La perte de biodiversité et la présence croissante d'espèces exotiques envahissantes constituent un défi majeur pour les écosystèmes locaux. Comprendre ces enjeux demande de savoir observer le vivant, d'interpréter des données et de développer des compétences numériques permettant de mobiliser des outils de collecte et d'identification. Parallèlement, l'évolution rapide des technologies d'IA impose de former les élèves à un usage critique et informé de ces outils.

BioEduNum répond à ces défis en proposant une séquence qui articule exploration de la nature, éducation numérique et science citoyenne. Les travaux en sciences de l'apprentissage montrent que les activités contextualisées, menées en extérieur avec des technologies mobiles, favorisent l'engagement et l'interaction avec l'environnement (Land & Zimmerman, 2015). De leur côté, les approches de science citoyenne offrent un cadre authentique pour engager les participantes et les participants dans une enquête scientifique, en leur permettant de collecter, d'utiliser et d'analyser des données réelles. Ces démarches renforcent la compréhension du rôle des données dans les sciences (National Academies of Sciences, Engineering, and Medicine, 2018).

Dans ce contexte, BioEduNum se centre sur trois questions de recherche :

1. Comment une activité de science citoyenne favorise-t-elle des émotions et des affects épistémiques positifs (curiosité, motivation, engagement) ?

2. Comment différents outils d'aide à la décision (IA, clé de détermination) influencent-ils l'observation active de la nature ?

3. Comment le contexte (urbain/rural) impacte-t-il les compétences numériques et en sciences de la nature ?

BioEduNum adopte une approche expérimentale intégrée dans les salles de classe. Les salles de classe seront organisées en deux groupes selon que les membres travaillent avec des données qu'ils et elles ont collectées eux-mêmes/elles-mêmes (le groupe «soi» ) ou qu'il et elles utilisent des données collectées par d'autres personnes (le groupe «autres»).

Les participantes et les participants des deux conditions passeront par deux phases :

1. Phase d'observation (2 périodes) : La séquence débute par une phase d'observation durant laquelle les élèves sont introduits à la thématique des espèces envahissantes. Ils explorent ensuite un milieu naturel et collectent des données en réalisant des photographies géolocalisées des plantes rencontrées, en extérieur. De retour en classe, ils et elles procèdent à une première identification des espèces observées à l'aide d'un outil d'intelligence artificielle.

2. Phase de vérification (2 périodes) : La séquence se poursuit par une phase de vérification en classe, au cours de laquelle les élèves vérifient les identifications proposées par l'IA en utilisant une clé de détermination. Cette étape conduit également à des discussions sur les capacités, les limites et le fonctionnement de l'IA.

Nous travaillerons avec des expertes et des experts en biologie pour développer l'IA conçue pour aider les élèves à étiqueter les photos qu'ils et elles ont collectées. Nous travaillerons avec des enseignantes pour tester la séquence (c'est-à-dire effectuer des tests pilotes) avant de la mettre en œuvre auprès d'un échantillon plus large.

Les émotions, les affects et les connaissances concernant les espèces envahissantes seront mesurés avant et après la participation de tous les élèves à l'aide de questionnaires d'auto-évaluation et de tests standardisés.

Au total, nous avons l'intention de solliciter une dizaine de classes vaudoises de 8H-9H (VP et VG).

À travers cette étude, nous cherchons à mieux comprendre comment une séquence pédagogique intégrant l'exploration de la nature, l'usage d'outils numériques et une démarche de science citoyenne influence les apprentissages des élèves.

Premièrement, nous anticipons que la participation à une activité de science citoyenne favorisera des émotions épistémiques positives, telles que la curiosité, l'intérêt ou l'engagement. Nous examinerons notamment si ces émotions sont davantage présentes lorsque les élèves travaillent avec leurs propres données, un phénomène suggéré par la littérature selon laquelle les individus valorisent plus fortement ce qu'ils ont eux-mêmes produit.

Deuxièmement, nous chercherons à déterminer comment les outils d'aide à la décision influencent l'observation de la nature. L'utilisation d'une IA permet une identification rapide mais parfois approximative, tandis que la clé de détermination nécessite une observation plus fine et un raisonnement taxonomique explicite. L'étude vise donc à comprendre dans quelle mesure ces outils modifient la qualité des observations et la compréhension des caractéristiques des espèces.

Troisièmement, nous analyserons l'effet du contexte scolaire. En mobilisant des classes issues d'environnements urbains et ruraux variés, nous chercherons à identifier d'éventuelles différences dans les compétences numériques, les connaissances en sciences ou les pratiques d'observation. Ces résultats permettront de mieux comprendre comment le contexte influence l'appropriation des outils et la dynamique d'apprentissage.

Enfin, le projet vise également à produire des ressources pour les enseignantes, BioEduNum fournira :

• une séquence clé en main alignée au PER ;

• une plateforme interactive pour l'identification, la vérification et la visualisation des observations ;

• des ressources pédagogiques (fiches, PPT, planifications) ;

À terme, l'ensemble des ressources sera mis à disposition via PER-MER, Switch-OER et la plateforme Numériquement responsable.