Bonjour à tous,

Bienvenue dans votre espace de cours pour le semestre 2.

Prérequis : Module Atomes et molécules : Connaissance du tableau périodique des éléments et notion de configuration électronique des atomes

Objectifs : Les objectifs de ce cours sont de savoir dessiner et nommer des molécules organiques. Les fonctions organiques seront étudiées, hybridation du carbone (Csp3, Csp2 et Csp), doublets non liants, géométrie. Le carbone asymétrique sera introduit et la stéréochimie de molécules sera étudié comme l’énantiomérie (règle de Cahn-Ingold-Prelog, configuration R, S), la diastéréoisomérie (Z, E) et les représentations de Cram, Newman, Fisher. Le cyclohexane fonctionnalisé (forme chaise et bateau) sera étudié. Enfin, les effets inductifs seront présentés sur des exemples simples.

Travaux pratiques : Construction et études de molécules à l’aide de modèles moléculaires

Compétences visées : Savoir dessiner et nommer une molécule organique comportant plusieurs fonctions et des carbones asymétriques. Savoir identifier les effets inductifs présents dans une molécule et en conclure leur effet sur la stabilité.

La matière Algorithmique 1. Méthodologie de la programmation impérative propose :

• des compléments aux bases du langage C introduites par la matière Informatique : Bases de la programmation impérative, dont la construction structure, la gestion standard des flots, l'arithmétique des pointeurs, le type pointeur générique et la compilation séparée ;
• l'introduction et l'utilisation systématique de la logique de Hoare, laquelle est une démarche qui permet, simultanément, de construire un programme solution d'un problème posé et d'apporter la preuve que ce programme est bien solution du problème ;
• une introduction à l'analyse des algorithmes, cadre général qui permet d'évaluer l'efficacité des solutions et de les comparer ;
• un exposé de quelques-uns des problèmes à la fois classiques et fondamentaux en informatique avec certaines de leurs solutions en programmation impérative accompagnées de preuves et d'analyses.

Pré-requis : matière Bases de la programmation impérative.

Séances en amphi : 18 h, de TD : 24 h, de TP : 18 h.

Ce cours se compose de deux grandes parties : la première concerne les méthodes de séparation (chromatographie, extraction liquide-liquide...) et la seconde les méthodes d'analyse telles que les méthodes spectroscopiques (IR, UV-visible...).

Continuation de la matière Algorithmique 1. Méthodologie de la programmation impérative dispensée au deuxième semestre du portail IEEEA première année, la matière Algorithmique 2. Structures de données linéaires propose :

• une introduction à la programmation récursive ;
• une introduction à la représentation d'ensembles dynamiques via l'allocation dynamique, les pointeurs et les chainages ;
• des compléments de C : allocation dynamique ; sous-programmes à liste variable de paramètres ; directives ;
• des compléments à analyse des algorithmes : manipulation des notations asymptotiques ; méthodes générales de résolution de récurrences ; analyse amortie ;
• une introduction aux types de données abstraits et aux spécifications algébriques, avec une étude de quelques-unes des structures classiquement utilisées en informatique : ensemble, multi-ensemble ; les structures linéaires : pile, file, liste.

Séances en amphi : 18 h, de TD : 24 h, de TP : 18 h.

Pré-requis : matière Algorithmique 1.

Continuation de la matière Algorithmique 2. Structures de données linéaires dispensée au premier semestre de la deuxième année de la licence Informatique, la matière Algorithmique 3. Structures de données arborescentes propose la poursuite de l'étude de quelque-unes des structures classiquement utilisées en informatique : tables, arbres binaires et, dans une moindre mesure, forêts et arbres non binaires, avec certaines de leurs déclinaisons les plus fameuses.

Séances en amphi : 18 h, de TD : 24 h, de TP : 18 h.

Pré-requis : matière Algorithmique 2.

Objectifs de l’UE :

_ Echantillonnage d'une population et estimation de paramètres à l'aide de la construction d'intervalles de confiance.

