Le programme de l’EG1 est grandement lié aux mathématiques, certaines parties sont donc traitées durant ces cours.

Traitement des données adapté à un contexte et un phénomène étudié

Utilisation des fonctionnalités de base du tableur

En fonction des thèmes retenus pour contextualiser la formation, les données utilisées sont systématiquement issues de bases de données en ligne qui sont présentées aux élèves (données ouvertes, données des sciences participatives, etc.).

• Caractéristiques des tableurs (formats de fichier, conversion de formats de fichier, classeur, feuilles de calcul, format de cellule, styles de cellules, fusionner et scinder des cellules, insérer et supprimer des lignes et des colonnes, rechercher et sélectionner, mise en page, aperçu et impression, poignée de recopie, formats des données …).
• Formules et fonctions de base du tableur.
• Analyse des traitements automatisés des données.
• Utilisation de tris et de filtres standards.
• Mise en forme des données avec notamment l’utilisation de l’affichage conditionnel pour mettre en évidence des données.
• Lecture de TCD (Tableaux croisés dynamiques) – la création de ce type de tableaux se fera en classe de première.
• Sauvegarde des données dans un format exploitable et échangeable en fonction des outils pressentis pour leurs expositions ou représentations ultérieures.

Une mise en relation est réalisée entre les compétences numériques acquises dans ce module et celles qui correspondent au cadre de référence des compétences numériques CRCN. (PIX)

Utilisation d’un modèle adapté au phénomène étudié

L’utilisation des calculatrices graphiques et de l’outil informatique (tableur, logiciel de géométrie dynamique, …) permet d’une part d’expérimenter, de conjecturer, de construire et d’interpréter des graphiques et d’autre part d’alléger ou d’automatiser certains calculs.

Dans leur scolarité, les élèves ont conçu et mis en œuvre des algorithmes, ont pu construire des programmes en Scratch au collège sur ordinateur. Cette formation se poursuit tout au long de la scolarité en voie professionnelle en favorisant le langage Python.

Exposition des données adaptée au contexte et représentative du phénomène étudié

Représentation de données non spatialisées par création de graphiques simples

Recueillir et organiser des données statistiques :

• Regroupement par classes d’une série statistique.
• Organiser des données statistiques en choisissant un mode de représentation adapté à l’aide des fonctions statistiques d’une calculatrice ou d’un tableur.

  Représenter graphiquement à l’aide d’outils numériques un nuage de points associé à une série statistique à deux variables quantitatives.

• Création à partir d’un logiciel de type grapheur et de données issues de bases de données en ligne en fonction des thèmes retenus pour la formation de graphiques simples. (L’accent est mis sur le choix du graphique en fonction de la ou des variables à représenter, les changements d’échelles, la présentation du graphique, l’utilisation d’illustrations, la représentation simultanée de plusieurs séries sur un même graphique).
• Lecture de graphiques croisés dynamiques – la création de ce type de graphique se fera en première.

  En complément de ces études en contexte, la pratique d’automatismes vise à construire et entretenir des aptitudes dans ce domaine. Bien que l’ensemble des automatismes doit être pratiqué quelles que soient les thématiques travaillées, la pratique des statistiques est l’occasion de travailler plus particulièrement les situations suivantes :

• Lecture d’un graphique, d’un diagramme en secteurs, en bâtons ou en colonnes, d’un diagramme en boîte à moustaches ou toute autre représentation (repérage de l’origine du repère, les unités de graduation ou les échelles).

• Association d’un graphique avec des données et vice-versa.

Outils informatiques de création et de partage de contenus pour un usage universel, autonome, raisonné et responsable

Environnement numérique, risques, sécurité, accessibilité

En lien avec les autres disciplines participant à l’enseignement de ce module, les enseignants/formateurs abordent :

• la prise en main en toute sécurité d’un environnement numérique de travail lié au contexte d’apprentissage et d’éducation (protection et sécurité),
• la prévention et la limitation des risques et impacts liés au numérique et l’exploitation de ses potentialités dont la lutte contre l’illectronisme,
• la présentation des règles d’accessibilité numérique (inclusion numérique),
• les notions de responsabilité et de droits et de devoirs des acteurs sur Internet et les réseaux sociaux.

Création de contenus numériques universels et responsables

Une pédagogie de projet interdisciplinaire est ici largement recommandée. Les enseignants/formateurs abordent :

• les usages des outils de création de contenus (traitement de textes y compris document composite et long, outils de PréAO, PAO, création et utilisation de sons, d’images et de vidéos numériques y compris en utilisant les ordiphones. L’exhaustivité n’est pas ici à rechercher, tous les outils ne sont pas à aborder, les enseignants/formateurs opèrent des choix en fonction du contexte et des projets auxquels ils participent,
• les usages d’internet, des outils de publication Web et des réseaux sociaux (interagir universellement dans le respect de soi et des autres -Netiquette-),
• les usages des outils de publication et de travail collaboratif (publier, partager, collaborer) dans le respect du droit et de l’éthique.

