Les notebooks dans l’enseignement

Les notebooks Jupyter sont des carnets électroniques regroupant sur une même page du texte, des images, des formules mathématiques ainsi que du code informatique. Le tout exécutable directement dans le notebook. Dans l’ensemble, les notebooks Jupyter offrent une expérience pédagogique riche, interactive et engageante, favorisant l’apprentissage pratique et la compréhension approfondie des concepts.

A Lyon, la plateforme Jupyter est utilisée par les enseignements du supérieur dans les domaines suivants :

Les cahiers jupyter permettent de créer des cours, des exercices, des examens et des simulations informatiques. Nous illustrons les plus-values de cet outil en proposant des TPs en open source, ainsi que des retours d’expériences d’enseignants.

Exercice de traitement de données

Ce TP contient des exercices de traitement de données en langage de programmation Python destinés à des étudiants maitrisant les bases du langage Python (niveau L2).

Pour ce TP nous avons utilisé le jeu de données contenu dans le fichier mars-2014-complete.csv que vous pouvez retrouver en open source sur data.gouv.fr.

L’objectif est d’analyser les données (comparaison, création d’un graphique) d’un fichier csv contenant des données sur les émissions de CO2 et de polluants des véhicules commercialisés en France.

Le fichier .py est disponible ici.

---

Python appliqué à la finance

Pour le Master Monnaie Banque Finance Assurance (MBFA) forme des futurs cadres financiers qui seront amenés a effectuer des analyses financières par le biais d’outils informatiques. Les notebooks Jupyter offrent un excellent moyen de proposer des cours adaptés aux niveaux des étudiants tout en leur permettant de tester leur code dans les cahiers électroniques. Pour le cours d’introduction à Python dispensé dans ce master, nous utilisons les notebooks Jupyter pour des cours synchrones où le TP est à la fois projeté dans la salle de classe et envoyé aux étudiants. Ils peuvent ainsi suivre le cours et réaliser des essais de code dans le même document, ils pourront ensuite enregistrer et conserver.

Un TP d’introduction à python appliqué à la fiance vous est proposé ci-dessous. Il est destiné à des étudiants de master n’ayant pas de notion en python.

Le fichier .py est disponible ici.

---

Retour sur le séminaire — évaluer les compétences étudiantes avec Jupyter

23 octobre 2024 — INSA

Le séminaire animé par Mac Buffat, professeur à l’université Lyon 1, a permis de montrer comment la plateforme Jupyter peut être utilisée pour évaluer les compétences des étudiants de manière efficace et interactive. Lors de cet événement, M. Buffat a présenté son approche pédagogique et a partagé un retour d’expérience enrichissant sur l’utilisation du système de cours basé sur Jupyter/nbgrader, développé dans le cadre du projet Include.

Au cours de la présentation, il a souligné les principaux défis rencontrés dans l’évaluation des étudiants et les solutions mises en place pour les surmonter. Cette intervention a permis aux participants de découvrir des méthodes concrètes et des outils pratiques pour améliorer les processus d’évaluation et enrichir l’expérience d’apprentissage dans l’enseignement supérieur.

Ce séminaire a offert des perspectives précieuses sur l’intégration de technologies numériques dans l’enseignement, contribuant ainsi à des pratiques pédagogiques plus dynamiques et adaptées aux besoins actuels.

Pour en savoir plus, vous pouvez consulter le support de présentation.

La retransmission vidéo du séminaire est disponible :

Les cahiers Jupyter pour l’enseignement

Marc Buffat, professeur au département Mécanique de l’université Claude Bernard Lyon 1, enseigne la mécanique des fluides, les méthodes numériques, la modélisation et le calcul numérique pour des étudiants de niveau Licence et Master.
Dans ses enseignements il utilise Python et les notebooks IPython (retrouvez des exemples) depuis plus d’une dizaine d’années avec un système de serveurs Jupyter-nbgrader, mis en place initialement au département mécanique et qui est maintenant généralisé à toute l’université dans le cadre du projet Include.

L’approche pédagogique utilisée est inspirée des pratiques anglo-saxones du «learning by doing» et du «Constructionism» de Seymour Papert (MIT 1980) (créateur du langage Logo et de son célèbre robot tortue): What comes first, «using» or «understanding»? The natural mode of learning is to first use, leading slowly to understanding.