_ Appréhension générale de la démarche d'un test statistique : hypothèses nulle/ hypothèse alternative, statistique de test et loi sous l'hypothèse nulle, construction de la région critique et décision. Compréhension de la notion de probabilité critique (p-value).

_ Aperçu détaillé des différents tests du Chi-deux (conformité, homogénéité, indépendance), des tests de conformité pour une moyenne et des différents tests de comparaison de moyennes (échantillons gaussiens ou non, échantillons grands ou petits, variances connues ou inconnues).

_ Appréhension du logiciel de statistiques R comme simple outil pour effectuer les différents tests étudiés.

Description des enseignements :

• Description des CM :

cours 1 : Echantillonnage et intervalles de confiance

cours 2 : Tests du Chi-deux de conformité, d'homogénéité et d'indépendance

cours 3 :Tests de conformité pour une moyenne

cours 4 :Tests de comparaison de moyennes

• Description des TP :

Les travaux dirigés sont constitués d'exercices en rapport direct avec le cours et très souvent avec des exemples biologiques. Ils sont effectués sur machines à l'aide d'un logiciel statistique. Les corrections sont d'abord construites sur le plan théorique puis les résultats sont calculés à l'aide du logiciel.

Résumé

• les variables ;
• les structures de contrôle ;
• les listes, les chaînes de caractères, les dictionnaires ;
• les fichiers ;
• les expressions rationnelles.

Objectif(s)

Compétences et apprentissages visés

Volume d'enseignement

Cours : 10h
TP : 10h

Nombre de Crédits Européens

2

Modalités de Contrôle des Connaissances et de Compétences

Épreuve écrite CM : 20%
Épreuve écrite TP : 80%

Contenu de l'Unité d'Enseignement

• le langage de structuration de pages Hyper Text Markup Language HTML5
• le langage de description de style Cascading Style Sheet CSS3
• les extensions de type Canvas, SVG, MathML, Highcharts/Googlecharts etc
• les formulaires utilisateurs et les actions serveur (essentiellement en PHP)
  
• le langage à balisage markdown (utilisation du façonneur pandoc, de codimd, du markdown de github etc)
• une introduction au langage côté client JavaScript

Compétences et connaissances acquises à l'issue de cette Unité d'Enseignement

À l'issue de cet enseignement, l'étudiant pourra :

• comprendre les mécanismes à mettre en œuvre pour la conception d'un site www simple
• modifier et étendre un site www existant

Programme : ce cours présente les enjeux de la médecine génomique personnalisée et le rôle essentiel de la bioinformatique dans ce contexte. En effet, depuis l’avènement du séquençage de nouvelle génération, le défi majeur en génétique médicale n’est plus l’identification des variations génétiques dans le génome des patients mais leur interprétation biologique et clinique. Les enseignements proposés dans le cadre de cette UE présentent les différents types de variations génétiques et leurs nomenclatures ainsi que les méthodes d’évaluation du caractère pathogène de ces variations (mutations constitutionnelles, altérations du nombre de copies, mutations somatiques et cancer). Ils intègrent la description de multiples approches expérimentales et bioinformatiques permettant d’appréhender l’impact fonctionnel des variations génétiques.

Modalités : cette UE s’organise en cours, en TD et en TP incluant la présentation de publications scientifiques récentes, de grandes ressources internationales et une sensibilisation aux questions éthiques en génomique. Elle est est évaluée en contrôle continu intégral, par deux travaux d'exposés (50%) et par un examen écrit sur table (50%). L'UE est obligatoire pour le parcours M1 BIMS et optionnelle pour le parcours M2CCB4.

Pré-requis : programme de génétique moléculaire eucaryote et procaryote et génie génétique de niveau licence SV d'un parcours moléculaire. Cette UE ne comprend pas de programmation informatique, il n'y a aucun pré-requis dans cette discipline.

