See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/27611553

Introduction. Modélisation et simulation dans l’enseignement scientifique :

usages et impacts

Article in Aster · January 2006

DOI: 10.4267/2042/16799 · Source: OAI

CITATIONS READS

11 4,919

2 authors, including:

Maryline Coquide
École Normale Supérieure de Lyon
56 PUBLICATIONS 503 CITATIONS

SEE PROFILE

All content following this page was uploaded by Maryline Coquide on 11 September 2014.

The user has requested enhancement of the downloaded file.

Modélisation et simulation
dans l’enseignement scientifique :
usages et impacts

Maryline Coquidé, UMR STEF (ENS Cachan, INRP) ; [email protected]

Jean-François Le Maréchal, UMR ICAR, groupe COAST (CNRS,
université Lumière-Lyon 2, ENS Lyon, INRP, ENS-LSH) ; [email protected]

La modélisation et la simulation représentent un vaste champ pour les recherches

relatives à l’enseignement scientifique et technologique, exploré depuis plusieurs
décennies déjà (Giordan & Martinand, 1987). Les travaux les plus anciens concernant
la modélisation en sciences ont été listés par Drouin (1992) qui proposait près de
250 références basées sur l’épistémologie, sur la psychologie cognitive ou sur la
didactique des sciences. Plusieurs outils didactiques ont été élaborés : outil d’analyse
didactique basé sur la modélisation considérée comme pouvant catégoriser savoir
savant, savoir enseigné et fonctionnement de l’élève face à ces savoirs (Tiberghien,
1994), schéma distinguant des registres et modélisant des contraintes pour un projet
d’enseignement de la modélisation (Martinand, 1992, 1994).
L’apprentissage par la modélisation dans l’enseignement des sciences a, depuis,
été le thème d’un numéro spécial de l’International Journal of Science Education
(2000). Dans la revue de questions sur les apports de la technologie informatique
pour l’enseignement des sciences, réalisée par Linn (2003), « la visualisation de
phénomènes scientifiques » et « les modèles scientifiques et la simulation » représentent
deux des principaux domaines parmi ceux abordés par l’auteur. Nombreuses sont
les revues qui publient régulièrement articles et contributions de recherches,
d’innovations ou de développements de la modélisation et de la simulation pour
l’enseignement scientifique et technologique. Les questions abordées dans ce
numéro d’Aster, consacré à la modélisation et à la simulation dans l’enseignement
scientifique, sont donc pleinement d’actualité.
L’appel à contribution orientait l’écriture des articles pour mieux connaître
la manière dont on peut enseigner et faire apprendre en concevant, en construi-
sant, en manipulant et en adaptant des objets (réels ou virtuels) dans un but
de modélisation scientifique. Ce numéro visait donc à proposer un état des
lieux des recherches actuelles sur ces questions. L’association des termes

43 | 2006 | aster | 7> 16

Maryline Coquidé et Jean-François Le Maréchal

modélisation et simulation a probablement orienté la réception de propositions

qui étaient majoritairement centrées sur des modélisations et des simulations
informatiques. Distinguer enseignement de la modélisation et enseignement
par la modélisation et la simulation, n’est par ailleurs pas toujours aisé. Un
enseignement de la modélisation prend aussi en charge des contenus scientifi-
ques, tandis qu’un enseignement par la modélisation et par la simulation prend
souvent en compte la nature des modèles. Hogan et Thomas (2001) ont, par
exemple, étudié l’utilisation, par des élèves de lycée, du logiciel de modélisation
dynamique quantitative Stella© pour construire des modèles dynamiques d’éco-
systèmes et pour favoriser le développement d’une pensée systémique. Les
articles réunis ici montrent la diversité des cadres théoriques utilisables dans
les différents contextes de recherche, qu’ils abordent la thématique de cet
ouvrage selon des registres plutôt épistémologique, psychologique ou pédago-
gique. Ils incitent à réfléchir aux fonctions de la modélisation et de la simulation.
De même l’enseignement de la modélisation et par la modélisation et la simu-
lation est discuté ; cela montre la nécessité d’une poursuite de recherche
dynamique dans ce domaine.

1. Diversité de travaux, de cadres théoriques et de visées

1.1. Contexte actuel d’usages et de fonctions dans les laboratoires

et dans les classes
Des schémas de molécules qui tournent et se déploient sur l’écran, des modè-
les qui miment l’évolution du climat, des images animées qui représentent les
interfaces entre pointe microscopique et surface… : dans les laboratoires, la puis-
sance numérique des technologies informatiques permet de multiplier les dimen-
sions, d’accélérer le temps, d’accéder à des représentations visuelles ou bien de
modéliser des phénomènes complexes. L’extraordinaire puissance du calcul et
d’analyse des données offertes par l’ordinateur autorise des traitements statisti-
ques sur des masses énormes de données. La simulation informatique facilite la
mise en scène et la lisibilité des résultats. Tout cela implique un nouveau type
d’expérience. Dans de nombreuses activités scientifiques et technologiques
contemporaines, l’ensemble indissociable théorie, modélisation, simulation et
expérimentation est omniprésent. Les modélisations numériques et les simulations
informatiques fournissent l’occasion de renouveler le débat du statut épistémolo-
gique de la modélisation et de celui de la simulation. Elles questionnent les notions
de phénomène, d’expérimentation et même de laboratoire, et il apparaît indispen-
sable de conserver constamment à l’esprit qu’une simulation ne permet d’accéder
qu’à la phénoménologie du modèle qu’elle contient.
Dans l’enseignement scientifique, les usages de la modélisation et de la simu-
lation se multiplient. En France, le chapeau commun aux programmes de sciences
physiques et sciences de la vie et de la Terre (SVT) pour le lycée souligne que

8 | aster | 2006 | 43
 Modélisation et simulation dans l’enseignement scientifique : usages et impacts

