L’Adaptive Learning (3/3) – Partie 3

Troisième et avant dernière partie de l’interview de Charles Delbé, notre expert dans le domaine des sciences cognitives, des neurosciences et de l’intelligence artificielle afin de nous éclairer sur tous ces concepts et plus précisément celui de l’adaptive learning. Un interlocuteur d’autant plus précieux que Tactiléo développera cette technologie dès cette année.

L’adaptive learning – L’interview (suite)

4/ De trop rares études sembleraient montrer que les utilisateurs de dispositifs d’apprentissage utilisant les technologies de l’adaptive learning ont de meilleurs résultats. Est-ce réellement le cas selon vous ? Et quels sont les critères qui témoignent de cette performance ?

Des études menées dans des universités américaines rapportent des effets positifs des environnements d’apprentissage adaptatifs sur les taux de réussites académiques [3], [4], une réduction des temps d’acquisition [5], ainsi qu’une diminution des taux d’abandon en cours de cursus [3]. Par ailleurs, d’autres études ont prouvé que les systèmes adaptatifs impactent positivement des aspects tels que la persévérance et la motivation des apprenants [6].

Cependant, les résultats d’autres études à grande échelle et des méta-analyses montrent des résultats mitigés allant d’effets modestes à l’absence d’effets des systèmes adaptatifs sur les performances des apprenants, e.g. [7]–[9]. Plusieurs hypothèses peuvent être formulées quant à l’origine de ces différences :

1-Certains auteurs ont souligné des problèmes méthodologiques dans la construction des plans d’expérience des études qui cherchent à évaluer les effets de l’adaptation [8], [10]. Dans ces études, il est souvent difficile de déterminer la cause de ces effets. L’effet mesuré pourrait être causé par un autre aspect des fonctionnalités des systèmes testés, tel que leur utilisabilité. Une piste de recherche consisterait à comparer les systèmes e-learning adaptatifs qui laissent une part de contrôle de l’apprenant sur le comportement adaptatif. Cette approche pourrait aider à déterminer où l’adaptation doit être appliquée [7].

2-Dans la plupart de ces systèmes, le style d’apprentissage est considéré comme la source principale d’adaptation [11], [12]. Récemment, l’importance croissante accordée à la pédagogie différenciée (lire la première partie de cette interview à ce sujet) a accru la tendance des enseignants à considérer les styles d’apprentissage comme une variable pertinente sur le plan de l’enseignement, lorsqu’ils individualisent l’enseignement dans des classes de plus en plus hétérogènes [13]. Ainsi, les modèles de l’apprenant dans les environnements pédagogiques numériques considèrent généralement uniquement le niveau des connaissances de l’apprenant dans un domaine défini et son style d’apprentissage. Or, des études récentes sont arrivées à la conclusion que bien qu’il soit possible de classer les élèves d’après leurs modes préférés d’apprentissage, adapter l’enseignement aux styles d’apprentissage des élèves ne les aidera pas à mieux apprendre [13], [14]. Des recherches sont nécessaires pour comprendre les effets, potentiellement interactifs, du style d’apprentissage avec la motivation, les compétences (au sens large) et l’état émotionnel de l’apprenant [15].

3-Les états affectifs, motivationnels, et métacognitifs de l’apprenant ont tenu au mieux une place minime dans la plupart des systèmes d’apprentissage [16]. Les systèmes traditionnels se situe largement à un niveau cognitif de la modélisation de l’apprenant, et présument que celui-ci sait déjà comment gérer son propre apprentissage, et est déjà dans un état émotionnel approprié pour apprendre. Récemment, des groupes de chercheurs ont pris conscience des limitations de l’approche axée purement sur le cognitif, et ont lancé des recherche pour modéliser des aspects fondamentaux de la motivation, de l’affect et de la métacognition dans le but de proposer des déroulements adaptatifs des scénarios pédagogiques tenant compte des différences dans ces domaines [17].

Davantage de travaux de recherches sont nécessaires avant que la promesse d’universalité des systèmes d’apprentissage adaptatifs puisse être réalisée [9].

—————-

[3] J. Gourdon, « L’adaptive learning, la révolution qui vient », EducPros.fr, 2015. [En ligne]. Disponible sur: http://www.letudiant.fr/educpros/actualite/l-adaptive-learning-la-revolution-qui-vient.html. [Consulté le: 27-déc-2016].

[4] R. Riddel, « Adaptive learning: The best approaches we’ve seen so far », Education Dive, 2013. [En ligne]. Disponible sur: http://www.educationdive.com/news/adaptive-learning-the-best-approaches-weve-seen-so-far/187875/. [Consulté le: 27-déc-2016].

[5] W. G. Bowen, M. M. Chingos, K. A. Lack, et T. I. Nygren, « Interactive learning online at public universities: evidence from a six-campus randomized trial », Journal of Policy Analysis and Management, vol. 33, n^o 1, p. 94–111, 2014.

[6] J. Jarrett, « Bigfoot, Goldilocks, and Moonshots: A Report from the Frontiers of Personalized Learning », EDUCAUSE Review, vol. 48, n^o 2, p. 30–40, 2013.

[7] H. Ashman, T. Brailsford, et P. Brusilovsky, « Personal services: Debating the wisdom of personalisation », in International Conference on Web-based Learning, 2009, p. 1–11.

[8] M. Pérez-Sanagustín et al., « Research on ICT in K-12 schools – a review of experimental and survey-based studies in Computers & Education 2011 to 2015 », Computers & Education, p. , 2016.

[9] M. C. Murray et J. Pérez, « Informing and performing: A study comparing adaptive learning to traditional learning », Informing Science: the International Journal of an Emerging Transdiscipline, vol. 18, p. 111‑125, 2015.

[10] C. Mulwa, S. Lawless, M. Sharp, I. Arnedillo-Sanchez, et V. Wade, « Adaptive educational hypermedia systems in technology enhanced learning: a literature review », in Proceedings of the 2010 ACM conference on Information technology education, 2010, p. 73–84.

[11] M. Alshammari, R. Anane, et R. J. Hendley, « Adaptivity in e-learning systems », in Complex, Intelligent and Software Intensive Systems (CISIS), 2014 Eighth International Conference on, 2014, p. 79–86.

[12] Y. Akbulut et C. S. Cardak, « Adaptive educational hypermedia accommodating learning styles: A content analysis of publications from 2000 to 2011 », Computers & Education, vol. 58, n^o 2, p. 835‑842, 2012.

[13] T. J. Landrum et K. A. McDuffie, « Learning styles in the age of differentiated instruction », Exceptionality, vol. 18, n^o 1, p. 6–17, 2010.

[14] H. Pashler, M. McDaniel, D. Rohrer, et R. Bjork, « Learning Styles : Concepts and Evidence », Psychological Science in the Public Interest, vol. 9, n^o 3, p. 105‑119, 2008.

[15] A. Essa, « A possible future for next generation adaptive learning systems », Smart Learn. Environ., vol. 3, n^o 1, p. 16, déc. 2016.

[16] B. du Boulay, K. Avramides, R. Luckin, E. Martínez-Mirón, G. R. Méndez, et A. Carr, « Towards systems that care: a conceptual framework based on motivation, metacognition and affect », International Journal of Artificial Intelligence in Education, vol. 20, n^o 3, p. 197–229, 2010.

[17]  M. C. Desmarais et R. S. Baker, « A review of recent advances in learner and skill modeling in intelligent learning environments », User Modeling and User-Adapted Interaction, vol. 22, n^o 1‑2, p. 9–38, 2012.