Data science pour les sciences forestières
Les outils et concepts développés permettent un apprentissage progressif et appliqué de la science et de la visualisation des données (Data science and visualization) pour les sciences forestières.
Durée : juillet 2022 – décembre 2022
Statut : terminé
Niveau de formation : niveau tertiaire
Thème : data science for education
Mots-clés : science des données
Situation initiale
L’enseignement de la science des données et de la visualisation des données à des apprenant·e·s ne disposant pas de solides bases en mathématiques appliquées ou en informatique constitue un véritable défi didactique. Les approches traditionnelles et abstraites sont souvent inadaptées aux étudiant·e·s et professionnel·le·s de domaines appliqués tels que les sciences forestières. Pour y répondre, il est nécessaire de disposer d’outils et de concepts pédagogiques adaptés, rendant ces thématiques plus accessibles et orientées vers la pratique. Le projet s’appuie sur la plateforme martelage.sylvotheque.ch (MSC), qui regroupe des données issues de plus de 130 placettes forestières aménagées et est déjà utilisée tant dans la formation de base que dans la formation continue des professionnel·le·s de la forêt.
Objectifs
L’équipe du projet visait à développer un ensemble d’outils et de concepts didactiques innovants en science des données et en visualisation, adaptés aux besoins des apprenant·e·s en foresterie. Ces outils devaient permettre un apprentissage progressif et pratique, tout en étant utilisables au-delà des sciences formelles.
Méthode
La BFH-TI a développé un éditeur de tableaux de bord pour la plateforme web martelage.sylvotheque.ch, tandis que la BFH-HAFL a élaboré le concept forestier sous-jacent. En parallèle, une interface technique (API) a été programmée afin de permettre l’extraction des données depuis la plateforme. La BFH-HAFL a également rédigé des guides et créé des exemples de tableaux de bord pour la visualisation des données avec Power BI, que les étudiant·e·s et les praticien·ne·s peuvent adapter à leurs besoins. De plus, des concepts didactiques ont été développés pour l’utilisation de ces outils dans la formation initiale et continue en sciences forestières.
Résultats
Trois outils principaux ont été développés, avec des niveaux croissants de complexité et de flexibilité :
- un éditeur de tableaux de bord intégré à la plateforme MSC pour la visualisation de données de base ;
- un modèle de projet prêt à l’emploi dans Power BI, permettant de définir des flux de travail flexibles et de créer des tableaux de bord sans programmation ;
- une API web facilitant l’exportation des données depuis MSC pour une utilisation dans des projets R ou Python.
Parallèlement à ces outils, des concepts didactiques ont été élaborés pour favoriser leur intégration dans la formation de base et la formation professionnelle continue.
Mise en œuvre de la translation
Les outils ont été conçus pour une utilisation immédiate dans les contextes éducatifs. L’éditeur de tableaux de bord est accessible aux étudiant·e·s en bachelor dès leur première année. Power BI permet de définir et d’adapter des flux de données sans programmation, tandis que l’API soutient des projets de science des données plus avancés, basés sur le codage. Ces ressources permettent aux étudiant·e·s d’interagir progressivement avec des données réelles, allant de la visualisation simple à l’analyse complexe. Le projet permet l’enseignement de la science des données et de la visualisation de données à des apprenant·e·s ne disposant pas de connaissances approfondies en informatique ou en mathématiques. Les trois outils développés, de complexité graduelle – allant de l’éditeur de tableaux de bord intégré aux modèles Power BI jusqu’à l’API web – soutiennent un apprentissage progressif et pratique, tout en tenant compte des différents niveaux de connaissances préalables. Les concepts didactiques et les outils sont utilisés dans la formation de base et continue en sciences forestières et rendent les compétences en science des données accessibles à des domaines appliqués. Cette approche est transférable à d’autres disciplines et constitue un modèle pour le développement des compétences numériques dans les filières non techniques.
