Search

Dans le contexte de la popularité croissante de la réalité virtuelle dans le domaine de l’éducation, il est important de comprendre comment cette technologie pourrait avoir un impact sur les apprentissages des élèves et de documenter les usages effectifs de ces technologies au regard des attentes auxquelles elles sont censées répondre. Maintes recherches ont montré que globalement, malgré le potentiel annoncé initialement par leurs concepteurs, les technologies antécédentes ont eu un effet limité sur les apprentissages disciplinaires prescrits. Cela s’explique, entre autres, par la difficulté d’intégrer efficacement l’usage didactique de ces technologies dans les pratiques d’enseignement. Au-delà des considérations motivationnelles, les conditions de la conciliation des contraintes didactiques d’un savoir donné et les caractéristiques techniques offertes par n’importe quel environnement technologique nous semblent importantes à comprendre pour garantir les apprentissages souhaités. Ce mémoire est une contribution en ce sens. Nous avons ciblé le domaine de la chimie pour lequel on retrouve une abondance d’environnements virtuels qui lui sont dédiés. Plus spécifiquement, nous avons étudié comment ces environnements conjuguent les caractéristiques de la démarche de modélisation, démarche typique en chimie, et les tâches proposées aux élèves en fonction des intentions d’apprentissage annoncées. Définir les attentes envers une technologie éducative suppose de comprendre l’enjeu qu’elle pourrait résoudre, dans notre cas, les difficultés dans l’apprentissage de la chimie. La problématique recense les difficultés des élèves face à l’apprentissage des notions de base dans les écoles secondaires du Québec et d’ailleurs, et les technologies utilisées pour soutenir les personnes enseignantes de sciences. L’analyse des difficultés d’apprentissage des élèves montre que la modélisation est nécessaire pour soutenir les élèves dans l’apprentissage des concepts de chimie, alors que l

Malgré les avancées réalisées pour améliorer l'efficacité énergétique du procédé d'électrolyse de l'aluminium, le contexte énergétique actuel qui connaît de fortes fluctuations, des crises ainsi qu'une utilisation plus massive d'énergies renouvelables, remet en question les méthodes et stratégies actuelles de production d'aluminium primaire. Ainsi, le procédé qui était jusque-là pensé pour être opéré de manière la plus constante possible est maintenant repensé pour permettre des modulations de puissance et ainsi mieux faire face à ces contraintes. Malgré tout, cela perturbe la dynamique du procédé et notamment le bilan thermique avec la couche de bain solide, cruciale à la protection des parois de la cuve. Ainsi, un besoin de connaissances apparaît au sujet de cette dynamique dans le but de pouvoir réaliser des modulations de puissance de manière contrôlée et sécuritaire et ainsi continuer d'optimiser ce procédé. L'augmentation des connaissances passe, dans un premier temps, par l'instrumentation du procédé. Ceci permet en effet de rendre compte de l'état thermique et électrique réel de la cuve. Ces mesures peuvent ensuite servir à mieux comprendre la dynamique et développer de nouveaux systèmes de contrôle ainsi que des modèles numériques. Une mesure manquante à la liste des celles déjà réalisées, mais pourtant intéressante, est la mesure de température sur le dessus de la cuve. Celle-ci a présenté, jusque là, une erreur importante pouvant aller jusqu'à 100 \textdegree C avec le protocole classiquement utilisé. Une étude complète de la source de cette erreur ainsi qu'une nouvelle stratégie de correction permettant de réduire jusqu'à 80~\% cette erreur sont ainsi exposées dans cette thèse. L'utilisation de cette mesure de manière plus courante permettra de mieux rendre compte des pertes de chaleur par le dessus de la cuve ainsi que sa relation dynamique avec le reste de l'équilibre thermique. Ensuite, la modélisation numérique est un autre axe d'amélioration des con

L'Équivalent en Eau Liquide (EEN) est une variable clé dans les études climatiques et hydrologiques. La plupart des produits d’EEN à l’échelle du globe masquent les zones à la topographie prononcée du fait de la faible résolution spatiale des capteurs micro-onde passif utilisés. Ainsi, la communauté scientifique pousse actuellement pour le développement de capteurs micro-onde actif pour le suivi de l’EEN. Cependant, concevoir un algorithme du signal radar en EEN n'est pas trivial car plusieurs combinaisons de microstructures du manteau neigeux et de valeur d'EEN peuvent produire le même coefficient de rétrodiffusion radar. La communauté converge donc vers des approches bayésiennes d'inversion du signal nécessitant une information a priori sur la structure du manteau neigeux. Cependant, la neige varie fortement dans l'espace et le temps, en particulier dans les environnements montagneux où la topographie complexe affecte de nombreuses manières les variables atmosphériques et d'état du manteau neigeux. D'autre part, il est impensable de couvrir le territoire de stations météorologiques automatiques, et les systèmes de prévisions météorologiques numériques à haute résolution ont une résolution maximale de 2,5 km × 2,5 km, ce qui est trop grossier pour capturer la variabilité spatiale de la neige en montagne. Dans cette étude, nous avons conçu une méthode de sous-maillage pour le Système à haute résolution de prévision déterministe (du sigle HRDPS en anglais). La méthodologie développée permet de sous-mailler les prévisions originales HRDPS (2,5 km × 2,5 km de résolution spatiale) à une résolution de 100 m × 100 m. Ces grilles sous-maillées sont ensuite utilisées comme données de forçage météorologique pour la modélisation de la neige sur deux hivers dans le parc national des Glaciers, en Colombie-Britannique. Dans l'ensemble, l’algorithme de sous-échantillonnage a permis d’améliorer le biais de la taille optique des grains simulé de 18 % et l'EEN modélisée de 16 % en m