A l'issue de ce cours les étudiants auront découvert l’importance des différentes bases de données mutationnelles et des grands projets internationaux de séquençage en génomique humaine. L’ensemble de ces enseignements doit aussi permettre aux étudiants d’acquérir des concepts génétiques et moléculaires fondamentaux dans le contexte de pathologies humaines. Au travers de cette UE combinée aux acquis de l'UE Génomique Transcriptomique, les étudiants disposeront de l'ensemble des connaissances pour aborder en pratique le traitement bioinformatique de données NGS en génomique des cancers (UE 3  Analyse de données de séquençage et annotations). 

Programme: ce cours présente les approches et technologies de séquençage (NGS) et d'hybridation (Array) à très haut-débit qui permettent d'explorer les génomes, métagénomes, transcriptomes et régulomes. Quelque soit le domaine du vivant (microorganisme, végétal, animal, humain) ces technologies révolutionnent les connaissances fondamentales en biologie moléculaire (contenu des génomes, expression et régulation de l'expression des génomes) et trouvent des applications en agrosciences (agro-génomique), environnement (éco-génomique) pour les organismes et micro-organismes, en médecine génomique (génomique des cancers, des maladies complexes, médecine personnalisée, maladies infectieuses). Ce cours intègre la présentation des démarches et outils bioinformatiques et biostatistiques nécessaires au traitement des masses de données issues de ces grands projets d'exploration moléculaire des mécanismes du vivant.

Modalités : l'enseignement s'organise en CM, en TD (analyse de figures, lectures d'articles) et en TP en salle informatique (découverte des ressources internationales sur le web). Ce cours présente sa documentation essentiellement en langue anglaise. Il a lieu en présentiel 40h : 26h CM, 10h TD, 4h TP). L'UE est évaluée en contrôle continu intégral, par diverses travaux collectifs ou individuels; travaux dirigés, travaux pratiques et examen sur table. L'UE est obligatoire pour les deux parcours de la mention bionformatique (M1 BIMS, M2CCB4), pour le M1 mention Microbiologie et est optionnelle pour le M1 mention Agrosciences EcobioValo.

Pré-requis : programme de génétique moléculaire eucaryote et procaryote et génie génétique de niveau licence SV d'un parcours moléculaire. Cet UE ne comprend pas de programmation informatique, il n'y a aucun pré-requis dans cette discipline. Sur le plan des statistiques, ce cours fait appel aux connaissances en statistiques des tests.

A l'issue de ce cours les étudiants sont capables 1/ de se repérer dans le paysage général des approches haut débit et des applications en génomique, de comprendre leur évolution, potentiel et limitation 2/ de lire et comprendre dans des articles de diverses applications les objectifs, matériels et méthodes expérimentales et bioinformatiques/biostatistiques ainsi que les différentes figures de résultats des étapes (contrôle qualité, chaine de traitement, annotation, visualisation); 3/ d'identifier et d'utiliser les banques de données internationales du domaine et un Genome Browser. 4/ Les étudiants de la mention bioinformatique disposeront de l'ensemble des connaissances pré-requises pour aborder en pratique le traitement bioinformatique de données NGS (UE 3 analyse de données de séquençage et annotations).   

Volume d'enseignement

Cours : 8h
TP : 16h

Nombre de Crédits Européens

2

Modalités de Contrôle des Connaissances et de Compétences

Épreuve écrite TP : 100%

Contenu de l'Unité d'Enseignement

• environnement Linux et connexion à des serveurs distants avec ou sans VPN
• langage bash et son interface graphique yad
• aperçu des langages AWK et sed
• traitement de flux de données : présentation de certains pipelines (Nextflow, snakemake etc)
• machines virtuelles et containeurs : docker, singularity

Compétences et connaissances acquises à l'issue de cette Unité d'Enseignement

À l'issue de cet enseignement, l'étudiant pourra :

• créer ses propres scripts bash et modifier des scripts existants
• mettre en place une chaîne de traitement en utilisant un système de pipeline de type Nextflow ou snakemake ou autre
• utiliser docker de façon à travailler sur un container ou à créer un container

Programme et objectifs:

