Ta mission
Tu as réalisé une expérience sur le mouvement d'un objet et tu as collecté des données. Tu vas maintenant utiliser l'IA pour t'aider à analyser ces données, mais attention : c'est TOI l'expert. L'IA peut se tromper, inventer des tendances ou mal interpréter tes résultats. Ton rôle est de la superviser et de valider ses conclusions.
Étape A : Réactive ta mémoire
Sur une feuille de papier, sans consulter l'IA ni tes notes, réponds aux questions suivantes :
- Quels sont les trois types de mouvement que tu connais?
- Comment reconnaît-on un mouvement rectiligne uniforme (MRU) à partir d'un graphique position-temps?
- Comment reconnaît-on un mouvement rectiligne uniformément accéléré (MRUA)?
- Quelle est la différence entre vitesse moyenne et vitesse instantanée?
- J'ai identifié au moins 2 types de mouvement (MRU, MRUA, MRC)
- Je sais qu'un MRU produit une droite sur un graphique d-t
- Je sais qu'un MRUA produit une courbe (parabole) sur un graphique d-t
- Je comprends la différence entre vitesse moyenne et instantanée
Étape B : Analyse préliminaire des données
Voici les données de ton expérience sur le mouvement d'un objet :
| Temps t (s) | Position d (m) |
|---|---|
| 0 | 0 |
| 0,05 | 0,0208 |
| 0,11 | 0,0416 |
| 0,16 | 0,0624 |
| 0,21 | 0,0936 |
| 0,26 | 0,1352 |
| 0,31 | 0,1768 |
| 0,37 | 0,2288 |
| 0,42 | 0,2808 |
| 0,47 | 0,3536 |
| 0,52 | 0,4264 |
| 0,57 | 0,4992 |
| 0,63 | 0,5824 |
| 0,68 | 0,676 |
| 0,73 | 0,7592 |
| 0,78 | 0,8528 |
| 0,83 | 0,9568 |
Étape C : Formule ton hypothèse
Avant de demander à l'IA d'analyser ces données, prédis :
- Selon toi, quel type de mouvement représentent ces données? Pourquoi?
- Quelles erreurs l'IA pourrait-elle faire dans son analyse?
- Penses-tu que l'IA sera capable de calculer correctement l'accélération?
Note tes prédictions sur ta feuille.
Étape A : Pose une question vague
Commence par poser une question simple à l'IA pour voir comment elle répond « par défaut ».
Observe attentivement la réponse de l'IA :
- L'IA a-t-elle identifié correctement le type de mouvement?
- A-t-elle calculé des valeurs? Si oui, lesquelles?
- Les explications sont-elles adaptées à ton niveau?
- A-t-elle fait des suppositions non justifiées?
Étape B : Construis une meilleure requête avec la méthode RTF
La méthode RTF (Rôle-Tâche-Format) permet d'obtenir de meilleures réponses. Glisse les bons segments dans la zone de construction. Attention, certains segments sont des pièges!
Segments disponibles (glisse ceux dont tu as besoin) :
Ta requête (dépose les segments ici) :
Étape C : Pose des questions de suivi
Après avoir obtenu l'analyse de l'IA, teste ses connaissances avec ces questions :
- « Comment as-tu déterminé que c'est un MRUA et non un MRU? Montre-moi les calculs. »
- « Quelle est la valeur de l'accélération? Comment l'as-tu calculée? »
- « Y a-t-il des données aberrantes dans mon tableau? Comment les as-tu identifiées? »
- « Quelle serait la position de l'objet à t = 1,0 s selon ton analyse? »
Étape A : Vérifie les calculs de l'IA
Utilise tes connaissances et les formules du mouvement pour vérifier les conclusions de l'IA :
- Calcule toi-même la vitesse moyenne entre deux points
- Vérifie si l'accélération calculée par l'IA est plausible
- Compare avec les valeurs théoriques attendues
Vitesse moyenne : v = Δd / Δt
Pour un MRUA : d = d₀ + v₀t + ½at²
Accélération : a = Δv / Δt
Étape B : Chasse aux « hallucinations »
Vérifie si l'IA a fait ces erreurs courantes :
- L'IA a-t-elle inventé des données qui ne sont pas dans ton tableau?