Our research occurred in the Andean region, one of the eight global centers of domestication of plant species grown for agriculture. The shores of Lake Titicaca (located between Peru and Bolivia), at 3800 meters above sea level, are recognized as the center of origin of quinoa (Chenopodium quinoa Willd.). In this region, complex societies have emerged, thanks to the development of water and soil management technologies. They have managed to overcome high mountain territories' extreme and variable climatic conditions. These societies have traditionally protected and preserved quinoa as food for present and future generations through their long-standing knowledge and cultivation practices. The fieldwork occurred in the context of Andean family farming, and our study analyzes nature-society dynamics with a chorematic approach and interviews with local communities. The interest of this work is the transformation of the landscape at the scale of the mountain agroecosystem to understand better the impacts of rural development policies. Chorematic modeling was applied to two periods, before and after 1970, a pivotal year in Peru for agriculture, to show how socio-spatial dynamics in the Andean environment are changing, particularly concerning the evolution of quinoa cultivation. The results show that wild quinoa relatives' distribution is strongly linked to the socio-spatial organization of the agroecosystem. Different species of wild quinoa relatives are maintained by villagers for their multiple foods, medicinal and cultural uses in natural areas, grazed areas, on edge, and also within cultivated fields. However, this management is changing under the pressure of global issues related to the international quinoa market, whose requirements imply reducing the presence of wild relatives in cultivated fields.

Crises such as natural disasters and public health emergencies generate vast amounts of text data, making it challenging to classify the information into relevant categories. Acquiring expert-labeled data for such scenarios can be difficult, leading to limited training datasets for text classification by fine-tuning BERT-like models. Unfortunately, traditional data augmentation techniques only slightly improve F1-scores. How can data augmentation be used to obtain better results in this applied domain? In this paper, using neural network explicability methods, we aim to highlight that fine-tuned BERT-like models on crisis corpora give too much importance to spatial information to make their predictions. This overfitting of spatial information limits their ability to generalize especially when the event which occurs in a place has evolved and changed since the training dataset has been built. To reduce this bias, we propose GeoNLPlify, a novel data augmentation technique that leverages spatial information to generate new labeled data for text classification related to crises. Our approach aims to address overfitting without necessitating modifications to the underlying model architecture, distinguishing it from other prevalent methods employed to combat overfitting. Our results show that GeoNLPlify significantly improves F1-scores, demonstrating the potential of the spatial information for data augmentation for crisis-related text classification tasks. In order to evaluate the contribution of our method, GeoNLPlify is applied to three public datasets (PADI-web, CrisisNLP and SST2) and compared with classical natural language processing data augmentations.

Les pollutions atmosphérique et sonore sont un enjeu environnemental et de santé publique dans de nombreuses villes tant des Nords que des Suds. Les sources de pollution de ces deux nuisances sont aujourd’hui bien connues, soit principalement le transport et les activités industrielles. D’autres sources, comme la poussière et la combustion de la biomasse, sont spécifiques aux villes des Suds. Durant les dernières décennies, de nombreuses études ont modélisé et cartographié différents polluants atmosphériques et sonores. Toutefois, ces études ont été très majoritairement réalisées dans les villes des Nords. Parmi les villes des Suds, celles d’Afrique de l’Ouest (ex. : Abidjan), ont été peu étudiées. Pourtant, les niveaux de pollution y sont souvent bien plus élevés et en augmentation en raison de changements majeurs qui s’y opèrent, notamment des démographies et urbanisations accélérées générant un étalement non maîtrisé et une croissance exponentielle du parc automobile. Fort du constat relatif au manque des connaissances sur les pollutions atmosphérique et sonore dans les villes d’Afrique de l’Ouest, cette thèse portant sur le cas d’Abidjan vise à modéliser et à cartographier une série de polluants atmosphériques (dioxyde d’azote, PM2,5 et PM10) et d’indicateurs de bruit (LAeq,30, LAmin, LA10, LA50, LA90 et LAmax). Cette thèse est composée de six chapitres. Le premier est une revue de la littérature sur les pollutions atmosphérique et sonore. Elle conclut à la nécessité de caractérisation des villes des Suds en prenant en compte les approches émergentes de recherche. Le second chapitre fait une présentation de la méthodologie déployée, celle-ci met l’accent sur l’utilisation des capteurs à faible coût qui est une opportunité dans des contextes africains marqués par une faible surveillance continue. Une collecte extensive visant à maximiser la couverture de la ville et les types d’environnements urbains traversés a été réalisée. Au total, 920 kilomètres ont été parc