Activité d'apprentissage ne nécessitant aucun recours à un appareil numérique pour sa réalisation et qui porte sur un ou plusieurs aspects de l’éducation numérique.
Ce terme trouve son origine dans les activités destinées aux élèves pour l'apprentissage de la pensée informatique et la programmation. Après l'introduction de l'éducation numérique en Suisse romande, son utilisation tend à s'élargir à toute activité non numérique qui porte sur des apprentissages de cette éducation.
Toute action supposant le recours à un outil numérique ou dispositif informatique.
En éducation, cette expression fait référence à une activité supportée par un outil numérique ayant des finalités d’apprentissage (rédaction collaborative, co-production, analyse coopérative, etc.) et/ou une fonction pédagogique médiatisée (lecture, évaluation, rétroaction, communication, etc.) pour les élèves.
Libellé permettant l’identification d’un utilisateur.trice de messagerie électronique et l’acheminement des messages qui lui sont destinés.
Sur internet, l'adresse électronique est constituée de l'identifiant de l'utilisateur.trice et du gestionnaire de messagerie, séparés par le caractère @ (qu'on prononce « arobase » en français, ou « at » en anglais).
Toute forme de dispositif qui permet de présenter des contenus numériques sur une grande surface à toute la classe, intégrant souvent des fonctionnalités interactives et tactiles.
Exemples de dispositifs: le vidéoprojecteur (non interactif et relié à un ordinateur), le visualiseur (mobile, projette objets ou documents papiers), le tableau blanc interactif (panneau tactile), ou encore l'écran numérique interactif (écran tactile). Ces dispositifs diffèrent notamment au niveau de l'interactivité et de l'autonomie.
Des appellations différentes sont utilisées selon les dispositifs ou selon les cantons.
Un système d’affichage collectif interactif mais pas autonome peut être appelé « système interactif déporté ».
Dispositif d’affichage numérique collectif.
Capacité intrinsèque d’un objet à suggérer la manière dont on l’utilise. Elle permet de rendre l’utilisation d’un outil (numérique ou pas) intuitive.
Il s’agit d’un critère essentiel dans le design des interfaces contribuant à une bonne expérience de l’utilisateur ou l'utilisatrice, car il influence la facilité avec laquelle il ou elle peut comprendre comment interagir avec un système ou un logiciel.
À la différence de l’utilisabilité, l’affordance se réfère à la capacité intrinsèque de l’outil et non pas à la perception de son utilisateur ou son utilisatrice.
Outil physique, matériel, qui permet de traiter des informations.
Une machine numérique a toujours besoin de logiciels (software en anglais) et de composants matériels (hardware en anglais) pour fonctionner. Exemples : un ordinateur, un routeur réseau, un smartphone, une tablette, un robot, etc.
Domaine de l'intelligence artificielle basé sur le développement de systèmes informatiques qui apprennent à partir des données, de manière autonome, en s’appuyant sur les probabilités statistiques. Il est assimilé à un apprentissage, car les algorithmes tirent des informations des données qu’ils observent et améliorent leurs performances par eux-mêmes au cours du temps.
Exemples: la capacité de prédire la suite d’un texte sur la base de données textuelles de départ - les agents conversationnels ou chatbots (en anglais) comme ChatGPT, ainsi que de « reconnaître » une image et analyser le contenu d’une vidéo.
Sous-domaine du machine learning qui regroupe des techniques basées sur des réseaux de neurones artificiels permettant de résoudre des tâches complexes à partir de données brutes. Ces réseaux de neurones, inspirés des systèmes biologiques, sont composés de nœuds, ou neurones artificiels, connectés entre eux et organisés en couches. Le qualificatif de « profond » (deep) se réfère au grand nombre de couches neuronales de ces systèmes
Par rapport aux techniques de machine learning « classiques », le deep learning est capable de travailler sur des données brutes, non étiquetées préalablement, et de déterminer automatiquement un certain nombre de caractéristiques permettant de distinguer différentes catégories de données. Pour atteindre des résultats probants, les systèmes de deep learning requièrent une énorme quantité de données d’entraînement ainsi qu’une grande puissance de calcul.
Exemples : logiciels de reconnaissance faciale ou d’images, les pilotes automatiques, etc.
Laboratoire de fabrication s'inspirant du concept des Fab LabsTM. Il s'agit d'un atelier où divers outils de fabrication (numériques et non numériques) sont mis à disposition des apprenant.es pour des projets créatifs, de conception et de réalisation d'objets, accompagnés par l'enseignant.e ou la personne responsable de l'atelier.
Parmi les outils de fabrication, on peut trouver des imprimantes 3D, des découpeuses laser, des plotters, des ordinateurs, des logiciels de conception et de modélisation, etc.
Plusieurs Hautes Écoles en Suisse romande disposent actuellement d'un atelier de fabrication numérique, dont les appellations sont différentes. Ces lieux sont ouverts sous inscription aux enseignant.es, formateurs.trices et à leurs classes, et parfois également au public externe.
De tels ateliers commencent également à être de plus en plus disponibles pour les écoles de la scolarité obligatoire ou du secondaire II.