« l’exercice de modélisation du réel est sans doute la démarche la plus importante et

aussi la plus difficile dans la démarche scientifique ». Paradoxalement, les program-
mes d’enseignement des différentes disciplines scientifiques pour le secondaire
restent, ensuite, discrets à ce sujet tandis que le décret relatif au socle commun
de connaissances et de compétences semblerait plus explicite (2006). Le volet
culture scientifique et technologique envisage ainsi que l’élève soit capable de
« pratiquer une démarche scientifique », « savoir regarder, questionner, observer, for-
muler une hypothèse et la valider, argumenter, modéliser de façon élémentaire ; com-
prendre le lien entre les phénomènes de la nature et le langage mathématique qui s’y
applique et aide à les décrire ». Ces compétences visées restent cependant peu
commentées et l’on pourrait s’interroger sur la signification, et la faisabilité
éventuelle, de « modéliser de façon élémentaire ». L’élève devrait par ailleurs être
aussi capable de « manipuler et d’expérimenter » et, entre autres, de « percevoir la
différence entre réalité et simulation ».
Les différentes contributions du présent numéro d’Aster montrent la variété
des activités, scolaires ou non scolaires, qui font usage de modélisation et de
simulation.

1.2. Des contributions variées

Les articles retenus font se côtoyer divers cadres théoriques, différentes appro-
ches, différentes visées, différents domaines scientifiques, différents contextes et
niveaux d’enseignement.
Quatre articles soumettent des travaux empiriques, deux réalisés auprès de
lycéens ou d’étudiants, et deux autres auprès de jeunes élèves ou enfants.
L’étude de François-Xavier Bernard, Annick Weil-Barrais et Michel Caillot,
réalisée dans un contexte muséologique, étudie ainsi l’impact sur les apprentissages
d’enfants de 3 à 5 ans, d’un dispositif de simulation de mélange de couleurs exposé
à la Cité des sciences et de l’industrie (Paris). Elle montre que l’âge de 4 ans semble
constituer un palier pour que les enfants soient capables de mettre en œuvre les
procédures acquises au moyen du simulateur dans des conditions favorables d’ac-
compagnement. L’article de Berktan Bodur et Jack Guichard, de son côté, étudie
la modélisation auprès d’élèves de 8-10 ans et compare les modélisations et les
simulations les plus favorables à leur compréhension de la flexion-extension du
bras. En effet, la possibilité d’utiliser la modélisation chez les plus jeunes élèves ne
fait pas unanimité et a été débattue (Tytler & Peterson, 2004). Ceux qui avancent
une impossibilité se recommandent de Piaget pour qui les opérations formelles (à
laquelle l’activité de modélisation peut-être assimilée) ne peuvent advenir avant
l’adolescence (Inhelder & Piaget, 1955). Les activités scientifiques pour les plus
jeunes sont alors considérées comme devant se centrer uniquement sur des acti-
vités de classification, de description et de manipulation d’objets matériels (Metz,
1995). Des études, défendant le même point de vue, ont montré que, avant

43 | 2006 | aster | 9
Maryline Coquidé et Jean-François Le Maréchal

l’adolescence, l’enfant distinguait difficilement preuve expérimentale et théorie

(Kuhn et al., 1988 ; Kuhn, 1997). À l’opposé, Canal et al. (1992) ont montré que
des élèves de primaire étaient susceptibles d’avoir une activité de modélisation.
Par ailleurs, de jeunes élèves semblent pouvoir distinguer preuve et croyance
(Sodian et al., 1991), ou coordonner preuve et théorie lors de situations de
convariance (Ruffman et al., 1993).
Trois autres articles adoptent davantage une perspective d’analyse critique ou
de contribution théorique. L’article de Béatrice Desbeaux-Salviat et Dominique
Rojat, considère ainsi les productions scientifiques et la modélisation sous une
forme inhabituelle qui croise les entrées théoriques. Il dialectise la relation fait-
théorie et étudie le statut des documents dans l’enseignement des SVT en
soulignant ses tentations empiristes.

2. Fonctions de la modélisation et de la simulation

Sorte d’expérience, outil intellectuel ou théorique d’analyse, ou bien intermé-

diaire entre théorie et expérience et source d’information sur la nature des choses,
le statut épistémologique des simulations est controversé parmi les scientifiques
et les épistémologues (Parrochia, 2000 ; Varenne, 2006). Bien que leur statut
épistémologique fasse débat, modélisation et simulation peuvent, dans l’enseigne-
ment scientifique, fonctionner comme un pont entre théorie scientifique et monde
réel et être soumises à l’expérience (Gilbert, 2004). Si on s’intéresse non pas au
statut mais aux fonctions des modèles et de la simulation, le débat peut se révéler
bien constructif. C’est avec une vision élargie, et qui lui est propre, de la notion
d’expérience que l’article de Muriel Ney discute ainsi différentes fonctions péda-
gogiques des modèles et des simulateurs, et l’importance théorique d’une compo-
sante « expériencielle » dans ces enseignements. Instruments pour explorer la réa-
lité, les modèles peuvent, en effet, avoir des rôles très différents : ils peuvent décrire,
expliquer, prévoir ou aider à une prise de décision. Legay (1997) distingue ainsi les
« modèles d’hypothèse », les « modèles de mécanisme » (actuellement les plus répan-
dus), et les « modèles de décision et de prévision » (les moins développés mais les
plus demandés par la société). De même, les fonctions de la simulation peuvent
varier dans chaque domaine concerné et dans chaque cas. Le sommaire du numéro
spécial de Clefs CEA (2002), revue du Commissariat à l’énergie atomique, consacré
à la simulation, propose ainsi « simuler pour comprendre », « simuler pour concevoir »
et « simuler pour agir ». L’approche sociologique, de son côté, considère la construc-
tion sociale de la preuve. C’est à une découverte de l’épistémologie de Nancy
Cartwright (1983 ; 1999) que nous invite l’article de Gérard Sensevy et Jérôme
Santini, avant d’en discuter les conséquences didactiques. Cette épistémologie
considère de façon originale l’activité scientifique, elle intègre l’aspect social de la
modélisation et elle valorise l’importance de l’expérience, de la situation et des
instruments dans la production des modèles.