Ce module a pour objectif la maîtrise des outils d'analyse, calcul et visualisation de données en Python: NumPy, SciPy, Pandas et Matplotlib. Le module permettra aussi une première prise en main de la bibliothèque Scikit-learn pour une initiation pratique à l'utilisation des méthodes d'apprentissage automatique. Le cours intègre, pour chaque outil, un apprentissage des techniques de manipulation et de traitement de données, il est ensuite mis en application lors de travaux pratiques. Les cas d'études traduisent des problématiques du monde de la bio-informatique comme la manipulation des données du génome humain de référence ou de la classification d'espèces. L'objectif étant de concevoir des projets qui vont de l’importation et le prétraitement de données nécessaires jusqu'à la visualisation des résultats de l'analyse.

Modalités d'évaluation:

L'enseignement s'organise en CM et en TP en salle informatique. Le cours présente sa documentation essentiellement en langue anglaise. Il a lieu en présentiel (18h : 6h CM, 12h TP). L'UE est évaluée en contrôle continu intégral par travaux pratiques.

Pré-requis:

Programmation Python.

Compétences attestées :

• Maîtriser les bibliothèques Python d’exploration de données et de calcul scientifique.
• Manipulation avancée de séries, de tableaux de données hétérogènes et de tableaux de calcul.
• Collecter des données, les organiser, les traiter, et les transformer en informations exploitables.
• Identifier les caractéristiques structurantes des données, les transformer et les visualiser.
• Programmer et résoudre un problème d’optimisation numérique (linéaire, non linéaire). Interpréter les résultats.
• Choisir et mettre en œuvre les différents modèles d'apprentissage. Mesurer, comparer et analyser la qualité des prédictions.

Cette seconde UE d'environnement professionnel comprend deux matières directement liées à la préparation du stage :

- Ingénierie logicielle - 1: bonnes pratiques de développement (10h) : premiers éléments des principes FAIR (Facile à trouver, Accessible, Interopérable, Réutilisable) pour l'analyse de données et le développement logiciel : usage de Git, tests unitaires, suivi de version et développement collaboratif.

- Veille et Communication Scientifique (12h) : outils de recherche et veille avancée (MeSH PubMed), gestion bibliographique (format bibTeX, gestionnaire de références), rédaction de documents scientifiques (maitrise des styles et LaTeX, Beamer), canevas du rapport pré-stage.

--

Série de quatre UE à chaque semestre du master. Elles sont dédiées à la préparation des démarches professionnelles. (L'anglais des S1 S3 et S4 (60h)  est présenté dans un autre espace Moodle).

• S1 - Environnement professionnel 1 - Métiers de la Bioinformatique du M1S1 (10h TD + travail personnel; 1 CE)  présente les domaines et les carrières en bioinformatique, accompagne la recherche du stage de S2 des M1BIMS/M2CCB4 et prépare dans le même temps à l'alternance en M2 BIMS : recherche d'un stage conventionné en alternance (formation initiale) ou d'un contrat d'apprentissage (apprenti).
  
• S2-Environnement professionnel 2 du M1S2 introduit 1/ la veille et communication scientifique écrite (12h TD + travail personnel; 1 CE) 2/ l'ingénierie logicielle avec les bonnes pratiques de développement (10h TD + travail personnel; 1 CE)
  
• S3-Environnement professionnel 3 (20h TD, 1 CE) du M2S3 comprend à 1/  un travail de communication  2/ l'ingénierie logicielle : pratique managériale et renforcement de l'enseignement vu en M1 (10h TD + travail personnel; 1 CE)
  
• S4-Environnement professionnel 4 du M2S4 (20h TD présentiel et personnel; 2 CE) prépare à l'insertion professionnelle post-master (ingénieur ou entrée en doctorat) et accompagne la recherche du stage conventionné post-alternance à l'international.

