Étude du génome chloroplastique des algues vertes de la classe Chlorophyceae

Les algues unicellulaires de la classe Chlorophyceae sont particulièrement étudiées pour leur potentiel économique dans la production de biocarburant. La première taxonomie de cette classe a été faite avec l’avènement de la microscopie électronique et par la suite avec des phylogénies moléculaires. Cette lignée se divise en deux groupes : OCC (Oedogoniales + Chaetophorales + Chaetopeltidales) et CS (Chlamydomonadales + Sphaeropleales). Il existe de profondes incertitudes sur les positions phylogénétiques des organismes à la base du groupe CS. Afin de renforcer la phylogénie de ces organismes, les génomes chloroplastiques de cinq algues basales ont été séquencés à l’aide de la technologie de nouvelle génération 454 et assemblés de novo. Une analyse phylogénétique de 69 séquences de protéines a permis de montrer que trois des cinq organismes classés dans l’ordre Chlamydomonadales par la littérature actuelle sont en fait basaux dans l’ordre Sphaeropleales. Ce reclassement phylogénétique implique de nouvelles hypothèses sur l’évolution des corps flagellaires.

Exploration du travail d’une classe en réseau sur un objet partagé en situation d’arts plastiques

Cette étude s’est déroulée dans le contexte de l’École en réseau au Québec. Une classe du primaire a utilisé un espace numérique collaboratif (Knowledge Forum) pour la réalisation d’activités d’éducation artistique, soit l’appréciation d’un corpus d’oeuvres et la création d’un objet d’art. La progression du discours écrit relativement à ces deux objets de partage a été étudiée. Nos résultats montrent que les élèves ont réussi à faire progresser leurs contributions sur les deux objets partagés. En interagissant entre eux, ils ont créé des artéfacts de connaissances partagées et développé un langage artistique propre. À la suite de nos constats, des implications pédagogiques ont été formulées pour d’encourager la participation des élèves lors d’activités d’éducation artistique au moyen d’outils numériques qui soutiennent la collaboration.

Authentification biométrique par dynamique de frappe pour évaluation à distance utilisant SVM à une classe

La machine à vecteurs de support à une classe est un algorithme non-supervisé qui est capable d’apprendre une fonction de décision à partir de données d’une seule classe pour la détection d’anomalie. Avec les données d’entraînement d’une seule classe, elle peut identifier si une nouvelle donnée est similaire à l’ensemble d’entraînement. Dans ce mémoire, nous nous intéressons à la reconnaissance de forme de dynamique de frappe par la machine à vecteurs de support à une classe, pour l’authentification d’étudiants dans un système d’évaluation sommative à distance à l’Université Laval. Comme chaque étudiant à l’Université Laval possède un identifiant court, unique qu’il utilise pour tout accès sécurisé aux ressources informatiques, nous avons choisi cette chaîne de caractères comme support à la saisie de dynamique de frappe d’utilisateur pour construire notre propre base de données. Après avoir entraîné un modèle pour chaque étudiant avec ses données de dynamique de frappe, on veut pouvoir l’identifier et éventuellement détecter des imposteurs. Trois méthodes pour la classification ont été testées et discutées. Ainsi, nous avons pu constater les faiblesses de chaque méthode dans ce système. L’évaluation des taux de reconnaissance a permis de mettre en évidence leur dépendance au nombre de signatures ainsi qu’au nombre de caractères utilisés pour construire les signatures. Enfin, nous avons montré qu’il existe des corrélations entre le taux de reconnaissance et la dispersion dans les distributions des caractéristiques des signatures de dynamique de frappe.