10 | aster | 2006 | 43
 Modélisation et simulation dans l’enseignement scientifique : usages et impacts

3. Enseigner la modélisation,
enseigner par la modélisation et la simulation
Nous avons commenté la difficulté de la distinction entre enseignement de la
modélisation et enseignement par la modélisation et la simulation. Dans ce numéro
d’Aster, plusieurs articles se situent plutôt dans une visée d’enseignement-appren-
tissage par la modélisation et par la simulation ; seul l’article de Muriel Ney prend
explicitement pour objectif principal une analyse de l’enseignement de la modéli-
sation. Un état des lieux de l’enseignement de la modélisation dans une formation
en biologie en université y est présenté.
Dans l’enseignement par la modélisation et la simulation, l’objectif pédagogique
principal est que les élèves construisent des savoirs en modélisant des phénomènes
scientifiques. Les cadres théoriques sollicités peuvent être divers.
Dans le model-based learning de la littérature anglophone, il s’agit de faire évo-
luer les modèles mentaux des élèves vers des modèles plus scientifiques. Dans ce
cadre théorique, un aspect essentiel de l’apprentissage des sciences (Hodson, 1992)
consiste alors en la construction par les élèves ou les étudiants de modèles men-
taux aussi proches que possible des modèles scientifiques et historiques. Ces dif-
férents modèles, modèles mentaux et modèles scientifiques, ne sont absolument
pas du même ordre, registre psychologique pour les uns, épistémologique pour
les autres. Se pose alors la question de savoir comment peut s’envisager le passage
de l’un vers l’autre. Les versions simplifiées des modèles scientifiques, issues de
ces études, peuvent faire partie des programmes scolaires et être appelées « modè-
les enseignés » (Gilbert, Boulter & Elmer, 2000). Pour Clément (2000), cette théorie
de l’apprentissage s’inscrit dans le développement d’une théorie du changement
conceptuel.
L’utilisation de la simulation en classe peut aussi remettre en question l’idée
que l’on se fait de la notion d’étayage ou échafaudage (scaffolding). Rappelons que
l’étayage, issu du modèle socioconstructiviste vygotskien de l’apprentissage, doit
permettre à l’élève ou à l’étudiant d’exercer une activité cognitive au-delà de
capacités acquises. Il est considéré comme intervenant dans un contexte d’inter-
actions sociales (Vygotski, 1978). Vergnaud (2000) précise que les processus de
médiation dans la théorie de Vygotski présentent deux dimensions distinctes mais
non indépendantes : la médiation par l’adulte et la médiation par les signes. Dans
un contexte scolaire, c’est généralement l’enseignant qui joue le rôle de personne-
guide. Avec les usages scolaires des technologies informatiques, une nouvelle
interrogation émerge : savoir si l’implantation du modèle au sein d’une simulation
peut contribuer à cet étayage. Plusieurs travaux avaient apporté des éléments de
discussion (Guzdial, 1995 ; Linn, 1995 ; Bell & Davis, 2000). Dans le projet d’appren-
tissage qu’il avait mis en œuvre, Guzdial avait, par exemple, proposé à des étudiants
des « blocs » de modèle pouvant être utilisés « comme un tout », plutôt que de les
faire modéliser à partir de rien.

43 | 2006 | aster | 11
Maryline Coquidé et Jean-François Le Maréchal

3.1. Évaluer un impact

Il peut s’agir de mieux connaître les usages scolaires de l’enseignement, et
l’impact sur les apprentissages, de la modélisation et de la simulation. Ainsi, de
nombreuses études avaient, de longue date, comparé les effets sur l’apprentissage
d’un enseignement basé sur une simulation, par rapport à celui réalisé de façon
transmissive sous forme d’exposé. Des domaines tels que la biologie (Rivers &
Vockell, 1987), la mécanique (Rieber, Boyce & Assad, 1990), ou bien encore l’élec-
tricité (Carlsen & Andre, 1992), avaient notamment été abordés. D’autres travaux
(de Jong et al., 1999) montraient que l’apprentissage au moyen de la simulation
était plus efficace dans un environnement qui offrait des possibilités d’investigation
et de découverte.
L’environnement informatique original pour la formation à la mécanique, pré-
senté dans la recherche de Martin Riopel, Gilles Raiche, Frédéric Fournier et Pierre
Nonnon, intègre l’enregistrement automatique des cheminements des étudiants
Ces données, associées à l’analyse des commentaires de ces derniers peut contri-
buer à appréhender leurs raisonnements lors des différents épisodes. Les recher-
ches françaises semblent explorer davantage les procédures d’enseignement ou
de médiation ayant recours à de la simulation. L’article de François-Xavier Bernard,
Michel Caillot et Annick Weil-Barrais, et celui de Berktan Bodur et Jack Guichard,
montrent ainsi l’importance du contexte d’enseignement ou d’apprentissage et la
nécessité d’une médiation adaptée, en particulier pour les plus jeunes élèves.

3.2. Contribuer à une recherche développement

Il peut s’agir aussi de participer à la recherche-développement d’un logiciel,
d’un simulateur ou d’un projet éducatif d’ensemble. L’article de Jean-François Le
Maréchal et Karine Bécu-Robinault analyse ainsi un projet de recherche et déve-
loppement de la simulation pour l’enseignement de la chimie. Une analyse, du point
de vue de la modélisation et de la représentation des connaissances, conduit à une
proposition de catégorisation des simulateurs.
Celui de Martin Riopel, Gilles Raîche, Fréderic Fournier et Pierre Nonnon
présente une recherche de développement d’un environnement informatisé d’ap-
prentissage de la mécanique qui associe un système d’expérimentation assistée
par ordinateur et un système de simulation. Cet environnement original permet
aux étudiants de comparer séquence vidéo animée et simulation, grâce à une
superposition directe d’images d’objets réels et virtuels.

4. Des besoins de recherche

La mise en œuvre de démarches de modélisation et le développement de la

simulation en classe supposent aussi de mieux connaître les usages qu’en font les

12 | aster | 2006 | 43
 Modélisation et simulation dans l’enseignement scientifique : usages et impacts

enseignants et les exigences ou contraintes d’utilisation pour des apprentissages.