Cet enseignement se structure en deux thèmes abordés sous forme de cours, TD et TP en salle informatique :

• Phylogénie moléculaire : Origine de la phylogénie et concepts de bases en phylogénie moléculaire ; Caractéristiques des arbres (topologie, enracinement) ; Premières phylogénies moléculaires (horloge moléculaire, choix de l'ARNr, arbre du vivant). Règles de reconstruction des arbres : choix des séquences, alignement multiple de séquences et méthodes de reconstruction d'arbres phylogénétiques ; Estimation de la robustesse d'un arbre ; Applications et limites de la phylogénie.
• Évolution des génomes : mécanismes moléculaires impliqués dans l'évolution de la structure et du contenu des génomes (duplications de génomes et de segments, duplication de gènes et fonction au sein des familles de protéines, implication des éléments mobiles, origine des introns); méthodes d’études (cartographie comparée, analyse de synténie, analyse comparative de séquences de génomes complets, outils et bases de données internationales de référence pour l'orthologie).

L'UE est évaluée en contrôle continu intégral par plusieurs devoirs écrits à la maison dans le cadre des TD ou TP (30%) et par deux devoirs sur table (70%),  à part égale entre les deux parties . L'UE est obligatoire pour les parcours M1 BIMS  et M1 MIC et est optionnelle pour le parcours M2CCB4. Pour le parcours BIMS ce cours est un pré-requis et sera réinvesti et approfondi sur les aspects algorithmiques et statistiques en M2 dans l'UE bioinformatique en génomique comparative.

Formation en anglais pour les Masters 1 Biologie

GEHYD-BioDiv-SPIMR

Programme résumé

- Repliement des macromolécules biologiques : aspects cinétiques et thermodynamiques

- Détermination de la structure tridimensionnelle des macromolécules biologiques : principes des principales méthodes expérimentales (dichroïsme circulaire, Infrarouge et Raman, RMN, cristallographie et diffraction des rayons X) et modélisation moléculaire

- RMN : Principales expériences pour l’analyse structurale des protéines en solution, Caractérisation des interactions biologiques par RMN

- Apprentissage de différents outils informatiques pour l’analyse structurale et la modélisation de macromolécules biologiques

- Apprentissage de l’attribution d’un spectre RMN, stratégies d’interprétation

Approche pédagogique

- L'étudiant devra connaitre les niveaux de structuration d’une protéine et apprendre à en reconnaitre les différents motifs. Il devra comprendre les processus cinétiques et thermodynamiques du repliement des protéines, et leur application pour la détermination de structure. L’étudiant se familiarisera avec les principales banques de données de structure (PDB, KEGG), et apprendra à en utiliser les données (logiciels de modélisation moléculaires). Il maitrisera les principes des principales méthodes de détermination de structure, dont notamment la RMN

- Les cours magistraux sont accès sur l’apprentissage des connaissances nouvelles, et leur maitrise. Les travaux dirigés sont accès sur les stratégies d’interprétation des spectres RMN, et sur l’analyse de résultats d’études structurales. Trois devoirs maison (DM) et 2 travaux pratiques (TP) complètent l’apprentissage aussi bien théorique que pratique, au travers l’utilisation des outils web de biologie structurale et l’initiation à un logiciel de modélisation moléculaire professionnel

Compétences visées

- savoir : Repliement des macromolécules, méthodes d’études, RMN liquide

- savoir-faire : Analyser et décrire une structure complexe, Analyser des spectres RMN ¹H, 1D et 2D de peptides en solution, Attribuer les déplacements chimiques ¹H de peptides.

Objectifs :

L'étudiant devra apprendre à maitriser la statistique bivariée tout d'abord en comprenant la notion de corrélation puis en s'appropriant les différentes étapes de la modélisation statistique, du choix du modèle à son utilisation en passant par la validation et la qualité de ce modèle.

Contenu :

_ Corrélation entre deux variables (Pearson, Spearman): notion et tests de corrélation.

_ Régression linéaire simple : les différentes étapes de la modélisation sur des exemples.

_ ANOVA : tests de comparaisons de plusieurs moyennes

_ Régression non-linéaire simple et problème de choix de modèles.

La totalité de l'enseignement se fera en salle machine en utilisant le logiciel R. L'enseignement se fera par des études de cas : présentation du problème biologique, du protocole expérimental et des données obtenues puis un traitement statistique.

