de l’apprentissage distribu&eacute

Texte intégral

(1)L’efficacité de l’apprentissage distribué vs. L’apprentissage massé dans le contexte des vidéos instructionnelles de logiciels. MÉMOIRE RÉALISÉ EN VUE DE L'OBTENTION DE LA MAITRISE UNIVERSITAIRE EN SCIENCES ET TECHNOLOGIES DE L’APPRENTISSAGE ET DE LA FORMATION. PAR Alis Al-Talli Directrice du mémoire Mireille Bétrancourt Jury Giulia Ortoleva Sergio Estupinan Vesga. Genève, février 2020. Université de Genève Faculté de Psychologie et des Sciences de l’éducation.

(2) Résumé. Les vidéos instructionnelles sont un bon moyen d’enseigner l’utilisation de logiciels ou d’outils en ligne. Toutefois, certaines vidéos sont plus efficaces que d’autres en raison de divers facteurs. Dans cette étude, nous nous sommes intéressés au facteur de la répartition de l’apprentissage et son efficacité dans le contexte des vidéos instructionnelles. Pour ce faire, nous avons développé deux conditions : l’apprentissage massé et l’apprentissage distribué. Une étude a alors été menée avec deux groupes d’apprenants, afin de comparer les données des deux méthodes. Les résultats n’ont pas montré de différence significative en termes de performances et de durabilité de l’apprentissage sept jours après le test. De plus, les deux groupes ont manifesté la même motivation et ont perçu le même degré de difficulté lors de la phase de test. Seul l’effort perçu s’est manifesté avec une différence significativement plus faible pour le groupe d’apprentissage distribué. Ces résultats n’ont ainsi pas confirmé nos hypothèses de départ basées sur la littérature scientifique à ce sujet.. Mots-clés : Vidéos instructionnelles de logiciels, vidéos tutorielles, apprentissage distribué, apprentissage massé, charge cognitive, motivation.. 2.

(3) Déclaration sur l’honneur Je déclare que les conditions de réalisation de ce travail de mémoire respectent la charte d’éthique et de déontologie de l’Université de Genève. Je suis bien l’auteur-e de ce texte et atteste que toute affirmation qu’il contient et qui n’est pas le fruit de ma réflexion personnelle est attribuée à sa source ; tout passage recopié d’une autre source est en outre placé entre guillemets.. Genève, le 1er février 2020. Alis Al-Talli Signature :. 3.

(4) Remerciements Je remercie sincèrement ma directrice de mémoire, Mireille Bétrancourt, pour son aide précieuse et son soutien tout au long de ce travail. Je remercie également tous les participants de cette étude, qui ont gentillement accepté de m’accorder du temps pour mener l’expérimentation de ce mémoire. Finalement, je souhaite remercier mes proches qui m’ont toujours soutenu et motivé pendant l’élaboration de ce travail.. 4.

(5) Introduction. 8. Cadre théorique Définition des termes et concepts étudiés. 9 9. L’apprentissage massé L’apprentissage distribué L’apprentissage massé et distribué dans ce mémoire Les vidéos instructionnelles La visée d’apprentissage vs. Réplication Les enjeux de la répartition et segmentation de l’apprentissage La motivation La charge cognitive Revue de résultats de recherche Spanjers, Van Gog et Van Merrienboer (2010) John Rogers (2015) Chen, Castro-Alonso, Paas et Sweller (2018) Synthèse des résultats de recherche. 9 9 10 10 11 12 12 13 15 15 17 19 20. La problématique Objectif Questions de recherche et hypothèses. 21 21 21. Méthodologie Participants Matériel Les logiciels. 24 24 26 26. Proto.io Camtasia Qualtrics Les vidéos d’apprentissage Questionnaire et tests Procédure Variables. 26 26 26 27 33 34 36. Les résultats Performance pendant l’apprentissage La motivation et charge cognitive des apprenants Performance d’apprentissage après 7 jours. 38 38 41 45. Discussion Réponses aux questions de recherche Les limites de l’étude. 49 49 50. Conclusion. 52. Références bibliographiques. 53. Annexes. 56. 5.

