Scénario pédagogique, robots, tablettes et configurations spatiales

La méthode de clustering permet d’analyser les données en les regroupant selon des ensembles de variables ayant des variances homogènes [20]. Cette technique de trai- tement des données permet de vérifier si les différences entre les groupes sont signifi- catives. A l’aide du logiciel IBM SPSS 23©_{, nous avons d’abord utilisé la méthode}

« Two-step cluster » en intégrant dans la liste des variables l’ensemble des données relevant de la disposition spatiale des élèves et de l’enseignant, ainsi que le mode de transmission des contenus et l’activité pédagogique. Le résultat nous donne deux clusters avec un indice de cohésion de 0,7, ce qui indique une qualité satisfaisant d’une solution à deux clusters. Nous avons par la suite procédé à la méthode « k- means clusters » en imposant une solution finale à deux clusters, dans le but de véri- fier la qualité des regroupements par l’inspection en détails de la significativité de l’appartenance de chaque variable à son groupe. Nous avons d’abord introduit l’ensemble des variables, puis retiré progressivement ceux dont le test F d’appartenance au cluster confirmait l’hypothèse nulle d’indépendance (p>0,05), autrement dit, dont l’appartenance au groupe 1 ou 2 n’était pas significative. Le résul- tat final produit bien deux groupes distincts par leur composition (figure 4): le pre- mier, composé des variables « enseignant face au groupe-classe », « leçon magis- trale », « questions/réponses » et « tableau blanc », que nous associons à la classe traditionnelle active (ATC) [3 ; 4], dans la mesure où ces éléments correspondent à une configuration de classe où, même si les activités intègrent des outils numérique, en l’occurrence le logiciel de programmation Scratch Jr sur tablettes, le mode trans- mission des contenus et le positionnement de l’enseignant correspondent à une moda- lité pédagogique classique. Le deuxième groupe, que nous associons à la Active Learning Classroom (ALC) de [3 ; 4], est composé des variables « groupes d’élèves en îlots poreux » et « activité de groupe », puisqu’il s’agit des configurations où les apprenants sont constitués en groupe non hermétiques, c’est-à-dire qu’il leur est pos- sible de circuler entre les groupes, dans le cadre d’une consigne où les tâches sont à effectuer de manière collaborative. Le tableau 3 montre la significativité de l’appartenance de chaque variable à son cluster.

Fig. 4. Clustering des observables (cluster 1=ATC; cluster 2=ALC)

Table 3. Significativité selon le test F d’appartenance de chaque observable à son cluster et corrélations entre observables

Clusters Observables F p 1 2 3 4 5 1 (ATC) 1.Positionnement de l’enseignant face au groupe-classe 8,12 ,007 2.Leçon magistrale 23,7 ,000 ,34* 3.Questions/réponses 23,3 ,000 ,27 ,37* 4.Tableau blanc 7,83 ,008 ,37** _,39* _,43**

2 5.Groupes (îlots poreux) 15,1 ,000 -,09 -,48** _-,33* _-,27

(ALC) 6.Activités de groupe 8,5 ,006 ,17 -,20 -,05 -,07 ,44**

ddl=33 ; *p<0,05 ; **_p<0,01

Ces résultats confirment bien l’existence de deux configurations spatiales et scéna- ristiques différentes par la disposition des acteurs dans la salle, qui est interdépen- dante avec la nature de l’activité et la modalité de diffusion des contenus. En effet, les variables « îlots poreux » et « activités de groupe », appartenant au groupe 2, sont corrélées (rs=0,44 ; p<0,01). Nous observons d’autres corrélations entre les obser- vables du groupe 1 : « leçon magistrale » avec le « positionnement de l’enseignant face au groupe-classe » (rs=0,34 ; p<0,05), « questions-réponses » avec le « tableau blanc » (rs=0,43 ; p<0,01), qui est corrélé avec le positionnement de l’enseignant (rs=0,37 ; p<0,01), et « leçon magistrale » (rs=0,39 ; p<0,05). Sont également mis en évidence des corrélations négatives entre certaines d’entre elles et certaines du groupe 2 (« îlots poreux » avec « leçon magistrale » : rs=-0,48 ; p<0,01 ; et avec « ques- tions/réponses » : rs=-0,33 ; p<0,05), ce qui marque une différenciation statistique supplémentaire entre les deux groupes et leurs variables respectives. Nous pouvons valider notre H1a en y répondant plus précisément : il existe un effet du scénario pé- dagogique, en termes de prescription, sur la configuration spatiale de la classe. Pour-

tant, le rôle des artefacts tangibles tels que les robots et les tablettes sur ces configura- tions de l’espace reste encore à préciser. Nous cherchons d’abord à vérifier si la con- figuration spatiale ATC ou ALC correspond aux séquences (1, 2 ou 3) : le test du χ² nous mène à retenir l’hypothèse d’indépendance entre numéro de séquence et confi- guration spatiale (p>0,05). Autrement dit, la configuration spatiale n’est pas constante sur l’ensemble d’une seule séquence, quand bien-même ces dernières sont différen- ciées en fonction du matériel et du scénario. Cela voudrait dire alors que la configura- tion se modifie tout au long des séances ou au sein d’une séance. Y aurait-il alors un effet temporel, lors du déroulé d’une séance, sur la configuration spatiale ? En effet, il apparaît lors des visionnages que différentes reconfigurations peuvent se mettre en place dans le cadre d’une seule séance de 50 minutes, quelle que soit la séquence, la disposition des acteurs en début d’une séance se différenciant de la fin. Nous avons ainsi introduit une variable binaire (première ou deuxième moitié de séance) à la- quelle chaque intervalle appartient. Le test exact de Fisher nous indique que la confi- guration ATC correspond aux observations en première moitié de séance et ALC à la deuxième moitié : χ²=6,88 ; p=0,015. Il s’agit donc d’un élément de réponse supplé- mentaire : la configuration spatiale dépendrait donc de la scénarisation pédagogique, des consignes données et du moment dans la séance, plutôt qu’uniquement du maté- riel utilisé. Afin de vérifier notre H1b, nous allons analyser si les artefacts tangibles utilisés par les élèves varient en fonction de la configuration spatiale. Les distributions des résidus de ces variables indiquant qu’elles violent les lois de normalité (p<0,001), nos tests statistiques de variance seront donc non-paramétriques. Les résultats des tests U de Mann-Whitney nous mènent à retenir l’hypothèse d’indépendance entre la configuration spatiale et chaque objet tangible intégré dans le scénario (0,096<p<1). Il n’y a donc pas de lien entre l’artefact utilisé dans le scénario et la configuration (H1b) mais bien entre cette dernière et le scénario pédagogique en situation ou prescrit.