology, 41(1), 56-68. doi:10.1111/j.1467-8535.2009.01036.x

Kyza, E. A. (2009). Middle-School students' reasoning about alternative hypotheses in a scaffolded, software-based inquiry investigation. Cognition and Instruction, 27(4), 277-311. doi:10.1080/07370000903221718

Minner, D. D., Levy, A. J., & Century, J. (2010). Inquiry-based science instruction – What is it and does it matter ? Results from a research synthesis years 1984 to 2002. Journal of Research in Science Teaching, 47(4), 474-496. doi : 10.1002/tea.20347

Loyens, S. M., & Rikers, R. M. (2011). Instruction based on inquiry. In R. E. Mayer & P. A. Alexander (Eds.), Handbook of research on learning and instruction (pp. 361-381). New York : Routledge.

Organisation for Economic Co-operation and Development (OECD). (2006): Assessing Scientific, Reading and Mathematical Literacy. A Framework for PISA 2006. Paris: OECD.

Organisation for Economic Co-operation and Development (OECD). (2007). PISA 2006 : Science competencies for tomorrow's world. Paris: OECD.

Puentedura, R., R. (2006), Transformation, Technology, and Education, Part 1: A Model for Technology and Tranformation. Retrieved from http://www.hippasus.com/resources/tte/part1.html

Sadler, T. D., & Zeidler, D. L. (2009). Scientific literacy, PISA, and socioscientific discourse: Assessment for progressive aims of science education. Journal of Research in Science Teaching, 46(8), 909-921. doi:10.1002/tea.20327

Schaal, S., Bogner, F. X., & Girwidz, R. (2010). Concept mapping assessment of media assisted learning in interdisciplinary science education. Research in Science Education, 40(3), 339-352. doi:10.1007/s11165-009-9123-3

Windschitl, M., Thompson, J., Braaten, M. (2008). Beyond the scientific method: Model-Based inquiry as a new paradigm of preference for school science investigations. Science Education, 92 (5), 941–967. doi : 10.1002/sce.20259

Documents

L’EVALUATION DES COMPETENCES … · conceptuel pour le développement informatique d’un environnement intégré d’apprentissage et d’évaluation des compétences scientifiques