L’appel à communication pour ce numéro incitait à des propositions sur ces ques-
tions. Il s’agissait de s’interroger sur les facteurs qui déterminent la conception des
outils pédagogiques pour la modélisation et la simulation, sur les contraintes
d’usage, sur les conceptions des enseignants, sur les compétences requises, sur les
formations éventuelles. Plusieurs articles ont déjà été publiés sur ces questions :
analyse des conceptions sur la modélisation d’élèves (Treagust et al., 2002) ou
d’enseignants (Van Driel & Verloop, 2002 ; Justi & Gilbert, 2003), impact d’une for-
mation d’enseignants (Crawford & Cullin, 2003), analyse des difficultés et de la fai-
sabilité d’un enseignement de modélisation compartimentale (Orange, 1997),
analyse de contraintes d’usage de la modélisation et de la simulation informatique
(Beaufils et al., 1999 ; Buty, 2003 ; Beaufils & Ramage, 2004), mais de nombreuses
questions demeurent en suspens. Quelles difficultés la modélisation pose-t-elle
aux élèves ? Comment les aider à appréhender le statut de la modélisation et celui
de la simulation ? La mise à disposition et l’adaptation, pour l’enseignement, de
pratiques et d’outils scientifiques permettent, en outre, de bâtir de nouvelles
situations d’apprentissage utilisant les simulations. Comment se font ces adapta-
tions ? Avec quelles règles de conception ? Sous quelles contraintes ? Avec quelles
perspectives d’usage ? ■

BIBLIOGRAPHIE

BEAUFILS D. & RAMAGE M.-J. (2004). Simulation informatique et enseignement

de la physique : regards didactiques. Bulletin de l’Union des Physiciens, n° 866,
p. 1081-1090.
BEAUFILS D., RICHOUX H. & CAMGUILHEM C. (1999). Savoirs et savoir-faire
associés à l’utilisation d’instruments informatisés dans des activités
de travaux pratiques de physique. Aster, n° 28, p. 131-148.
BELL P. & DAVIS E.A. (2000). Designing Mildred: Scaffolding students’ reflection
and argumentation using a cognitive software guide. In S. O’Connor-Divelbiss
(Éd.). Proceedings of the fourth international conference of the learning sciences.
Mahwah, NJ: Erlbaum, p. 142-149.
BUTY C. (2003). Richesses et limites d’un modèle matérialisé informatisé
en optique géométrique. Didaskalia, n° 23, p. 29-64.
CANAL J.-L., GENZLING J.-C., PIERRARD M-A. & SARRAZIN L. (1992).
La modélisation à l’école élémentaire. In J.-L. Martinand (dir.). Enseignement
et apprentissage de la modélisation en sciences. Paris : INRP, p. 55-117.
CARLSEN D. & ANDRE T. (1992). Use of a microcomputer simulation
and conceptual change text to overcome students preconceptions about
electric circuits. Journal of Computer-Based Instruction, n° 19, p. 105-109.

43 | 2006 | aster | 13
Maryline Coquidé et Jean-François Le Maréchal

CARTWRIGHT N. (1983). How the laws of physics lie. Oxford: Oxford University
Press.
CARTWRIGHT N. (1999). The dappled world: a study of the boundaries of sciences.
Cambridge: Cambridge University Press.
Clefs CEA (2002), n° 47, hiver 2002-2003.
CLEMENT J. (2000). Model based learning as a key research area for science
Education. International Journal of Science Education, vol. 22, n° 9, p. 1041-1053.
CRAWFORD B. & CULLIN M. (2003). Supporting prospective teachers’
conceptions of modelling in science. International Journal of Science Education,
vol. 26, n° 11, p. 1379-1402.
DROUIN A.-M. (1992). Cheminement bibliographique. In J.-L. Martinand (dir.).
Enseignement et l’apprentissage de la modélisation en sciences. Paris : INRP,
p. 23-53.
GILBERT J.K. (2004). Models and modelling: routes to more authentic science
Education. International Journal of Science and Mathematics Education, n° 2,
p. 115-130.
GILBERT J.K., BOULTER C.J. & ELMER R. (2000). Positioning models in science
Education and in design and technology Education. In J.K. Gilbert &
C.J. Boulter (Éd.). Developing models in science Education. Dordrecht: Kluwer
Academic Publishers, p. 3-18.
GIORDAN A. & MARTINAND J.-L. (Éd.) (1987). Modèles et Simulation. Actes des
IXe Journées Internationales sur l’Éducation Scientifique. Paris : UER de didactique
des disciplines, université Denis-Diderot-Paris 7.
GUZDIAL M. (1995). Software-realized scaffolding to facilitate programming
for science learning. Interactive Learning Environments, n° 4, p. 1-44.
HODSON D. (1992). In search of a meaningful relationship: An exploration
of some issues relating to integration in science and science Education.
International Journal of Science Education, vol. 14, n° 5, p. 541-562.
HOGAN K. & THOMAS D. (2001). Cognitive comparisons of students’ systems
modelling in ecology. Journal of Science Education and Technology, vol. 10, n° 4,
p. 319-345.
INHELDER B. & PIAGET J. (1955). De la logique de l’enfant à la logique
de l’adolescent. Paris : PUF.
International Journal of Science Education (2000), vol. 22, n° 9.

