Questions autour d'un logiciel qui s'adapte aux étudiants

Bien que les subtilités de la psychologie humaine ne soient jamais entièrement expliquées, les sociétés Internet semblent en avoir compris certaines parties. En suivant des millions d'utilisateurs, Google, Facebook et la société de jeux Zynga ont appris à positionner chaque bouton J'accepte, zone de texte et vache virtuelle pour inciter les gens à cliquer.

Une société appelée Knewton , à New York, essaie maintenant d'utiliser des techniques similaires au service d'un objectif sans doute plus louable : aider les étudiants à apprendre plus rapidement.

La startup, fondée en 2008, propose des cours comme la préparation au SAT et les mathématiques de rattrapage qui s'adressent principalement aux personnes sur le point de commencer ou de retourner à l'université. Ils sont proposés en ligne par des écoles, dont l'Arizona State University. En novembre dernier, Knewton a signé un accord pour utiliser sa technologie dans les classes numériques produit par le géant de l'éducation Pearson .

Lorsqu'un étudiant suit un cours propulsé par Knewton, nous évaluons en permanence ses performances, ce que d'autres ont déjà fait avec ce matériel et ce qu'ils savent, explique David Kuntz, vice-président de la recherche chez Knewton. C'est un vétéran du secteur de l'éducation qui a été le pionnier de l'introduction d'algorithmes informatiques dans la conception de tests standardisés, comme le LSAT.

Knewton appelle son approche l'apprentissage adaptatif, et le suivi des questions qu'un élève a de bonnes ou de mauvaises n'est que le point de départ. Knewton, qui a levé 54 millions de dollars d'investissements, affirme que son logiciel surveille également le temps nécessaire aux étudiants pour répondre à une question et s'ils la revisitent, et tire même des indices des mouvements de la souris d'un étudiant. Nous savons s'ils agitent leur souris pour essayer de choisir entre l'option A et C, dit Kuntz.

C'est une approche qui, en principe, pourrait rendre les cours en ligne beaucoup plus puissants. Google et Amazon ont transformé le Web d'une collection de documents électroniques en une centrale économique efficace en suivant l'activité des utilisateurs et en peaufinant la conception pour rendre les pages plus utiles et les consommateurs plus susceptibles de cliquer sur les publicités ou d'acheter. Les promoteurs de l'apprentissage adaptatif affirment que des techniques analytiques similaires peuvent être appliquées à l'enseignement.

Le logiciel de Knewton utilise les données qu'il recueille pour essayer de guider chaque élève à travers le matériel dans l'ordre le plus susceptible de le faire tenir. Différents étudiants peuvent également apprendre le même matériel de différentes manières, en fonction de leurs réactions précédentes. Lors de l'enseignement des équations linéaires, explique Kuntz, un étudiant peut se voir montrer l'équation ax + b = c, puis apprendre qu'elle peut être tracée sous forme de ligne. Pour d'autres, il peut être utile de l'introduire d'abord comme un problème géométrique. Un élève qui répondait auparavant bien aux informations exprimées visuellement verrait d'abord des graphiques, pas des équations. Knewton utilise même un modèle de la vitesse à laquelle les élèves oublient des choses pour décider quand une leçon de perfectionnement est nécessaire.

Il y a encore peu de preuves pour dire si la technologie de Knewton enseigne réellement mieux. L'entreprise cite des résultats impressionnants dans l'État de l'Arizona, où son cours de mathématiques a été introduit à l'automne 2011 : les taux de réussite, par exemple, ont augmenté de 11 %. Cependant, la technologie de Knewton n'a pas encore été testée dans une expérience contrôlée comparant des groupes d'étudiants qui utilisent et n'utilisent pas le logiciel.

Une telle validation est importante, déclare Ken Koedinger, professeur à l'Université Carnegie Mellon et directeur du Pittsburgh Science of Learning Center, car Knewton s'est lancé un défi beaucoup plus difficile que n'importe quelle société de publicité en ligne. Les gens disent que Google fait ceci et Zynga fait cela, mais ils optimisent pour quelque chose de très local : pour que vous reveniez à la page Web, dit-il. Pour Knewton, dit-il, il existe un réel danger d'optimiser pour la mauvaise chose. Par exemple, si les leçons des étudiants sont optimisées pour une progression plus rapide tout au long du cours, cela pourrait finir par donner des cours plus faciles, pas plus d'apprentissage.

Certaines des propres recherches de Koedinger ont été utilisées par Apprentissage de Carnegie , une société indépendante de Carnegie Mellon qui fournit une sorte de mise en garde à Knewton. En 2010, un examen par le ministère de l'Éducation des États-Unis ont conclu que malgré certaines études positives, les tuteurs cognitifs de Carnegie Learning n'avaient aucun effet perceptible sur les résultats en mathématiques des élèves du secondaire.

Knewton est une entreprise relativement jeune, et les essais contrôlés demandent du temps et de l'argent. Mais Richard Clark, professeur de psychologie et de technologie de l'éducation à l'Université de Californie du Sud, déclare que le flou de l'entreprise sur ses méthodes est troublant. Knewton prétend ajuster l'enseignement pour chaque élève mais ne partage avec personne les preuves (le cas échéant) qu'ils utilisent pour fonder les adaptations individuelles, dit-il. S'ils font un travail solide, pourquoi ne pas publier ou au moins pointer du doigt les études évaluées par des pairs qui sont à la base de leur approche ?

Même ainsi, ni Koedinger ni Clark ne contestent l'idée que l'analyse de données détaillées sur les actions des élèves pourrait apporter un éclairage précieux sur ce qui rend l'enseignement efficace, en aidant à déterminer laquelle des dizaines de théories éducatives concurrentes est la meilleure. Comme la plupart des cours se déroulent dans les salles de classe, explique Koedinger, les chercheurs n'ont tout simplement pas été en mesure de le mesurer. Nous savons que cet enseignant en particulier a de bons résultats [au test], dit-il, mais nous ne savons pas comment il s'y prend.

cacher