- A-t-elle confondu MRU et MRUA?
- A-t-elle donné une valeur d'accélération sans montrer ses calculs?
- A-t-elle ignoré des données aberrantes évidentes?
- A-t-elle affirmé quelque chose avec assurance sans justification?
- Les unités sont-elles correctes (m, s, m/s, m/s²)?
Étape C : Compare avec des sources fiables
Utilise ces ressources pour vérifier les réponses de l'IA :
- Ton manuel de physique
- Les notes de cours de ton enseignant
- Allô prof : www.alloprof.qc.ca
Étape D : Réflexion sur la sobriété numérique
Réponds à ces questions dans ton cahier :
- Est-ce que l'IA t'a vraiment aidé à mieux comprendre l'analyse de données?
- Aurais-tu pu faire cette analyse toi-même avec un tableur comme Excel ou LibreOffice Calc?
- Sachant que chaque requête à l'IA consomme de l'énergie, l'utilisation était-elle justifiée?
Intentions pédagogiques
- Développer l'esprit critique face aux outils d'IA générative
- Positionner l'élève comme expert-superviseur de l'IA (règle du 70-30)
- Apprendre à formuler des requêtes efficaces pour l'analyse de données
- Valider les résultats en croisant les sources et en vérifiant les calculs
- Consolider les apprentissages sur les types de mouvement (MRU, MRUA)
- Sensibiliser à la sobriété numérique et à l'éthique de l'IA
Liens avec le programme
Compétence disciplinaire visée
Mettre à profit ses connaissances scientifiques et technologiques
Notions de la Progression des apprentissages (PDA)
| Section | Énoncé de la PDA |
|---|---|
| 3. Mouvement rectiligne uniformément accéléré | |
| a. Relation entre l'accélération, la variation de la vitesse et le temps | |
| i. | Expliquer qualitativement et à l'aide d'un graphique la relation entre l'accélération d'un corps, la variation de sa vitesse et le temps pendant lequel elle varie |
| ii. | Appliquer la relation mathématique entre l'accélération, la variation de la vitesse et le temps (a = Δv/Δt) dans une situation donnée |
| b. Relation entre l'accélération, la distance parcourue et le temps | |
| i. | Expliquer qualitativement et à l'aide d'un graphique la relation entre l'accélération d'un corps, la distance qu'il a parcourue et le temps écoulé |
| ii. | Appliquer la relation mathématique entre l'accélération, la distance parcourue et le temps (Δs = viΔt + ½aΔt²) dans une situation donnée |
| c. Vitesse moyenne et vitesse instantanée | |
| i. | Déterminer la vitesse moyenne d'un objet |
| ii. | Déterminer la vitesse instantanée d'un objet |
| iii. | Expliquer la distinction entre vitesse moyenne et vitesse instantanée |
Fondements théoriques
| Élément de l'activité | Fondement pédagogique |
|---|---|
| Rappel actif initial (sans IA ni notes) | Évite l'« effet Google » et la dette cognitive. Active la récupération en mémoire (testing effect). Référence : Masson (2020), principe 3. |
| Analyse préliminaire des données par l'élève | Engagement actif (2e pilier de Dehaene). L'élève formule ses propres hypothèses avant de consulter l'IA. |
| Prédiction des erreurs de l'IA | Développe l'inhibition cognitive (fonction exécutive). L'élève anticipe les limites de l'outil. |
| Requête vague initiale | Permet de constater les limites d'une requête mal formulée. Crée le besoin d'apprendre la méthode RTF. |
| Méthode RTF avec jeu de glisser-déposer | Apprentissage actif par manipulation. Force la structuration de la pensée logique. |
| Demander à l'IA de poser des questions | Approche socratique. Maintient l'engagement cognitif de l'élève plutôt que de lui donner les réponses. |
| Vérification des calculs | Positionne l'élève en expert-superviseur. La validation humaine est la seule garantie contre les hallucinations. |
| Chasse aux hallucinations | Entraîne l'inhibition cognitive. L'élève freine son impulsion d'accepter une réponse présentée avec assurance. |
| Réflexion sur la sobriété numérique | Intègre l'éthique du développement durable. Développe le jugement sur la proportionnalité de l'usage. |
À propos du jeu de glisser-déposer
Le jeu de construction de requête RTF ne donne volontairement aucun indice visuel sur la nature des segments. L'élève doit réfléchir par lui-même. La rétroaction constructive n'apparaît qu'après la validation.