14 | aster | 2006 | 43
 Modélisation et simulation dans l’enseignement scientifique : usages et impacts

JONG (de) T., MARTIN E., ZAMARO J.M., ESQUEMBRE F., SWAAK J.
& JOOLINGEN W.R. (1999). The integration of computer simulation and
learning support: an example from the physics domain of collisions. Journal
of Research in Science Teaching, vol. 36, n° 5, p. 597-615.
JUSTI R. & GILBERT G. (2003). Teacher’s views on the nature of models.
International Journal of Science Education, vol. 25, n° 11, p. 1369-1386.
KUHN D. (1997). Developmental psychology and science Education. Review
of Educational Research, 67, 141-150.
KUHN D., AMSEL E. & O’LOUGHLIN M. (1988). The development of scientific
thinking skills. London: Academic Press.
LEGAY J.-M. (1997). L’expérience et le modèle : un discours sur la méthode.
Paris : INRA Éditions.
LINN M.C. (1995). Designing computer learning environments for engineering
and computer science: The scaffolded knowledge integration framework.
Journal of Science Education and Technology, n° 4, p. 103-126.
LINN M.C. (2003). Technology and science Education: starting points, research
programs and trends. International Journal of Science Education, vol. 25, n° 6,
p. 727-758.
MARTINAND J.-L. (dir.) (1992). Enseignement et apprentissage de la modélisation en
sciences. Paris : INRP.
MARTINAND J.-L. (dir.) (1994). Nouveaux regards sur l’enseignement et
l’apprentissage
de la modélisation en sciences. Paris : INRP.
METZ K. (1995). Reassessment of developmental constraints on children’s
science instruction. Review of Educational Research, n° 65, p. 93-127.
ORANGE C. (1997). Problèmes et modélisation en biologie. Paris : PUF.
PARROCHIA D. (2000). L’expérience dans les sciences : modèles et simulation.
In Y. Michaud (dir.). Qu’est-ce que la vie ? vol. I. Paris : Éd. Odile Jacob,
p. 193-203.
RIEBER L.P., BOYCE M. & ASSAD C. (1990). The effects of computer animation
on adult learning and retrieval tasks. Journal of Computer-Based Instruction,
n° 17, p. 46-52.
RIVERS R.H. & VOCKELL E. (1987). Computer simulations to stimulate scientific
problem solving. Journal of Research in Science Teaching, n° 24, p. 403-415.

43 | 2006 | aster | 15
Maryline Coquidé et Jean-François Le Maréchal

RUFFMAN T., PERNER J., OLSON D. & DOHERTY M. (1993). Reflecting on

scientific thinking: Children’s understanding of the hypothesis-evidence
relation. Child Development, n° 64, p. 1617-1736.
SODIAN B., ZAITCHICK D. & CAREY S. (1991). Young children’s
differentiation
of hypothetical beliefs from evidence. Child Development, n° 62, p. 753-766.
TIBERGHIEN A. (1994). Modeling as a basis for analysing teaching-learning
situations. Learning and Instruction, vol. 10, n° 4, p. 71-87.
TREAGUST F., CHITTLEBOROUGH G. & MAMIALA T. (2002). Students
understanding
of the role of scientific models in learning. International Journal of Science
Education, vol. 24, n° 4, p. 357-368.
TYTLER R. & PETERSON S. (2004). From “Try-it and See” to strategic
exploration: characterizing young children’s scientific reasoning. Journal of
Research in Science Teaching, vol. 41, n° 1, p. 94-118.
VAN DRIEL J.H. & VERLOOP N. (2002). Experienced teachers’ knowledge of
teaching and learning of models and modelling in science Education.
International Journal of Science Education, vol. 24, n° 12, p. 1255-1272.
VARENNE F. (2006). Les notions de métaphore et d’analogie dans les épistémologies
des modèles et des simulations. Paris : Éd. Pétra.
VERGNAUD G. (2000). Lev Vygotsky. Pédagogue et penseur de notre temps. Paris :
Hachette.
VYGOTSKY L.S. (1978). Mind in society:The development of higher psychological
processes. Cambridge: Harvard University Press.

16 | aster | 2006 | 43
Modelling and simulation in science teaching: use
and impact
Maryline Coquidé, UMR STEF (ENS Cachan, INRP); [email protected]

Jean-François Le Maréchal, UMR ICAR, groupe COAST (CNRS, Université

Lumière-Lyon 2, ENS Lyon, INRP, ENS-LSH); [email protected]

Modelling and simulation represent a vast field for research related to science
and technology teaching that has already been explored for several decades
(Giordan & Martinand, 1987). The oldest works concerning modelling in
science were listed by Drouin (1992) who provided roughly 250 references
based on epistemology, cognitive psychology or the didactics of science.
Several didactic tools have been elaborated: a didactic analysis tool based on
modelling considered as being able to categorize scholarly knowledge, taught
knowledge and the functioning of pupils faced with them (Tiberghien, 1994);
an outline distinguishing between various registers and modelling the
constraints for a modelling teaching project (Martinand, 1992, 1994).

Since then learning through modelling in science teaching has been the theme
of a special issue of the International Journal of Science Education (2000). In
Linn’s review (2003) of issues concerning the contribution of computing
technology to science teaching, “the visualization of scientific phenomena” and
“scientific models of the situation” represent the two major fields treated by
the author. Numerous journals regularly publish articles and papers dealing
with research, innovation or developments in modelling and simulation in
science and technology teaching. The questions tackled in this issue of Aster,
devoted to modelling and simulation in science teaching, are thus most
contemporary concerns.

The invitation to submit contributions directed the writing of the articles

towards a better knowledge of the means of teaching and learning through the
conception, construction, manipulation and adaptation of (real and virtual)
objects with a view to scientific modelling. This issue thus aimed to provide an
overview of current research into these questions. The association of the terms
modelling and simulation probably oriented the reception of submissions
towards articles focusing on computer modelling and simulations. Moreover,
the distinction between teaching modelling and teaching through modelling is
not always easy to establish. Teaching modelling also includes scientific
content, while teaching through modelling and simulation often includes the
nature of the models. Hogan and Thomas (2001), for instance, studied the use
by upper secondary school pupils of the quantitative, dynamic modelling
software Stella© to construct dynamic models of ecosystems and facilitate the
development of systematic thought. The articles brought together here
illustrate the diversity of the usable theoretical frameworks in different
research contexts, whether they tackle the theme of this issue in an
epistemological, psychological or didactic register. These contributions incite
us to reflect on the functions of modelling and simulation. Likewise, the
discussion of the teaching of modelling and through modelling and simulation
shows the necessity of pursuing dynamic research in this field.