La formation conduit à l’étude de problématiques en lien avec tout ou partie des thèmes retenus pour ce module (Alimentation, Biodiversité, Energie, Eau et Santé)

Ce module est lié à celui des mathématiques.

Analyse du contexte et de la problématique

Recherche des données brutes adaptées au contexte en se conformant à la législation en vigueur

L’objectif est de familiariser les apprenants avec la recherche de données en nombre libres et ouvertes afin de pouvoir répondre à une problématique.

• Connaissance de la notion de données, de la notion de données en nombre, de données ouvertes et propriétaires. La loi pour une République numérique du 7/10/2016 sera ici présentée.

• Analyse fine de la problématique retenue, définition d’un dictionnaire de données (données primordiales pour la résolution de la problématique). L’utilisation des outils de carte mentales facilitera cette étape, un diagramme de Gantt pour planifier le projet peut être utilisé.

• Recherche de données sur la problématique posée en utilisant préférentiellement les sites proposant des données libres et ouvertes (agreste, data.gouv.fr, Insee…).

• Contrôle des possibilités d’usage des données (métadonnées, consentement, droits, sensibilité, statut vis-à-vis du RGPD). Le RGPD, la CNIL, la LOI n° 2018-493 du 20 juin 2018 relative à la protection des données personnelles sont ici présentés. Une intervention extérieure sur la particularité des données en agriculture peut être envisagée (agdatahub, api-agro.eu, le mas numérique…).

• Evaluation de la pertinence des données retenues en fonction de la problématique posée et du public ciblé.

• Récupération et sauvegarde des données sous différents formats.

  
  Mise en qualité des données

Transformation des données brutes en informations

L’objectif est ici de ne conserver que les données brutes réellement utiles et de les modifier ou de les enrichir afin qu’elles se transforment en informations utilisables pour résoudre la problématique posée

• Maitrise des différents formats d’échanges de données (csv, xml, dbf, json, txt, rtf, shp, zip, rar,7Z…) et de leurs imports exports (données externes)
• Lecture et compréhension des données, typologie (texte, numériques, dates, logique…), fréquence d’actualisation (différences entre données froides et données chaudes)
• Choix et nettoyage des données en fonction de la problématique posée, modification, tri, filtrage, masquage pour obtenir des données exploitables et se débarrasser des données parasites dans un souci d’optimisation des traitements futurs (recherche-remplacement, fonctions de conversion, de tris, de filtres, de masquage, doublons, agrégation, séparation, découpage de données…)
• Sauvegarde des données dans un format exploitable et échangeable en fonction des outils pressentis pour leurs traitements ultérieurs.

Traitement des données adapté au contexte et au phénomène étudiés

L’objectif est ici, grâce à la mobilisation d’outils informatiques et mathématiques, de traiter les informations retenues précédemment pour produire des connaissances qui permettent de mieux comprendre la problématique, de répondre à ou aux questions posées et ainsi de la résoudre.

Utilisation avancée des fonctionnalités du tableur

L’objectif est la maitrise des fonctionnalités du tableur essentielle dans la poursuite d’études notamment en BTSA et indispensable à l’insertion professionnelle.

• fonctions logiques et conditionnelles (SI, ET, OU SOMME.SI, NB.SI, MOYENNE.SI…)
• fonctions de base de données du tableur (BDMAX, BDMIN, BDMOYENNE, BDNB, BDNBVAL, BDSOMME,BDPRODUIT…)
• fonctions mathématiques et statistiques (SOUS.TOTAL, SOMME, SOMME.SI, MOYENNE, MOYENNE.SI,SOMME.SI.ENS, MOYENNE.SI.ENS, MAX, MIN, NB, NB.SI, NB.SI.ENS, NB.VIDE, NB.VAL…)
• utilisation de l’affichage conditionnel pour discriminer, faire ressortir des données
• Conception et insertion de TCD (Tableaux croisés dynamiques) dont tris et filtres dans les TCD
• Sauvegarde des données dans un format exploitable et échangeable en fonction des outils pressentis pour leurs expositions ou représentations ultérieures.

  Utilisation d’outils externes au tableur
  A titre d’exemple peuvent être utilisés entre autres :

• L’add on power pivot d’Excel
• L’application de BI Tableau public https://public.tableau.com/fr-fr/s/
• L’extension de Google Chrome (simple scrapper) pour récupérer des données sur le Web (transformation de tableaux de données en bases de données)
• Power BI de Microsoft.