Segments pertinents :
- Un segment de Rôle (tuteur en physique québécois)
- Deux segments de Tâche (analyser les données et poser des questions)
- Un segment de Format (étapes avec questions de réflexion)
Segments pièges :
- « Donne-moi directement toutes les réponses et calculs » : encourage une utilisation passive
- « Fais l'analyse complète à ma place » : contraire à l'apprentissage
- « Utilise des formules universitaires avancées » : inadapté au niveau
À propos des données
Les données fournies représentent un mouvement rectiligne uniformément accéléré (MRUA). L'analyse devrait révéler :
- Une relation quadratique entre la position et le temps (d ∝ t²)
- Une accélération approximative de 1,4 m/s²
- Une vitesse initiale proche de zéro
Erreurs typiques de l'IA à surveiller :
- Confondre MRU et MRUA
- Donner une accélération sans montrer les calculs
- Ignorer les incertitudes expérimentales
- Affirmer des conclusions avec trop d'assurance
Triangulation des traces
Observations (ce que l'enseignant peut observer)
- Engagement de l'élève dans la phase de rappel initial
- Qualité des prédictions sur le type de mouvement
- Stratégies utilisées pour construire la requête RTF
- Capacité à identifier les erreurs dans les réponses de l'IA
- Rigueur dans la vérification des calculs
Productions (traces écrites ou numériques)
- Réponses au rappel actif (phase « Avant de commencer »)
- Prédictions sur le type de mouvement et les erreurs possibles de l'IA
- Requête RTF construite par l'élève
- Notes d'observation sur les réponses de l'IA
- Calculs de vérification (vitesse moyenne, accélération)
- Liste des erreurs ou hallucinations détectées
Conversations (échanges oraux)
- Discussion sur les différences entre MRU et MRUA
- Partage des erreurs détectées dans les réponses de l'IA
- Débat sur l'utilité de l'IA pour l'analyse de données scientifiques
Critères d'évaluation suggérés
| Critère | Indicateurs observables |
|---|---|
| Maîtrise des concepts de cinématique | L'élève identifie correctement le type de mouvement et explique les caractéristiques du MRUA. |
| Capacité à formuler des requêtes efficaces | L'élève construit une requête RTF complète en sélectionnant les bons segments et en évitant les pièges. |
| Esprit critique face à l'IA | L'élève identifie au moins 2 limites ou erreurs dans les réponses de l'IA et vérifie les calculs. |
| Validation scientifique | L'élève effectue des calculs de vérification (vitesse, accélération) et compare avec les valeurs de l'IA. |
Points de vigilance
- Ne pas présenter l'IA comme « mauvaise » : L'objectif est une utilisation éclairée, pas un rejet de l'outil.
- Varier les IAG testées : Si possible, comparer les réponses de ChatGPT, Claude et Gemini.
- Prévoir des calculatrices : Les élèves doivent pouvoir vérifier les calculs manuellement.
- Rappeler que les données sont réelles : Cela responsabilise l'élève dans son rôle d'expert.
- Règle du 70-30 : Au moins 70% de la réflexion doit provenir de l'élève, 30% de l'IA.
Ressources complémentaires
- Campus RÉCIT : autoformations sur l'IA en éducation
- ECV RÉCIT MST : rencontres virtuelles (mercredi 9h à 11h30)
- Guide ministériel IA en éducation