Candyce :
carnets numériques
et Jupyter au service de l’enseignement
Participation de Paris-Saclay

Candyce :
carnets numériques
et Jupyter au service de l’enseignement
Participation de Paris-Saclay#

Nicolas M. Thiéry, Enseignant-Chercheur, Laboratoire Interdisciplinaire des Sciences du Numérique (LISN), Université Paris-Saclay

16 mars 2023, Orsay

Résumé#

L’usage des carnets numériques (notebook) et de Jupyter connaît un essor rapide comme outil pour l’apprentissage de la programmation, du calcul, du traitement des données, aussi bien dans l’enseignement supérieur qu’au lycée (avec notamment Capytale).

Le programme Candyce (porté par Inria et l’Université Paris Saclay) vise à accompagner l’adoption de Jupyter dans l’enseignement supérieur et le scolaire.

Ce document présente rapidement Jupyter, Candyce et l’implication de Paris-Saclay dans Candyce.

Au programme#

Carnets numériques et Jupyter
Utilisation à Paris-Saclay
Candyce
Implication de Paris-Saclay dans Candyce

Carnet numérique (notebook)?#

Document interactif entrelaçant Narration, Calcul, Visualisation, Interaction et Programmation

Exemple 1: Étude d’un algorithme de parcours de graphes#

Définitions#

Soit \(G\) un graphe.

un chemin est une suite de sommets \((v_0, v_1, v_2, ...)\) tel qu’il existe une arête entre chaque paire de sommets \(v_i\) et \(v_{i+1}\)
la distance entre deux sommets u et v est la longueur du plus court chemin entre u et v (ou la somme des poids des arêtes).
On suppose ici que \(G\) est non orienté. La composante connexe d’un sommet \(u\) de \(G\) est l’ensemble des sommets atteignables depuis \(u\) en suivant un chemin dans \(G\).

L’algorithme#

%run -i graph_networkx

---------------------------------------------------------------------------
ModuleNotFoundError                       Traceback (most recent call last)
File /opt/jupyterhub-paris-saclay/wiki/2023-03-16-PresentationCandyceParisSaclay/graph_networkx.py:160
    157 examples = graph_examples.Examples(Graph)
    159 import copy
--> 160 import graph_networkx
    161 import graph_algorithm_player
    163 variables = [{'name': 'G',      'type': 'graph' },
    164              {'name': 'marked', 'type': 'nodes', 'color': 'green',  'display': True},
    165              {'name': 'todo',   'type': 'nodes', 'color': 'red',    'display': True},
    166              {'name': 'v',      'type': 'node',  'color': 'yellow', 'display': True}]

File /opt/jupyterhub-paris-saclay/wiki/2023-03-16-PresentationCandyceParisSaclay/graph_networkx.py:161
    159 import copy
    160 import graph_networkx
--> 161 import graph_algorithm_player
    163 variables = [{'name': 'G',      'type': 'graph' },
    164              {'name': 'marked', 'type': 'nodes', 'color': 'green',  'display': True},
    165              {'name': 'todo',   'type': 'nodes', 'color': 'red',    'display': True},
    166              {'name': 'v',      'type': 'node',  'color': 'yellow', 'display': True}]
    169 G = graph_networkx.examples.parcours_directed()

ModuleNotFoundError: No module named 'graph_algorithm_player'

def parcours_visualisation(G, u):
    """
    INPUT:
    - 'G' - un graphe
    - 'u' - un sommet du graphe
    
    OUTPUT: la liste des sommets `v` de `G`
            tels qu'il existe un chemin de `u` à `v`
    """
    marked = {u} # L'ensemble des sommets déjà rencontrés
    todo   = {u} # L'ensemble des sommets déjà rencontrés, mais pas encore traités
    
    player.player.reset(copy.deepcopy(locals()))
    
    while todo:
        # Invariants:
        # - Si `v` est dans `marked`, alors il y a un chemin de `u` à `v`
        # - Si `v` est dans `marked` et pas dans `todo`
        #   alors tous les voisins de `v` sont dans dans `marked`
        v = todo.pop()
        # Observation des variables locales
        player.set_value(copy.deepcopy(locals()))
        for w in G.neighbors(v):
            
            if w not in marked:
                marked.add(w)
                todo.add(w)
                # Observation des variables locales
                player.set_value(copy.deepcopy(locals()))
        v = None
        # Observation des variables locales
        player.set_value(copy.deepcopy(locals()))
    return marked

Calcul#

G = examples.parcours_directed()
parcours_visualisation(G, "A")

---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
Cell In[3], line 2
      1 G = examples.parcours_directed()
----> 2 parcours_visualisation(G, "A")