  Exposition des données adaptée au contexte et représentatif du phénomène étudié

Représentation de données non spatialisées par création de graphiques simples et complexes

L’objectif est ici de représenter les données, informations et connaissances produites pour les rendre accessibles et en faciliter la lecture et la compréhension

Recueil et organisation des données statistiques.

• Regroupement par classes d’une série statistique.
• Organiser des données statistiques en choisissant un mode de représentation adapté à l’aide des fonctions statistiques d’une calculatrice ou d’un tableur.

Représentation graphique à l’aide d’outils numériques d’un nuage de points associé à une série statistique à deux variables quantitatives.

• Création à partir d’un logiciel de type grapheur de graphiques simples, graphiques sparkline, graphique complexe (l’accent est mis sur le choix du graphique en fonction de la ou des variables à représenter, les changements d’échelles, la présentation du graphique, l’utilisation d’illustrations, la représentation simultanée de plusieurs séries sur un même graphique).
• Construction, extraction des informations et exploitation des représentations pertinentes de séries statistiques en fonction des besoins : tableaux croisés d’effectifs, diagrammes circulaires, en bâtons, boites à moustaches, histogrammes, polygones des fréquences cumulées croissantes, …
• Création de graphiques croisés dynamiques.

En complément de ces études en contexte, la pratique d’automatismes vise à entretenir des aptitudes dans ce domaine. Bien que l’ensemble des automatismes doit être pratiqué quelles que soient les thématiques travaillées, la pratique des statistiques est l’occasion de travailler plus particulièrement les situations suivantes :

• Lecture d’un graphique, d’un diagramme en secteurs, en bâtons ou en colonnes, d’un diagramme en boîte à moustaches ou toute autre représentation (repérage de l’origine du repère, les unités de graduation ou les échelles).

• Association d’un graphique avec des données et vice-versa.

Représentation des données spatialisées par création de cartes

On parle ici de cartographie et plus précisément des SIG.

• Connaissance des principes de la géomatique et de ses intérêts pour la résolution de problèmes (cf. SIGEA : https://sigea.educagri.fr/ ), découverte au travers d’une étude de cas pratique.
• Utilisation d’un logiciel ou d’une application en ligne de SIG (Qgis, ArcGis, ArcGis online :
  https://macarte.ign.fr/edition , https://framacarte.org/fr/ , https://umap.openstreetmap.fr/fr/ , https://maps.google.fr/intl/fr/maps/about/mymaps/ , https://fr.batchgeo.com/ ,…) pour représenter des données spatialisées
• Utilisation de l’add on Power Map du tableur Excel pour créer des Cartes 3D https://support.microsoft.com/fr-fr/office/prise-en-main-de-cartes-3d-6b56a50d-3c3e-4a9e-a527-eea62a387030 

Création de tableaux de bord (dashboard)

Les tableaux de bords numériques sont intéressants car ils permettent une lecture rapide des données, informations et connaissances produites et font ainsi gagner du temps aux professionnels. Il est aussi à noter qu’ils se mettent automatiquement à jour en temps réel ce qui permet un suivi régulier de l’évolution des connaissances liées à une problématique donnée.

• Découverte des fonctions et des types de tableau de bord (indicateurs retenus, design du tableau de bord)
• Création avec le tableur de son tableau de bord (https://www.modeles-excel.com/category/tableau-de-bord/ , https://fr.smartsheet.com/free-excel-dashboard-templates)
• Création d’un tableau de bord en html à partir d’un traitement de textes (document composite intégrant l‘insertion d’objets et les liens permettant la mise à jour en temps réel : norme OLE DB) destiné à être publié sur un navigateur
• Création de tableau de bord à partir d’outils type Genialy, Canva, H5P, etc… 
• Utilisation d’applications en ligne ou de logiciels de data visualisation ou de business intelligence (BI) destinées à faire parler les données (attention à toujours vérifier la conformité de l’hébergement de données par rapport à leur sensibilité et au RGPD) :
• OpenRefine https://openrefine.org/
• Google chart https://developers.google.com/chart
• Data studio Google : https://datastudio.google.com/navigation/reporting
• Tableau public https://public.tableau.com/fr-fr/s/
• Wrangler http://vis.stanford.edu/wrangler/
• Power Bi https://powerbi.microsoft.com/fr-fr/
• ArcGis https://doc.arcgis.com/fr/dashboards/get-started/create-a-dashboard.htm,
• Datawrapper, https://www.datawrapper.de/
• Infogram https://infogram.com/fr
• Visme https://www.visme.co/
• Qlikview https://www.qlik.com/us/
• Toucan Toco https://toucantoco.com/fr/
• WebDataRocks https://www.webdatarocks.com/
• Flourish : https://flourish.studio/