Les humains ont une incroyable capacité d'apprentissage, d'adaptation et de développement d'expertise dans divers domaines, y compris la technologie, la musique et les matières académiques telles que la lecture, l'écriture, les mathématiques, les sciences et les langues secondes. Cependant, comprendre comment les humains apprennent dans les cours universitaires est d'une importance particulière, car il s'agit d'une caractéristique distincte de l'espèce humaine et peut être utilisée pour améliorer l'éducation.

Les nouvelles technologies ont révolutionné notre approche de l'apprentissage scolaire, fournissant des volumes de données sans précédent. En s'appuyant sur ces données, les chercheurs ont développé des modèles cognitifs et statistiques d'acquisition de compétences pour comprendre les similitudes et les différences entre les apprenants. Les résultats de cette recherche ont été publiés dans une étude récente, qui donne un aperçu de la quantité de pratique dont les étudiants ont besoin pour atteindre la maîtrise, de la variation de leurs performances initiales et, ce qui est le plus étonnant, de la similitude des étudiants dans leur taux d'apprentissage.

Objectifs et méthodologie de LearnLab

LearnLab est une organisation qui a été créée pour identifier les unités mentales d'apprentissage dans les cours universitaires, en utilisant ces connaissances pour concevoir et démontrer un enseignement amélioré dans des expériences contrôlées randomisées intégrées dans des cours et en construisant des modèles d'apprenants qui révèlent des similitudes et des différences significatives entre les apprenants. Pour y parvenir, les chercheurs ont développé des modèles cognitifs des unités mentales acquises par les étudiants dans les cours universitaires, qui ont été utilisés pour reconcevoir les unités de cours. Des expériences sur le terrain à assignation aléatoire comparant l'utilisation par les étudiants de la nouvelle conception (traitement) avec la conception originale (contrôle) ont démontré des résultats d'apprentissage améliorés.

Les modèles cognitifs ont été utilisés pour décomposer l'apprentissage en unités discrètes, ou composantes de connaissances, qui ont produit des prédictions pouvant être testées par rapport aux données de performance des élèves dans différents contextes et à différents moments. Des enquêtes sur plusieurs ensembles de données ont soutenu cette hypothèse de composante de connaissance.

Les principales questions de recherche de l'étude étaient de comprendre le nombre d'opportunités de pratique dont les étudiants ont besoin pour atteindre un niveau de maîtrise de 80 % d'exactitude, dans quelle mesure les étudiants varient dans leur performance initiale et dans quelle mesure ils varient dans leur taux d'apprentissage. Des modèles statistiques de croissance et des modèles cognitifs d'acquisition de compétences ont été utilisés pour modéliser les données des performances des élèves sur des groupes de tâches qui évaluent la composante exacte des compétences et fournissent des instructions de suivi sur les erreurs des élèves.

Les chercheurs ont appliqué leurs modèles à 1.3 million d'observations sur 27 ensembles de données d'interactions d'étudiants avec des systèmes de pratique en ligne dans le contexte de cours élémentaires à universitaires en mathématiques, en sciences et en langues. Les ensembles de données ont été produits par des étudiants utilisant la technologie éducative dans des contextes naturels de cours universitaires, impliquant des formes d'enseignement courantes telles que des cours magistraux et des lectures assignées, qui précédaient généralement la pratique des étudiants dans le cadre de la technologie éducative.

Les chercheurs ont constaté que malgré la disponibilité d'instructions verbales initiales, telles que des cours magistraux et des lectures, les étudiants ont démontré des performances initiales modestes avant la pratique avec une précision d'environ 65 %. Bien qu'ils soient dans le même cours, les performances initiales des étudiants variaient considérablement, allant d'environ 55 % de réponses correctes pour ceux de la moitié inférieure à 75 % pour ceux de la moitié supérieure.

La découverte la plus surprenante était que les étudiants étaient étonnamment similaires dans leur taux d'apprentissage estimé, augmentant généralement d'environ 0.1 log de cote ou 2.5% de précision par opportunité. Cette découverte remet en question les théories de l'apprentissage pour expliquer l'étrange combinaison de variations importantes dans les performances initiales des élèves et la régularité frappante du taux d'apprentissage des élèves.

Cependant, les chercheurs ont trouvé des variations substantielles dans les opportunités d'apprentissage nécessaires pour maîtriser une composante typique des connaissances entre les étudiants. Cela suggère que les différences dans l'apprentissage des élèves sont davantage dues à des différences dans les possibilités d'apprentissage qu'à des différences de taux d'apprentissage inhérentes aux élèves.

