1. ENS-PARIS-SACLAY
  2. Formations
  3. Diplôme ENS Paris-Saclay
  4. Compétences et activités du diplôme
  5. Unités d'enseignement transversales
  6. Sciences de l’apprentissage
Contact

dsve [at] ens-paris-saclay.fr (Direction Scolarité et vie étudiante (DSVE))

Sciences de l’apprentissage

Retrouvez toutes les informations des UEs proposées.

Semestre 1

Semestre 1 : 24h
Responsable : valerie.peris-delacroix [at] ens-paris-saclay.fr (Valérie Péris-Delacroix)

Public visé : ce cours peut être suivi par les normaliennes et normaliens en 1ère, 2ème, 3ème ou 4ème année, quel que soit le département d’origine ainsi que par tous les étudiant·es de l’ENS et de l’Université Paris-Saclay de Licence 3 (L3), Master 1 (M1) et Master 2 (M2).

Pré-requis : aucun

Descriptif

Le module est une introduction aux sciences cognitives et se propose de donner des éléments d’information et de réflexion sur les évolutions et tendances récentes des sciences et des techniques du cerveau et des relations entre cerveau et esprit. Les applications concrètes pour favoriser les apprentissages seront particulièrement détaillées.
La compréhension et la régulation des émotions (et du stress) seront aussi abordées.

L'objectif de ce cours est double :

  1. Informer sur le fonctionnement du cerveau, étude du lien entre cerveau et esprit.
  2. Développer des compétences associées aux connaissances présentées dans les domaines des sciences de l’éducation et de

Évaluation : exercices à rendre pendant le trimestre et évaluation finale en janvier 2027.

Semestres 1 : 24h
Responsable : Jonathan.piard [at] ens-paris-saclay.fr (Jonathan Piard)

Public visé : 1A - 4A (20 étudiant.es max)

Pré-requis : aucun

Descriptif

L'objectif de cette UE est de montrer comment les méthodes liées à la pédagogie active permettent d'aider à l'acquisition et l'assimilation d’un savoir et transmettre de manière efficace un message. La notion de motivation sera d’abord décrite et certains leviers pour la promouvoir seront évoqués. Par la suite, une brève introduction sur les différentes théories de l'apprentissage sera réalisée afin de replacer la pédagogie active par rapport à celles-ci. Finalement, des activités pédagogiques relatives à la pédagogie active seront détaillées (quiz, expériences en cours, jeu de rôle, simulation, pédagogie par projet, classe inversée, classe renversée, ludopédagogie, carte conceptuelle, jigsaw…). Nous nous appuierons durant toute cette UE sur l’état de la recherche. Un travail personnel (écrit et oral) sur l’analyse d’une situation d’apprentissage vécue (en tant qu’étudiant.e ou intervenant.e) ou envisagée en lien avec le contenu de la formation sera également demandé.

Cette UE a lieu en totalement en distanciel dans une salle virtuelle zoom dédiée. L’équipe enseignante adapte le planning aux personnes suivant l'UE en enregistrant les cours pour ceux et celles qui ne pourraient pas être présents à l’horaire prévu. Cette UE peut être suivie par des personnes n’étant pas sur site. Une grande partie du cours a lieu en autonomie.
Plan

  1. La motivation
  2. Les théories de l’apprentissage et apport des neurosciences
  3. La pédagogie active

Évaluation : 20 % Contrôle continu (carte mentale à rendre) + 80 % Travail personnel (description et analyse d’une situation d’apprentissage vécue ou envisagée) + 0% Oral (non évalué)

 

Semestres 1 ou 2 : 24h
Responsable : Nuno Oliveira

Public visé : ce cours peut être suivi par les normaliennes et normaliens en 1ère, 2ème, 3ème ou 4ème année, quel que soit le département d’origine ainsi que par tous les étudiant·es de l’ENS et de l’Université Paris-Saclay de Licence 3 (L3), Master 1 (M1) et Master 2 (M2).

Pré-requis : aucun

Descriptif
Whatever the object you are studying, unless you are doing a purely abstract exploration or construction (say, mathematics or philosophy), the scientific method will require you to make observations, whether through archaeological artifacts, biological fossils, historical archives, synchrotron traces, sociological surveys, astrophysical data, national statistics. And these observations will in fact be the only contact points between any theory you may develop and the object you endeavour to study.
How should observations be carried out? What can be said from a given set of observations? How much agreement is there between a given theory and a given set of observations?
These are therefore key questions, that are central to the scientific method, whatever the field of study.
Whence, the acts of gathering, analyzing and modelling data from observations require the utmost attention and are to be treated themselves according to the scientific method. This is the core object of statistics, and this course will take you through the fundamentals of the science of observations.

Outline of the course

  1. A (very) brief history of statistics: from 17th century political science to 21st century machine learning
  2. Random variables
  3. Statistical models
  4. Estimation
  5. Hypothesis testing
  6. Regression
  7. Beyond regression
  8. A short introduction to statistical learning

Évaluation : à venir

Semestres 1 ou 2 - Durée : 24h
Responsable : Julien Randon-Furling

Public visé : ce cours peut être suivi par les normaliennes et normaliens en 1ère, 2ème, 3ème ou 4ème année, quel que soit le département d’origine ainsi que par tous les étudiant·es de l’ENS et de l’Université Paris-Saclay de Licence 3 (L3), Master 1 (M1) et Master 2 (M2).

Pré-requis : aucun

Descriptif
“Philosophy is written in this grand book – I mean the Universe – which stands continually open to our gaze, but it cannot be understood unless one first learns the language in which it is written. It is written in the language of mathematics […]”, Galileo famously wrote in Il Saggiatore (The Assayer, published in 1623).

While Physics certainly has embraced, ever since the 17th century, Galileo’s vision (or bet!) that the universe around us could be described effectively in mathematical terms, the other Natural Sciences have also come, albeit more recently, to call upon mathematical formalism and models. In fact, many mathematical models nowadays exhibit a formidable versatility across a wide range of fields and applications.
This course will introduce and explore families of mathematical models in the sciences, with examples drawn from physics, biology, chemistry as well as other sciences.

Outline of the course 

  1. Mathematical modelling: why and how
  2. Dynamical models
  3. Stochastic models
  4. Statistical models
  5. Computer simulations
  6. Models & Causal inference

Évaluation : à venir

Semestre 2

Semestres 2 : 24h
Responsable : Jonathan.piard [at] ens-paris-saclay.fr (Jonathan Piard)

Public visé : 1A - 4A (20 étudiant.es max)

Pré-requis : avoir suivi le semestre 1

Descriptif
Voir semestre 1.

Consultez la liste des autres unités d'enseignement.

Imprimer la page