Cell In[2], line 13, in parcours_visualisation(G, u)
     10 marked = {u} # L'ensemble des sommets déjà rencontrés
     11 todo   = {u} # L'ensemble des sommets déjà rencontrés, mais pas encore traités
---> 13 player.player.reset(copy.deepcopy(locals()))
     15 while todo:
     16     # Invariants:
     17     # - Si `v` est dans `marked`, alors il y a un chemin de `u` à `v`
     18     # - Si `v` est dans `marked` et pas dans `todo`
     19     #   alors tous les voisins de `v` sont dans dans `marked`
     20     v = todo.pop()

NameError: name 'player' is not defined

Visualisation#

player

Jupyter?#

Une communauté internationale transverse: académie, industrie, société civile

qui développe des standards ouverts, des logiciels libres et des services web

pour le calcul avec l’humain dans la boucle

Innovation#

Technologies web modernes
Libre, ouvert, interopérable
Julia, Python, R, C++, et des dizaines d’autres langages et systèmes
Très modulaire

Massivement adopté#

pour l’enseignement, la recherche (sciences dures -> SHS), l’ingénierie, la science des données
millions d’utilisateurs et de ressources
Amazon SageMaker, Google Colaboratory, Microsoft Azure Notebooks, Bloomberg BQuant, Intel Trusted Analytics Platform, IBM Watson Studio, Saturn Cloud, noteable.io

Pouvoir transformant sur la pratique de la recherche, de la science#

Un support unique pour penser et raconter, avec du code et des données
exploration, transmission, reproduction, réutilisation, dissémination
\(\Longrightarrow\) Science Ouverte

Exemple: initiative Notebook Now de l’American Geophysical Union
Exemple: analystes financiers dans les banques

from wealth_of_nation import application
application

Pouvoir transformant sur l’enseignement#

Autonomie et personnalisation
grâce à la structure narrative, à la micro-scénarisation, aux retours immédiats
\(\Longrightarrow\) massification, gestion hétérogénéité
Engagement
grâce à l’interaction et la liberté d’exploration
Flexibilité
n’importe où, n’importe quand, sur n’importe quel terminal
\(\Longrightarrow\) hybridation, publics empêchés

Ça ne reste qu’un outil!

Explorer, évaluer et partager les bonnes pratiques!

Exemple: utilisation en enseignement à Paris-Saclay#

En Licence, Master, Doctorat, recherche, …
- L1 de la faculté des sciences: >600 étudiants sur 1000
En Physique, Math, Info, Géophysique, Agronomie, Chimie, Médecine, STAPS, Droit, …
Pour:
- La programmation (un peu)
  Exemple: Introduction à la Programmation Impérative (en C++) L1 Math-Info
- Le calcul
  Exemple: Méthodes Numériques en L1-L3 de physique
- La science des données, l’IA
  Exemple: Initiation à la Science des Données L1 Math-Info
- ParcourSup!
Avec Python, C++, SageMath, R, shell, …
Depuis: salle TP, services Jupyter@Paris-Saclay, mydocker (Centrale-Supélec), CoCalc

Implication de Paris-Saclay dans Jupyter#

Coordination projet Européen H2020 d’e-Infrastructure de recherche OpenDreamKit 2015-2019:
environnements virtuels de calcul pour les mathématiques et au delà, basé sur Jupyter
Prix Étoiles de l’Europe 2020 du CNRS, catégorie Science Ouverte

Déploiement et montée en gamme depuis 2017 du service JupyterHub@Paris-Saclay
- Soutenu par le mésocentre DataCenter@UPSud.
- 5000 utilisateurs inscrits; ~100 utilisateurs quotidiens

Communauté d’utilisateurs :
- Groupe informel d’utilisateurs Jupyter@Paris-Saclay (Espace eCampus «Enseigner avec Jupyter»)

Innovation pédagogique :
- Exploration, validation pédagogique et déploiement de solutions technologiques et de bonnes pratiques pédagogiques
- Soutenue par des Congés pour Innovation Pédagogique: 2020-2021,2021-2022,2023-2024?
- Projet CoSaclayCalc AAP Pédagogie École Universitaire

Développement collaboratif de communs numériques:
- Production de ressources pédagogiques
- Contributions à l’écosystème Jupyter
- travo solution innovante de gestion des devoirs informatique basée sur les forges logicielles, comme GitLab@Paris-Saclay.
- Soutenu par le CMA SaclIA (2022-):
  - financement interventions d’un ingénieur pédagogique
  - recrutement à venir d’un ingénieur logiciel

Prix: Distinguished Jupyter Contributor

Résumé#

Jupyter#

Une communauté internationale transverse: académie, industrie, société civile
qui développe des standards ouverts, des logiciels libres et des services web
pour le calcul avec l’humain dans la boucle
Un écosystème riche d’outils extensibles et composables
Le carnet en est juste une application

Une adoption massive qui transforme l’enseignement, la recherche

La France à la pointe#

Capytale (porté par Académie de Paris): 500k utilisateurs dans les lycées (100k hebdomadaires)
Pépite QuantStack : PME, core devs Jupyter, logiciel scientifique libre
JupyterCon 2023 (et 2024?) à Paris!