Cette approche part aussi du constat d’une inculture en informatique de beaucoup d’étudiants en licence (en mécanique). Pourtant les étudiants sont utilisateurs chevronnés de tous les nouveaux outils numériques en particulier sur smartphone, mais sans chercher à comprendre le fonctionnement des outils qu’ils utilisent. De plus un certain nombre sont allergiques à la programmation informatique, telle qu’elle leur a été enseigné.

C’est la raison pour laquelle Marc Buffat privilégie une forme d’apprentissage par problème qui :

• est simple à mettre en œuvre dans un environnement Jupyter / Python
• insiste sur l’utilisation d’une méthode scientifique, alliant rigueur et validation.

Cette approche s’inspire aussi du travail d’une équipe d’universitaires autour de Lorena A. Barba, professeur à l’université de Washington, qui ont regroupé dans un livre en ligne, des pratiques pédagogiques innovantes utilisant l’environnement Jupyter: Teaching and Learning with Jupyter by Lorena A. Barba et al., 2019

La première utilisation des notebooks Jupyter de Marc Buffat a été faite dans le cadre de TP, où l’on demande aux étudiants de mettre en pratique des méthodes vues en cours. Le format des notebooks qui permet d’allier du texte, des images, des cellules de code est particulièrement bien adaptée à ce type d’utilisation.

Le système de serveurs de cours permet de fournir les données aux étudiants ainsi qu’un canvas (notebook) et récupérer ensuite le travail des étudiants en particulier leurs comptes rendus. Le notebook complet du TP est disponible sur le site professionnel de Marc Buffat :

Notebook de TP sur le traitement de données

Site internet de Marc Buffat: https://perso.univ-lyon1.fr/marc.buffat/

---

Le Notebook comme support de formation

Yannick Faula, ingénieur pédagogique, utilise les notebooks pour accompagner les enseignants de l’INSA qui, eux-mêmes, les utilisent ensuite dans l’illustration de concepts de cours et dans l’interaction avec les modèles scientifiques. Les notebooks Jupyter vont permettre aux enseignants de faire noter des observations par les étudiants avant un cours ou TP, en plus de leur offrir la possibilité de manipuler le code informatique dans ce même cahier numérique qu’est le notebook. Les formations synchrones s’appuyant sur des notebooks sont appréciés des enseignants notamment pour la flexibilité et la polyvalence de l’outil.

---

JCAD 2024: présentation d’un environnement de cours sous JupyterHub pour l’IA computationnelle

06 novembre 2024 — JCAD 2024

Retour sur la présentation de la plateforme jupyter au JACAD 2024 à Bordeaux: l’Université Lyon 1, en collaboration avec l’INSA de Lyon, a déployé une plateforme numérique innovante pour l’enseignement supérieur, s’appuyant sur des outils de l’écosystème du logiciel libre tels que Jupyterhub, Nbgrader, Flask et Python. Initialement mise en place pour le département de Mécanique de Lyon 1, cette plateforme s’est étendue à l’ensemble de l’université dans le cadre du projet AMI Include, financé par l’ANR. Présentée à la JupyterCON à Paris en mai 2023, elle est hébergée par le mésocentre P2CHPD de l’université et sera bientôt transférée au DataCenter CCDoua.

Cette infrastructure offre un environnement de calcul performant et durable, facilitant l’accès, le déploiement et réduisant l’empreinte énergétique. En 2024, elle a été adoptée par plus de 100 enseignants et 3000 étudiants dans environ 30 cours, allant de la licence 1 au master 2 et couvrant 7 portails scientifiques. Les usages pédagogiques incluent :

• Des travaux pratiques de programmation et de traitement de données.
• Des notebooks interactifs pour illustrer des modèles mathématiques, des simulations et des analyses.
• Des cours participatifs basés sur l’apprentissage par la pratique.
• Des TP virtuels pour simuler des expériences scientifiques.
• Des projets d’IA et de machine learning appliqués.

Cette diversité d’applications rend la plateforme précieuse pour l’enseignement supérieur en sciences, offrant aux étudiants une expérience éducative immersive et interactive.