1. The diversity of research, theoretical frameworks and aims

1.1. The present context of uses and functions in laboratories and

classrooms

From diagrams of rotating molecules that appear on the screen, through

models that mimic the evolution of the climate, to animated images
representing the interface between microscopic point and surface… in
laboratories, digital power and computing technology enable the multiplication
of dimensions, the acceleration of time, access to visual representations or
models of complex phenomena. The extraordinary power of calculation and
data analysis provided by computers opens the way to the statistical treatment
of enormous masses of information. Computer simulations facilitate the
presentation and readability of results. These elements imply a new type of
experiment. In numerous contemporary scientific and technological activities,
theory, modelling, simulation and experimentation are indissociable and
omnipresent. Digital modelling and computer simulation provide the
opportunity of renewing the debate over the epistemological status of
modelling and simulation. They question the notions of phenomenon,
experimentation and even laboratory. We must also constantly bear in mind
the fact that a simulation can only provide access to the phenomenology of the
model it includes.

In science teaching, the use of modelling and simulation is on the increase. In

France, the common framework of the upper secondary school 1 curricula for
physical sciences 2 and Earth and life sciences underline that “the exercise of
modelling reality is undoubtedly the most important and yet most difficult one
in the scientific approach”. Paradoxically, the various secondary curricula for
the various scientific subjects remain discreet while the decree relating to the
common foundation of knowledge and skills would seem to be more explicit
(2006). The section dealing with scientific and technological culture thus
envisages that pupils should be able to “carry out a scientific approach”, “know
how to watch, question, observe, formulate and validate a hypothesis, argue,
create a simple model, and understand the link between phenomena of nature
and the mathematical language applied to them and which helps describe
them”. However, these targeted skills are little commented upon and we might
wonder about the meaning and potential feasibility of “create a simple model”.
Besides the above, pupils should also be able to “manipulate and experiment”,
as well as, amongst others, being able to “perceive the difference between
reality and simulation”.

1
In France secondary education is divided into the collège (4 years) followed by the lycée (3 years).
2
Notably includes both physics and chemistry.
The various contributions to this issue of Aster demonstrate the variety of
activities, whether school activities or not, that use modelling and simulation.

1.2. Varied contributions

The articles selected for this issue of Aster bring together various theoretical
frameworks, different approaches, aims, scientific domains, teaching contexts
and levels.

Four articles submit empirical research, two projects with upper secondary
pupils or students, and two others with young pupils or children.

The study by François-Xavier Bernard, Annick Weil-Barrais and Michel Caillot,

carried out in a museology context examines the impact on the learning of 3 to
5 year-old children of a device simulating the mixing of colours that is on show
at the Paris Cité des sciences et de l’industrie. It shows that the age of 4
constitutes a threshold beyond which, in favourable conditions, children are
able to put into practice the processes acquired with the simulator. Berktan
Bodur and Jack Guichard, for their part, study modelling with pupils aged 8 to
10 and compare models and simulations that are most favourable to their
understanding of the flexion-extension of the arm. Indeed, the possibility of
using modelling with the youngest pupils is not unanimously admitted and has
been debated (Tytler & Peterson, 2004). Those that claim an impossibility
support their view by referring to Piaget, for whom formal operations (to which
the activity of modelling can be assimilated) cannot occur before adolescence
(Inhelder & Piaget, 1955). They therefore consider that scientific activities for
the youngest should be centred only on classification, description and
manipulation of material objects (Metz, 1995). Studies defending the same
point of view have demonstrated that, before adolescence, children have
difficulty in distinguishing experimental proof from theory (Kuhn et al., 1988;
Kuhn, 1997). At the other extreme, Canal et al. (1992) have demonstrated
that primary school pupils were likely to have a modelling activity. Moreover,
young pupils seem able to distinguish between proof and belief (Sodian et al.,
1991), or to coordinate proof and theory in situations of covariance (Ruffman
et al., 1993).

Three other articles adopt the perspectives of critical analysis or theoretical

contribution. In their article, Béatrice Desbeaux-Salviat and Dominique Rojat,
consider scientific productions and models in an unusual way that crosses
theoretical boundaries. They dialectalize the fact-theory relationship and study
the status of documents in the teaching of Earth and life sciences, underlining
empiricist temptations.

2. Functions of modelling and simulation

A sort of experiment? An intellectual or theoretical analytical tool? A halfway

house between theory and experiment and source of information about the
nature of things? The epistemological status of simulations is a source of
controversy among scientists and epistemologists (Parrochia, 2000; Varenne,
2006). Although their epistemological status is subject to debate, in science
teaching, modelling and simulation can function as a bridge between scientific
theory and the real world and be subjected to experiment (Gilbert, 2004). If
we focus not on the status but on the functions of models and simulations, the
debate can be seen to be constructive. In her article, it is with her own
broadened vision of the experiment that Muriel Ney discusses the different
didactic functions of models and simulators and the importance of an
“experiential” component in this teaching. As instruments for the exploration
of reality, models may indeed have very different roles. They can describe,
explain, predict of be an aid to decision making. Thus Legay (1997)
distinguishes between “hypothesis models”, “mechanism models” (currently
the most common) and “decision and prediction models” (the least developed
but the most desired by society). Likewise, the functions of simulation can
vary in each field and case. The contents of the special simulation issue of
Clefs CEA (2002), the journal of the French Commissariat à l’énergie
atomique 3 , proposes “simulating for understanding”, “stimulating for
conception” and “simulating for action”. For its part, the sociological approach
considers the social construction of proof. In their article, Gérard Sensevy and
Jérôme Santini, invite us to discover the epistemology of Nancy Cartwright
(1983; 1999) before discussing its didactic consequences. This epistemology
considers scientific activity in an original manner, integrating the social aspect
of modelling and increasing the status of experience, the situation and
instruments in the production of models.

3. Teaching modelling, teaching through modelling and simulation

We have already commented on the difficulty of the distinction between

teaching modelling and teaching through modelling and simulation. In this
issue of Aster, several articles are based on teaching-learning through
modelling and simulation; only Muriel Ney’s article has the explicit principal
objective of teaching modelling. She presents an overview of the teaching of
modelling in a university biology course.

In teaching through modelling and simulation, the major didactic aim is that
pupils construct knowledge by modelling scientific phenomena. The theoretical
frameworks involved can be diverse.