1) Administration et sécurité des bases de données Oracle :

• Gestion des utilisateurs
• Protection des tables
• PL/SQL avancé
• Audit
• Chiffrement

2) PostgreSQL

Série de quatre UE à chaque semestre du master. Elles sont dédiées à la préparation des démarches professionnelles. (L'anglais des S1 S3 et S4 (60h)  est présenté dans un autre espace Moodle).

• S1 - Environnement professionnel 1 - Métiers de la Bioinformatique du M1S1 (10h TD + travail personnel; 1 CE)  présente les domaines et les carrières en bioinformatique, accompagne la recherche du stage de S2 des M1BIMS/M2CCB4 et prépare dans le même temps à l'alternance en M2 BIMS : recherche d'un stage conventionné en alternance (formation initiale) ou d'un contrat d'apprentissage (apprenti).

Série de quatre UE à chaque semestre du master. Elles sont dédiées à la préparation des démarches professionnelles. (L'anglais des S1 S3 et S4 (60h)  est présenté dans un autre espace Moodle).

• S1 - Environnement professionnel 1 - Métiers de la Bioinformatique du M1S1 (10h TD + travail personnel; 1 CE)  présente les domaines et les carrières en bioinformatique, accompagne la recherche du stage de S2 des M1BIMS/M2CCB4 et prépare dans le même temps à l'alternance en M2 BIMS : recherche d'un stage conventionné en alternance (formation initiale) ou d'un contrat d'apprentissage (apprenti).
  
• S2-Environnement professionnel 2 du M1S2 introduit 1/ la veille et communication scientifique écrite (12h TD + travail personnel; 1 CE) 2/ l'ingénierie logicielle avec les bonnes pratiques de développement (10h TD + travail personnel; 1 CE)
  
• S3-Environnement professionnel 3 (20h TD, 1 CE) du M2S3 prépare à 1/ la communication scientifique orale 2/ l'ingénierie logicielle  (10h TD + travail personnel; 1 CE)
  
• S4-Environnement professionnel 4 du M2S4 (20h TD présentiel et personnel; 1 CE) prépare à l'insertion professionnelle post-master (ingénieur ou entrée en doctorat) et accompagne la recherche du stage conventionné post-alternance à l'international.

Descriptif :

Ce module abordera les concepts théoriques et pratiques des réseaux de neurones artificiels profonds. Le cours permettra de comprendre comment les réseaux de neurones sont entraînés en utilisant l'algorithme de descente du gradient et comment cet algorithme est mis en œuvre efficacement en utilisant la différenciation automatique par rétropropagation sur un graphe de tenseurs représentant le réseau neuronal. On étudiera ensuite les différentes architectures de réseaux de neurones telles que les réseaux de neurones à propagation avant, les réseaux de neurones convolutifs, les réseaux de neurones récurrents et les transformateurs. On apprendra aussi à optimiser les performances des réseaux de neurones et à éviter le surapprentissage avec des techniques telles que la régularisation, la normalisation, l'encodage etc.

D'un point de vue pratique, après un apprentissage rapide du langage de programmation Python et sa bibliothèque NumPy, nous aborderons l’implémentation orientée objet des tenseurs et des réseaux neuronaux à partir de zéro, puis leur mise en œuvre à l'aide des bibliothèques TensorFlow/Keras et PyTorch. Des applications concrètes comme la classification d'images, la classification de séquences biologiques, l'analyse des sentiments et la traduction automatique seront entièrement décrites jusqu'aux programmes et leurs applications sur des données réelles.

Les travaux pratiques traiterons de l'implémentation de réseaux neuronaux pour répondre à des problèmes de bioinformatique issues d'articles scientifiques en utilisant le framework TensorFlow/Keras.

