Développer la culture des données pour une utilisation éclairée du numérique

La littératie des données et l'enseignement de technologie au collège

La littératie des données représente un enjeu éducatif majeur pour utiliser les services numériques avec discernement, pour décrypter certaines décisions publiques, ou encore pour analyser des phénomènes scientifiques.

Cette culture aide à prendre conscience du fait que les données peuvent être collectées de manière biaisée ou être interprétées de façon erronée. Cette analyse critique est nécessaire lors de l’usage d’une intelligence artificielle (IA) qui peut reproduire ou amplifier ces biais selon les données avec lesquelles elle a été entraînée.

L'enseignement de la technologie développe cette littératie puisque les élèves apprennent à collecter, trier et analyser des données, notamment celles produites par des objets ou des systèmes techniques.

Exemples de séquences pédagogiques

Système d’alerte arrosage

Cette séquence sur le système d’alerte arrosage pour le niveau 5ᵉ, produite par l’académie de Besançon a pour objectif de rechercher les conditions qui permettent à une plante de pousser.

1. Au cours de la première séance, les élèves identifient les facteurs qui influencent la croissance des plantes, ce qui permet d’introduire la notion de descripteur comme la température et le taux d'humidité du sol.
2. La deuxième séance initie les élèves à la quantification des descripteurs identifiés précédemment. Ils passent de l'observation à la mesure en utilisant des capteurs et une carte programmable pour collecter des données numériques. L'accent est mis sur la compréhension du type de données (nombre, chaîne de caractères, booléen) et de leur format, préparant ainsi les élèves à structurer et stocker les informations dans des tables. Le processus de traitement des données est illustré par la programmation et le téléversement sur la carte programmable pour transformer une mesure physique en une donnée numérique interprétable. Cette séance renforce également le lien avec les systèmes techniques en soulignant le rôle des capteurs dans la chaîne d'information. Les élèves utilisent le simulateur de l'environnement de programmation de la carte pour découvrir les plages de valeurs possibles pour chaque descripteur. L’utilisation de ce simulateur permet aux élèves de visualiser instantanément les effets des modifications, ce qui rend l'apprentissage plus accessible et interactif et leur offre la possibilité d’étudier les résultats d’expérimentations, sans les réaliser. Il permet par ailleurs d’effectuer des tests qui seraient autrement complexes à organiser.
3. La troisième séance a pour objectif la collecte de données à l'aide de plusieurs capteurs et la structuration des données dans un tableau. Les élèves utilisent des capteurs de température, de luminosité et d'humidité pour mesurer les conditions de vie des plantes dans différents pots. Les données collectées sont ensuite structurées dans un tableau, facilitant l'analyse et la comparaison. Les élèves réutilisent ainsi le vocabulaire abordé lors des séances précédentes, ce qui renforce les apprentissages.

Comment obtenir et analyser les performances de l'éclairage public ?

La littératie des données repose aussi sur la capacité à manipuler et analyser l'information de manière critique. Dans cette perspective, l’utilisation de logiciels de traitement de données permet aux élèves de structurer, trier et analyser les données collectées. Dans cette séquence de l’académie d’Amiens, les élèves sont amenés à évaluer par le calcul à l’aide d’un tableur la consommation d’un éclairage public à l’échelle de toute la ville, puis à comparer les résultats au réel et expliquer les écarts. En confrontant leurs résultats aux données réelles, ils développent un esprit critique face aux écarts observés, ce qui les amène à questionner la qualité des informations disponibles et la pertinence des modèles de calcul utilisés.

Comment créer un outil d'aide au diagnostic en imagerie médicale ?

L’émergence des systèmes d’intelligence artificielle (IA) représente une révolution dans de nombreux domaines, notamment la santé, où les professionnels de santé les utilisent de plus en plus pour affiner leurs diagnostics et soutenir leurs décisions thérapeutiques. Cependant, l’utilisation de modèles d’apprentissage automatique dans des secteurs aussi cruciaux soulève des risques importants si ces modèles sont mal entraînés avec des données biaisées, insuffisantes ou non représentatives. Cela peut conduire à la reproduction ou à l’amplification de biais, à des décisions inéquitables et discriminatoires, à une mauvaise interprétation des résultats, voire à un manque de fiabilité des systèmes.

Dans ce contexte, l’introduction de l’intelligence artificielle (IA) en classe joue un rôle clé dans le développement de la littératie des données. Par exemple, dans la séquence de l’académie de Toulouse, les élèves sont confrontés au défi de créer un modèle d’apprentissage automatique capable de reconnaître des fractures de l’humérus. En manipulant des outils numériques comme ceux disponibles sur la plateforme Vittascience, ils entraînent eux-mêmes un modèle à partir de données qu’ils collectent et classifient. Cette démarche leur permet de comprendre l’impact de la qualité et de la représentativité des données sur les performances de l’IA. Ils prennent ainsi conscience des biais pouvant être introduits, volontairement ou non, dans les données d’entraînement. En comparant les résultats du modèle avec des données réelles, ils développent un esprit critique face aux décisions automatisées et aux effets amplificateurs des algorithmes. Cette approche expérimentale leur permet d’aborder concrètement les enjeux éthiques et techniques de l’IA, tout en renforçant leur capacité à interpréter les données de manière éclairée.

Pour aller plus loin

Vous retrouverez sur Edubase l’ensemble des scénarios qui traitent des données dont certains sont issus des travaux académiques mutualisés (TraAM).

Cette vidéo de Réseau Canopé met en lumière l'importance de la littératie des données dans notre société numérique. Elle explique comment nous générons et utilisons des données au quotidien, notamment à travers les réseaux sociaux, les transports ou les services en ligne. Elle souligne les enjeux liés à la collecte et à l'exploitation des données, qu'il s'agisse de leur utilisation pour l'intérêt général (open data) ou de leurs dérives potentielles (profilage…).

Plusieurs lettres ÉduNum thématique récentes traitent de la notion d’intelligence artificielle (IA) en lien avec le numérique éducatif à travers les disciplines et enseignements, en croisant les regards théoriques, didactiques et pédagogiques. Elles s’adressent à tous les enseignants.