Contenu
Créez vos propres matériaux pédagogiques avec l’IA
Grâce à la création de contenu alimentée par l’IA de CodeRoom, vous pouvez générer automatiquement de nouveaux matériaux pédagogiques basés sur des formulations professionnelles de sujets. Partant d’une brève description – par exemple, introduire un concept de programmation ou l’appliquer dans un contexte réel – un prompt structuré est généré, adapté à la langue de programmation, au niveau de compétence et au contexte pédagogique.
En savoir plus sur la création de matériaux avec l’IA
Aperçu des contenus présentés
Vous trouverez ci-dessous une sélection des modules et matériaux pédagogiques les plus populaires, prêts à être utilisés directement en classe de sciences informatiques. Le contenu est structuré de manière modulaire et soutient un développement progressif des compétences – de concepts de programmation de base jusqu’à des applications complexes et des tâches de modélisation.
Frogger : Contrôle de l'écran et limites d'affichage [Contenu]
Contrôle de l'écran via les actions du clavier, structure des règles, et limitation de la figure du jeu à la zone visible de l'écran.
Simulation de Monte-Carlo : De la噪声 des capteurs au risque du portefeuille [Modèle]
Simule les mesures de bruit, les méthodes de Monte Carlo et l'analyse du risque avec Python.
Python pour les sciences de la nature [Série]
Cours compact sur le traitement des données, la simulation et l'analyse avec des outils Python tels que NumPy, Pandas et Matplotlib.
Histogramme des lancers de dés [Contenu]
Sandbox interactif pour visualiser les fréquences et histogrammes relatifs des lancers de dés.
Pack de tutoriels sur l'IA pour les enseignants [Série]
Cours destiné aux enseignants sur l'utilisation pratique de l'IA en classe, de l'optimisation des prompts à la conception d'exercices résistants à l'IA.
Écriture secrète programmation [Modèle]
Chiffrement de César, chiffre de substitution, Vigenère et fonctions de hachage simples en Python.
Fondations [Série]
Introduction à la programmation Java : bases, conditions, méthodes, boucles, tableaux et OOP.
Laboratoire de codage : Simulations interactives à construire [Modèle]
Développez des projets web interactifs avec HTML/CSS/JS.
Rendre les mathématiques visibles [Série]
Cours interactifs sur les fonctions, la géométrie, la trigonométrie, les vecteurs et la statistique avec des expériences visuelles.
Slalom au café [Contenu]
Instructions conditionnelles avec valeurs aléatoires en Python. Linus navigue dans la cafétéria, vérifie les quantités de café et décide sous seuil de 500 ml.
Fondations [Série]
Introduction à la programmation Java : bases, conditions, méthodes, boucles, tableaux et OOP.
En route vers la première journée scolaire [Contenu]
Premiers pas avec Linus : Introduction au traitement séquentiel et à la structure ordonnée de commandes de programmation simples.
Introduction à la programmation avec rpgDungeon() [Série]
Apprenez à programmer avec Linus Lag et la gamification : variables, conditions, boucles, fonctions, et bien plus !
Le Complete Frogger : De la scène à la finition [Modèle]
Apprenez frameCraft avec Frogger : Mouvement, collisions, HUD et graphismes.
Principes fondamentaux [Série]
Cours pour optimiser les prompts IA : structure, choix des mots, incertitude, faits/Opinions, soutien à l'apprentissage et protection des données.
📄
Prompting : Le choix des mots contrôle la perspective [Contenu]
Utilisez le choix des mots stratégiquement pour orienter la direction et le ton des réponses de l'IA, et neutralisez les prompts biaisés avec de petites modifications.
UML pour les utilisateurs avancés – structures abstraites et relations complexes [Modèle]
Apprenez l’héritage : modèles, méthodes, bus avec passagers, classes abstraites.
Perte d'énergie & Énergie cinétique [Contenu]
Simulation de deux billes : implémentation du coefficient de restitution et calcul de l'énergie cinétique avant et après une collision.
Analyser les indicateurs clés de l'entreprise à partir d'un fichier CSV [Contenu]
Analyser les données CSV avec pandas, calculer les valeurs moyennes, déterminer le mois le plus rentable et visualiser les indicateurs clés avec matplotlib.
Système de commande avec implémentation de base de données utilisateur [Modèle]
Développement d'un système de commande incluant la gestion des articles, clients et commandes. Comprend les opérations sur la base de données, calculs de prix, génération de factures, analyse et visualisation