Objectifs :

• Comprendre et mettre en œuvre les principes généraux d’un réseau de neurones.
• Comprendre et mettre en œuvre les types d’architectures neuronales et savoir les choisir pour traiter un problème spécifique.
• Savoir entraîner un réseau de neurones, analyser la qualité de ses prédictions et améliorer les performances.
• S’initier aux bibliothèques NumPy, TensorFlow/Keras et PyTorch en Python.
• Résoudre des problèmes de bioinformatique en utilisant l'apprentissage profond.

Cher.e.s étudiant.e.s CADEF,

Bienvenue sur l'espace dédié à la spécialité "Conception et Animation de Dispositifs d'Education et de Formation" du master 2 MEEF mention 4 PIF de l'INSPE Normandie Rouen - Le Havre et du département des Sciences de l'Education de l'Université de Rouen Normandie.

L'équipe pédagogique du CADEF

Forum – Annonces et Questions pédagogiques

Si vous rencontrez un problème concernant les aspects pédagogiques de votre formation et si vous pensez qu'une personne de votre promotion pourrait se poser la même question, n'hésitez pas à intervenir sur ce forum.

Vous pourrez également y déposer des éléments qui vous paraissent importants à partager.

Forum - Questions plateforme

Si vous rencontrez un problèmes concernant la plateforme et si vous pensez qu'une personne de votre promotion pourrait se poser la même question, n'hésitez pas à intervenir sur ce forum.

- Vous avez une heure et demie pour faire le test (un chronomètre apparaît sur la partie basse gauche de votre écran).

- Les questions et les items sont tous mélangés d’un étudiant à l’autre.

- Vous pouvez naviguer librement dans le test, rectifier vos réponses, en utilisant les boutons « page précédente ou « page suivante ». Cependant, une fois le test terminé et envoyé, vous ne pouvez plus revenir en arrière et modifier quoique ce soit ni faire une nouvelle tentative.

- Attention, ne soyez pas surpris! À la fin du test, on vous demandera de confirmer « Tout envoyer et Terminer ». Ce n’est pas une erreur : cela vous permet de ne pas effectuer une mauvaise manœuvre et d’envoyer votre test alors que vous vouliez revenir sur certaines questions.

- Au bout d’une heure et demie, si vous n’avez pas fini, votre travail est enregistré automatiquement et nous sera envoyé.

- Vous avez des points négatifs pour toute mauvaise réponse ou  absence de réponse.

Finance d'entreprise, bilan, structure du capital, résultat, rentabilité, risque, création de valeur, ...

L’association de tutorat étudiante de l'université de Rouen, le madrillet.

Objectifs :

• Concevoir un syllabus

• Concevoir un scénario pédagogique

Objectifs de la formation :

• Comprendre le principe de l’action mapping (cartographier un enseignement ou une formation à l’aide d’un logiciel de carte mentale, en privilégiant la mise en action de l’étudiant·e) réadapté à l’enseignement académique.
• Comprendre les utilisations possibles de cette cartographie (approche programme, alignement pédagogique, élaboration d’un scénario d’hybridation, rationalisation des apports théoriques au profit de la mise en activité de l’étudiant·e)
• Cartographier son propre enseignement, pendant et après l’atelier (suivi post-atelier en asynchrone ou par RDV individuel synchrone)

Module d'initiation aux enjeux de développement durable

Espace de cours réservés à la formation ! Ne pas toucher, SVP.

Essai N° 1

Espace de cours réservés à la formation ! Ne pas toucher, SVP.

Bac à Sable Laurent Mouchard

Initiation aux Learning Analytics : personnaliser les apprentissages

Le cours a pour but d'élucider le concept d'éducation à partir des approches philosophiques. Il fait voir les rapports entre éduquer, apprendre, instruire, enseigner. Il vise en fin à initier les étudiant au raisonnement critique nécessaire pour la démarche philosophique. 

Ce cours est cool

Espace de cours réservés à la formation ! Ne pas toucher, SVP.

Un cours EXCELLENT car je ne travaille qu'avec les meilleurs.

Initiation aux Learning Analytics : personnaliser les apprentissages

Initiation aux Learning Analytics : personnaliser les apprentissages

Initiation aux Learning Analytics : personnaliser les apprentissages