In the model-based learning of English language research, the objective is the

evolution of pupils’ mental models towards more scientific models. Within this
theoretical framework, an essential aspect of science learning (Hodson, 1992)
consists in the construction by pupils or students of mental models that are as
close as possible to scientific and historical models. These different models,
mental and scientific, are definitely not of the same type, being psychological
or epistemological. Therefore the question arises of how the passage from the
one to the other can be envisaged. The simplified versions of scientific models
3
French government atomic energy agency
that emerge from these studies can be included in curricula and be referred to
as “taught models” (Gilbert, Boulter & Elmer, 2000). For Clément (2000), this
theory of learning finds its place in the development of a theory of conceptual
change.

The use of simulation in class can also put a question mark over our ideas on
the notions of support and scaffolding. Support, a concept taken from the
Vygotskian socio-constructive model, should enable the pupil or student to
practice a cognitive activity beyond acquired skills – it is considered as
intervening in a social context of social interaction (Vygotski, 1978). Vergnaud
(2000) specifies that mediation processes in Vygotski’s theory present two
distinct but non independent dimensions: mediation through adults and
mediation through signs. In a school context, the teacher generally plays the
role of guiding adult. With the use of computer technology in schools a new
question emerges: can the inclusion of a model within a simulation contribute
to this support? Several works have provided elements for discussion (Guzdial,
1995; Linn, 1995; Bell & Davis, 2000). For example, in the learning project
that he implemented, Guzdial had offered his students “blocks” that could be
used “as a whole” rather than letting them model from nothing.

3.1. Evaluating impact

We may focus on deeper knowledge of school teaching use and the impact on
learning of modelling and simulation. Thus, for some time now, numerous
studies have compared the effects on learning of simulation-based teaching
and teacher presentation-based methods. These studies dealt with fields such
as biology (Rivers & Vockell, 1987), mechanics (Rieber, Boyce & Assad, 1990),
or electricity (Carlsen & Andre, 1992). Other research (de Jong et al., 1999)
demonstrated that learning through simulation was more efficient in an
environment that offered possibilities for investigation and discovery.

The original computer environment for training in mechanics, presented in the

research of Martin Riopel, Gilles Raiche, Frédéric Fournier and Pierre Nonnon,
integrates the automatic recording of the progression of students. This data, in
conjunction with the analysis of comments about it, can contribute to the
apprehension of their reasoning in the various episodes. French research
seems to focus more on teaching or mediation procedures having recourse to
simulations. The article by François-Xavier Bernard, Michel Caillot and Annick
Weil-Barrais as well as the one by Berktan Bodur and Jack Guichard also
demonstrate the importance of the teaching or learning context and the need
for appropriate mediation particularly for the youngest pupils.

3.2. Contributing to developmental research

We may focus on participating in the developmental research of simulator

software or on a global educational project. The article by Jean-François Le
Maréchal and Karine Bécu-Robinault analyses a research and development
project dealing with simulation in chemistry teaching. An analysis from the
perspective of modelling and representing knowledge leads to the proposal of
a categorization of simulators.

The article by Martin Riopel, Gilles Raîche, Fréderic Fournier and Pierre Nonnon
presents developmental research concerning a computerized learning
environment for mechanics which associates a computer assisted
experimentation system and a simulation system. This original environment
enables students to compare animated video sequences and simulations,
through direct superposition of images of real and virtual objects.

4. Research needs

The implementation of modelling and the development of simulations in the

classroom imply an improved knowledge of the use made of them by teachers
as well as the demands or constraints of use for learning. The call for
contributions to this issue of Aster encouraged submissions on these subjects
– inviting enquiry into the factors that determine the conception of didactic
tools for modelling and simulation, into the constraints on use, into teachers’
conceptions, into the required competence, into possible training. Several
articles concerning these issues have already been published: the analysis of
pupil conceptions of modelling (Treagust et al., 2002) or of teacher
conceptions (Van Driel & Verloop, 2002; Justi & Gilbert, 2003), the impact of
teacher training (Crawford & Cullin, 2003), the analysis of the difficulties and
feasibility of the teaching of compartmented modelling (Orange, 1997), the
analysis of the constraints on the use of modelling and computer simulation
(Beaufils et al., 1999; Buty, 2003; Beaufils & Ramage, 2004). Yet numerous
questions remain unresolved. What difficulties does modelling make for pupils?
How can we help them apprehend the status of modelling and simulation?
Amongst other things, the provision and adaptation for teaching of scientific
practices and tools enables the building of new learning situations using
simulations. How are these adaptations carried out? According to which rules
of conception? Under which constraints? And with which perspectives of use?

BIBLIOGRAPHY

BEAUFILS D. & RAMAGE M.-J. (2004). Simulation informatique et

enseignement de la physique : regards didactiques. Bulletin de l’Union des
Physiciens, n° 866, pp. 1081-1090.

BEAUFILS D., RICHOUX H. & CAMGUILHEM C. (1999). Savoirs et savoir-faire

associés à l’utilisation d’instruments informatisés dans des activités de travaux
pratiques de physique. Aster, n° 28, pp. 131-148.

BELL P. & DAVIS E.A. (2000). Designing Mildred: Scaffolding students’

reflection and argumentation using a cognitive software guide. In S. O’Connor-
Divelbiss (Ed.). Proceedings of the Fourth International Conference of the
Learning Sciences. Mahwah, NJ: Erlbaum, pp. 142-149.
BUTY C. (2003). Richesses et limites d’un modèle matérialisé informatisé en
optique géométrique. Didaskalia, n° 23, pp. 29-64.

CANAL J.-L., GENZLING J.-C., PIERRARD M-A. & SARRAZIN L. (1992). La

modélisation à l’école élémentaire. In J.-L. Martinand (dir.). Enseignement et
apprentissage de la modélisation en sciences. Paris: INRP, pp. 55-117.

CARLSEN D. & ANDRE T. (1992). Use of a microcomputer simulation and

conceptual change text to overcome students’ preconceptions about electric
circuits. Journal of Computer-Based Instruction, n° 19, pp. 105-109.

CARTWRIGHT N. (1983). How the laws of physics lie. Oxford: Oxford

University Press.

