| 9h00 – 9h20 |
Accueil, café–croissants |
|
| 9h20 – 9h30 |
Mot de bienvenue
Comité de la section romande |
|
| 9h30 – 10h30 |
Keynote: Teaching Programming: Insights from Research for Classroom Practice (en anglais) Salle SEV46-232
Violetta Lonati, Università degli Studi di Milano
The talk presents research-backed strategies for effective programming education. Students learning programming need more than syntax—they need to develop conceptual understanding, problem-solving skills, and the ability to reason about programs as abstract entities. In this talk we examine programs as both cognitive models and executable artifacts, highlighting approaches that foster comprehension, code reading, and program design skills. The talk also addresses the impact of artificial intelligence on programming education. Participants will gain practical insights on designing lessons, exercises, and labs that integrate research findings, tools, and pedagogical principles, enabling students to approach programming with deeper understanding, autonomy, and problem-solving competence.
|
|
| 10h30 – 11h00 |
Pause, réseautage, échanges informels |
|
| 11h00 – 12h40 |
«Speed dating» Salle SEV46-232
Par moments d’une petite dizaine de minutes, les participant·e·s échangent avec différents partenaires en rotation sur leurs pratiques, leurs approches, leur expérience.
|
|
| 12h40 – 14h00 |
Repas de midi servi à la cafétéria
(inclus pour membres SSIE et participant·e·s payant la journée) |
|
| 14h00 – 14h45 |
Plénière: Femmes et numérique: pratiques égalitaires, dispositifs inclusifs Salle SEV46-232
Isabelle Collet, Université de Genève
Le numérique joue un rôle croissant dans notre société, mais les femmes y sont sous-représentées au plan professionnel. En Suisse, les femmes sont moins de 15% dans les études d’informatique de l’enseignement supérieur, comme dans la majorité des pays européens.
Il est impossible de continuer à se satisfaire d’un monde technique conçu, développé, installé et maintenu par une population composée à plus de 80% d’hommes car une population trop homogène ne peut imaginer un numérique au service de toutes et toutes.
L’enseignement supérieur doit relever le défi de la mixité en trouvant des solutions pour davantage de mixité dans leur rang.
Cette communication comportera:
- un bref retour historique sur la manière dont ce domaine s’est masculinisé à mesure qu’il prenait de la valeur sociale
- une présentation des enjeux de la mixité
- des descriptions de pratiques : celles qui sont peu efficaces… et celles qui fonctionnent dans le cadre d’une pédagogie de l’égalité.
|
|
| 14h45 – 14h50 |
Minitransition |
|
| 14h50 – 15h35 |
Ateliers en parallèles, session 1
|
|
| 15h35 – 15h40 |
Minitransition |
|
| 15h40 – 16h25 |
Ateliers en parallèles, session 2
- Initiation aux réseaux avec Filius: une démarche progressive Salle SEV46-232
Amine Tazi, Gymnase de Chamblandes, VD
Cet atelier propose une initiation progressive aux fondamentaux des réseaux à l’aide de Filius. À travers une démarche pas à pas, vous expérimenterez des scénarios simples (adressage, communication, services de base) afin de mieux comprendre les concepts et de repartir avec des activités facilement réutilisables en classe. Installation de Filius recommandée avant l’atelier
- Entraîner et utiliser un réseau de neurones en classe Salle SEV46-233
Nicholas Wolff, Gymnase de Beaulieu, VD
Avec l'arrivée massive d'outils utilisant l'intelligence artificielle (IA) dans les mains des utilisateurs finaux, en particulier nos élèves, il est important de démystifier leur fonctionnement pour en connaître les limites. Les modèles d’intelligence artificielle réalisent des opérations très simples, mais répétées de nombreuses fois sur un grand nombre d’éléments. En particulier, les élèves doivent comprendre que ces modèles ont besoin d'énormément de données d'entrainement avec une grande variabilité pour être efficaces au moment de l'utilisation dans le monde réel. Une fois entrainés, ces modèles doivent être validés par un jeu de données de test qui n'ont pas été utilisées pour l'entrainement. Finalement, le résultat d’une IA basée sur l’apprentissage automatique ne peut pas être expliqué ni justifié, qu'il soit correct ou incorrect.
Nous avons développé un dispositif didactique permettant aux élèves d'expérimenter l'entrainement, l'utilisation et la validation d'une intelligence artificielle basée sur les réseaux de neurones artificiels. L'approche choisie était de se détacher autant que possible des mathématiques, pour se concentrer sur les principes computationnels de l'intelligence artificielle : comment elle apprend, comment on vérifie que son fonctionnement est correct, comment on interprète ses résultats. Nous avons mis en œuvre une IA la plus simple possible, mais qui réalise une tâche non triviale de reconnaissance de caractères. En partant d'un système qui n'est pas entrainé et en arrivant à un système qui fonctionne, les élèves interagissent avec les différents éléments du réseau de neurones pour se construire une intuition visuelle de son fonctionnement et observer ses limites.
|
|
| 16h25 – 16h30 |
Clôture |
|