Les résultats de l'étude remettent en question les théories d'apprentissage actuelles pour expliquer la régularité frappante des taux d'apprentissage des élèves malgré la variation significative des performances initiales des élèves. Il souligne également l'importance des opportunités d'apprentissage dans les milieux universitaires, car les étudiants ont besoin d'une pratique approfondie pour atteindre la maîtrise. La régularité du taux d'apprentissage des élèves suggère que les différences dans les performances des élèves sont plus probablement dues à des différences dans les possibilités d'apprentissage qu'à des différences inhérentes dans la capacité d'apprentissage. Cela a des implications importantes pour l'éducation, soulignant la nécessité d'un enseignement de haute qualité et d'opportunités d'apprentissage personnalisées pour garantir que tous les élèves ont la possibilité de réussir.

L'importance des opportunités d'apprentissage

Cette recherche pose un défi critique aux théories actuelles de l'apprentissage. La pratique et la répétition sont des composantes essentielles du processus d'apprentissage. Les étudiants ont besoin d'une pratique approfondie pour atteindre un niveau de maîtrise. Cependant, l'étonnante régularité des taux d'apprentissage des élèves suggère que les différences de performance des élèves ne sont pas dues à des différences inhérentes à la capacité d'apprentissage. Au lieu de cela, ils sont plus susceptibles d'être dus à des différences dans les possibilités d'apprentissage.

Cela a des implications importantes pour l'éducation. Si nous pouvons fournir à tous les élèves un accès à la même qualité et à la même quantité d'opportunités d'apprentissage, nous pouvons combler les écarts de réussite actuels. Cela signifie s'assurer que tous les élèves peuvent accéder à un enseignement de haute qualité et à des technologies éducatives qui fournissent des commentaires et soutiennent leur apprentissage. Cela signifie également fournir des ressources supplémentaires aux étudiants qui ont besoin d'une aide ou d'un soutien supplémentaire.

Cette recherche souligne également l'importance de l'apprentissage personnalisé. Les technologies éducatives qui fournissent des commentaires et des instructions personnalisés peuvent aider à garantir que tous les élèves reçoivent les opportunités d'apprentissage dont ils ont besoin pour réussir. En adaptant l'enseignement aux besoins individuels des élèves, nous pouvons aider à garantir que chaque élève a la possibilité d'atteindre son plein potentiel.

Cette recherche fournit des informations importantes sur le processus d'apprentissage. Cela suggère que la pratique intensive et la répétition sont essentielles au processus d'apprentissage. Pourtant, les différences dans les performances des élèves sont plus probablement dues à des différences dans les possibilités d'apprentissage qu'à des différences inhérentes dans la capacité d'apprentissage. Cela a des implications éducatives importantes, soulignant la nécessité d'un enseignement de haute qualité et d'opportunités d'apprentissage personnalisées pour garantir que tous les élèves atteignent leur plein potentiel.

Alors que nous continuons à explorer la science de l'apprentissage, il est important de se rappeler que chaque élève est unique. En comprenant les besoins individuels de chaque élève et en leur offrant les opportunités d'apprentissage dont ils ont besoin, nous pouvons aider à garantir que chaque élève a la possibilité de réussir. Ce n'est pas seulement important pour la réussite future de chaque élève, mais aussi pour la réussite de notre société dans son ensemble. En investissant dans l'éducation et en offrant à chaque élève la possibilité d'atteindre son plein potentiel, nous pouvons créer un avenir meilleur pour tous.

Vous pouvez lire l'étude originale ici.

À propos de l’auteur

Robert Jennings est co-éditeur de InnerSelf.com avec sa femme Marie T Russell. Il a fréquenté l'Université de Floride, le Southern Technical Institute et l'Université de Floride centrale avec des études en immobilier, développement urbain, finance, ingénierie architecturale et enseignement élémentaire. Il était membre du US Marine Corps et de l'US Army ayant commandé une batterie d'artillerie de campagne en Allemagne. Il a travaillé dans le financement immobilier, la construction et le développement pendant 25 ans avant de lancer InnerSelf.com en 1996.

InnerSelf se consacre au partage d'informations qui permettent aux gens de faire des choix éclairés et perspicaces dans leur vie personnelle, pour le bien des communs et pour le bien-être de la planète. InnerSelf Magazine en est à ses 30 ans de publication en version imprimée (1984-1995) ou en ligne sous InnerSelf.com. S'il vous plaît, soutenez notre travail.

 Creative Commons 4.0

Cet article est sous licence Creative Commons Attribution-Share Alike 4.0. Attribuer l'auteur Robert Jennings, InnerSelf.com. Lien vers l'article Cet article a paru sur InnerSelf.com

livres_éducation