CARTWRIGHT N. (1999).The dappled world: a study of the boundaries of

sciences. Cambridge: Cambridge University Press.

Clefs CEA (2002), n° 47, hiver 2002-2003.

CLEMENT J. (2000). Model based learning as a key research area for science
Education. International Journal of Science Education, vol. 22, n° 9, pp. 1041-
1053.

CRAWFORD B. & CULLIN M. (2003). Supporting prospective teachers’

conceptions of modelling in science. International Journal of Science
Education, vol. 26, n° 11, pp. 1379-1402.

DROUIN A.-M. (1992). Cheminement bibliographique. In J.-L. Martinand (dir.).

Enseignement et l’apprentissage de la modélisation en sciences. Paris: INRP,
pp. 23-53.

GILBERT J.K. (2004). Models and modelling: routes to more authentic science
Education. International Journal of Science and Mathematics Education, n° 2,
pp. 115-130.

GILBERT J.K., BOULTER C.J. & ELMER R. (2000). Positioning models in science
Education and in design and technology Education. In J.K. Gilbert & C.J.
Boulter (Ed.). Developing models in science Education. Dordrecht: Kluwer
Academic Publishers, pp. 3-18.

GIORDAN A. & MARTINAND J.-L. (Éd.) (1987). Modèles et Simulation. Actes

des IXe Journées Internationales sur l’Éducation Scientifique. Paris: UER de
didactique des disciplines, université Denis-Diderot-Paris 7.

GUZDIAL M. (1995). Software-realized scaffolding to facilitate programming

for science learning. Interactive Learning Environments, n° 4, pp. 1-44.
HODSON D. (1992). In search of a meaningful relationship: An exploration of
some issues relating to integration in science and science Education.
International Journal of Science Education, vol. 14, n° 5, pp. 541-562.

HOGAN K. & THOMAS D. (2001). Cognitive comparisons of students’ systems

modelling in ecology. Journal of Science Education and Technology, vol. 10, n°
4, pp. 319-345.

INHELDER B. & PIAGET J. (1955). De la logique de l’enfant à la logique de

l’adolescent. Paris: PUF.

International Journal of Science Education (2000), vol. 22, n° 9.

JONG (de) T., MARTIN E., ZAMARO J.M., ESQUEMBRE F., SWAAK J. &
JOOLINGEN W.R. (1999). The integration of computer simulation and learning
support: an example from the physics domain of collisions. Journal of
Research in Science Teaching, vol. 36, n° 5, pp. 597-615.

JUSTI R. & GILBERT G. (2003). Teacher’s views on the nature of models.

International Journal of Science Education, vol. 25, n° 11, pp. 1369-1386.

KUHN D. (1997). Developmental psychology and science Education. Review of

Educational Research, 67, pp. 141-150.

KUHN D.,AMSEL E. & O’LOUGHLIN M. (1988). The development of scientific

thinking skills. London: Academic Press.

LEGAY J.-M. (1997). L’expérience et le modèle : un discours sur la méthode.

Paris: INRA Éditions.

LINN M.C. (1995). Designing computer learning environments for engineering

and computer science: The scaffolded knowledge integration framework.
Journal of Science Education and Technology, n° 4, pp. 103-126.

LINN M.C. (2003). Technology and science Education: starting points, research
programs and trends. International Journal of Science Education, vol. 25, n° 6,
pp. 727-758.

MARTINAND J.-L. (dir.) (1992). Enseignement et apprentissage de la

modélisation en sciences. Paris: INRP.

MARTINAND J.-L. (dir.) (1994). Nouveaux regards sur l’enseignement et

l’apprentissage de la modélisation en sciences. Paris: INRP.

METZ K. (1995). Reassessment of developmental constraints on children’s

science instruction. Review of Educational Research, n° 65, pp. 93-127.

ORANGE C. (1997). Problèmes et modélisation en biologie. Paris: PUF.

 PARROCHIA D. (2000). L’expérience dans les sciences : modèles et simulation.
In Y. Michaud (dir.). Qu’est-ce que la vie ? vol. I. Paris: Éd. Odile Jacob, pp.
193-203.

RIEBER L.P., BOYCE M. & ASSAD C. (1990). The effects of computer animation
on adult learning and retrieval tasks. Journal of Computer-Based Instruction,
n° 17, pp. 46-52.

RIVERS R.H. & VOCKELL E. (1987). Computer simulations to stimulate

scientific problem solving. Journal of Research in Science Teaching, n° 24, pp.
403-415.

RUFFMAN T., PERNER J., OLSON D. & DOHERTY M. (1993). Reflecting on

scientific thinking: Children’s understanding of the hypothesis-evidence
relation. Child Development, n° 64, pp. 1617-1736.

SODIAN B., ZAITCHICK D. & CAREY S. (1991). Young children’s differentiation

of hypothetical beliefs from evidence. Child Development, n° 62, pp. 753-766.

TIBERGHIEN A. (1994). Modeling as a basis for analysing teaching-learning

situations. Learning and Instruction, vol. 10, n° 4, pp. 71-87.

TREAGUST F., CHITTLEBOROUGH G. & MAMIALA T. (2002). Students’

understanding of the role of scientific models in learning. International Journal
of Science Education, vol. 24, n° 4, pp. 357-368.

TYTLER R. & PETERSON S. (2004). From “Try-it and See” to strategic

exploration: characterizing young children’s scientific reasoning. Journal of
Research in Science Teaching, vol. 41, n° 1, pp. 94-118.

VAN DRIEL J.H. & VERLOOP N. (2002). Experienced teachers’ knowledge of

teaching and learning of models and modelling in science Education.
International Journal of Science Education, vol. 24, n° 12, pp. 1255-1272.

VARENNE F. (2006). Les notions de métaphore et d’analogie dans les

épistémologies des modèles et des simulations. Paris: Éd. Pétra.

VERGNAUD G. (2000). Lev Vygotsky. Pédagogue et penseur de notre temps.

Paris: Hachette.

VYGOTSKY L.S. (1978). Mind in society: The development of higher

psychological processes. Cambridge: Harvard University Press.

View publication stats