Paris-Saclay à la pointe#

Candyce: promouvoir Jupyter et les carnets dans l’enseignement#

https://candyce.org/

Un soutien institutionnel à un mouvement de fond

Work Package 1 du PEPR d’accélération «Enseignement et Numérique», 12M€, 2023-2027

Actions#

Faire monter en gamme Jupyter pour les besoins de l’enseignement (4M€)
accessibilité \(\longrightarrow\) besoins métiers
Déployer une infrastructure nationale souveraine (1.5M€)
pour l’enseigment scolaire et supérieur
et la recherche
Accompagner dans le scolaire (1.5M€)
Accompagner dans le supérieur (1.5M€)
Fortifier un écosystème public / industriel / société civile
Embarquer et nourrir la recherche (1M€)

Embarquer et nourrir la recherche?#

Un objet de recherche : notamment évaluer et informer :
- la pertinence et les usages pédagogiques de Jupyter
- la conciliation éthique, sécurité et valorisation des données pour tous les acteurs (apprenants, enseignants, chercheurs)
- l’éco-responsabilité de l’infrastructure
Un observatoire d’usages pédagogiques :
- traces d’apprentissage de millions d’utilisateurs!
- financements de projets de recherche:
  - par AAP Candyce (qq postdocs, stages, …)
  - par AAP du WP3 du PEPR «Enseignement et Numérique»
- en lien avec la plateforme des données de l’éducation
  WP2 du PEPR «Enseignement et Numérique»
Un outil de recherche

Équipe#

Inria: maîtrise d’ouvrage
Université Paris-Saclay: maîtrise d’œuvre, coordination accompagnement dans le supérieur
Direction du Numérique pour l’Enseignement (DNE), Académie de Paris: accompagnement dans le scolaire
Université ~~de Lorraine~~ Sciences Sorbonne Université: coordination recherche
Prestataire sur appel d’offre: développement logiciel
Au moins un candidat: QuantStack
France Université Numérique: déploiement
École Polytechnique
Établissements associés: Grenoble, Rennes, Polynésie, CNAM, Arts et Métiers, Paris *, Erlangen, Bobo Dioulasso?, …
et la communauté!

Calendrier#

fin 2020: lancement du montage par Inria
mars 2021: embarquement Nicolas Thiéry
avril 2021: embarquement officiel Paris-Saclay
- présentation à Sylvie Retailleau en présence Isabelle et DIP
- accord PDG INRIA, Présidence Paris-Saclay

juin 2021- montage avec longues interactions avec SGPI et ministères sup et sco

fin mars - début avril 2023?: feu vert définitif du gouvernement
avril-mai 2023?: finalisation dossier de contractualisation avec l’ANR
budget, jalons, tâches, …
1er avril 2023?: éligibilité des dépenses
avril 2023-août 2024?: phase I (18 mois)
septembre 2023-avril 2027?: phase II (30 mois)

Cadre financier#

Contraintes:

pas de partenaires financés hors établissements du supérieur
pas de financement de fonctionnaire en poste, hors pour une personne à l’echelle du projet et pour du pilotage seulement

Overheads: 20%

Candyce : carnets numériques et Jupyter au service de l’enseignementParticipation de Paris-Saclay

Contenu

Candyce : carnets numériques et Jupyter au service de l’enseignementParticipation de Paris-Saclay#

Résumé#

Au programme#

Carnet numérique (notebook)?#

Exemple 1: Étude d’un algorithme de parcours de graphes#

Définitions#

L’algorithme#

Calcul#

Visualisation#

Jupyter?#

Innovation#

Massivement adopté#

Pouvoir transformant sur la pratique de la recherche, de la science#

Pouvoir transformant sur l’enseignement#

Exemple: utilisation en enseignement à Paris-Saclay#

Implication de Paris-Saclay dans Jupyter#

Résumé#

Jupyter#

La France à la pointe#

Paris-Saclay à la pointe#

Candyce: promouvoir Jupyter et les carnets dans l’enseignement#

Actions#

Embarquer et nourrir la recherche?#

Équipe#

Calendrier#

Cadre financier#

Candyce :
carnets numériques
et Jupyter au service de l’enseignement
Participation de Paris-Saclay

Candyce :
carnets numériques
et Jupyter au service de l’enseignement
Participation de Paris-Saclay#