(6) Table des tableaux Tableau 1 - Durée du test à distance du groupe d’apprentissage massé Tableau 2 - MANOVA (multivarié) Tests des effets intersujets. 34 39. Tableau 3 - MANOVA (multivarié) Tests des effets intersujets Tableau 4 - MANOVA (multivarié) Tests des effets intersujets. 44 47. Table des figures Figure 1 – Répartition des tests pour les participants de l’apprentissage massé Figure 2 – Répartition des tests pour les participants de l’apprentissage distribué. 24 24. Figure 3 – Condition d’exclusion dans Qualtrics Figure 4 – Aperçu du résultat Figure 5 – Les 8 guidelines de Hans Van Der Meij et Jan Van Der Meij (2013) Figure 6 – Accès facile à la vidéo Figure 7 – Titre des vidéos Figure 8 – Vitesse de vidéo 1.28x Figure 9 – Vitesse de vidéo 0,59x Figure 10 – Partie de l’écran surligné Figure 11 – Histogramme de Score_Quiz. 25 26 27 28 28 29 30 32 37. Figure 12 – Histogramme de Clic_total Figure 13 – Moyennes marginales de Clic_total Figure 14 – Moyennes marginales de Score_Quiz Figure 15 – Histogramme de la moyenne de l’effort perçu Figure 16 – Histogramme de la moyenne de la motivation Figure 17 – Histogramme de la moyenne de la difficulté perçue Figure 18 – Moyennes marginales de la motivation Figure 19 – Moyennes marginales de la difficulté Figure 20 – Moyennes marginales de l’effort. 38 38 39 40 41 41 42 42 43. Figure 21 – Histogramme de Score_Quiz Figure 22 – Histogramme de Clic_total Figure 23 – Moyennes marginales de Score_Quiz Figure 24 – Moyennes marginales de Clic_total. 45 45 46 46. 6.

(7) 1.. Introduction. Les vidéos instructionnelles ou tutorielles de logiciel connaissent une croissance remarquable depuis quelques années. Elles sont à présent utilisées dans de nombreux domaines, comme le design, le développement web, le montage vidéo, le prototypage, etc. Cette croissance exponentielle est expliquée par de nombreux éléments tels que la publication rapide de ces vidéos sur internet, le développement de plusieurs logiciels simplifiant le montage vidéo, ainsi que le désir d’attirer de nouveaux clients pour des vastes sociétés de logiciels telles qu’Adobe, Apple, HP, et bien d’autres. Le but de ces vidéos est d’apprendre à utiliser des logiciels en suivant une procédure précise d’accomplissements d’une ou plusieurs tâches. Ainsi, ces vidéos guident l’utilisateur en lui montrant étape par étape la marche à suivre pour accomplir chaque tâche sur un logiciel précis. Aujourd’hui, grâce au développement de la technologie, toute personne peut créer et partager une vidéo instructionnelle sur les plateformes comme Vimeo, YouTube, ou encore Howcast.. En parallèle, nous constatons également que les études relatives à l’apprentissage distribué et l’apprentissage massé suscitent un nouveau regain d’intérêt depuis l’apparition de nouvelles formes d’apprentissages en ligne. C’est notamment le cas des MOOC “Massive Open Online Course” et du micro-learning. Chen et al. (2017) mettent en lumière la demande toujours plus croissante des MOOC et par conséquent, la nécessité de les étudier comme forme d’apprentissage à part entière. La théorie de la charge cognitive est alors à nouveau abordée étant donné qu’elle est présente dans toutes les conceptions pédagogiques d’apprentissage et ainsi dans celles effectuées en ligne à travers des vidéos instructionelles de logiciels. Nous retrouvons alors diverses études récentes comparant l’efficacité de la segmentation et la répartition de l’apprentissage. Cependant, à ce jour, aucune étude n’a été menée dans le contexte des vidéos instructionnelles de logiciels. Dès lors, plusieurs questions se posent concernant ces vidéos : Quelle répartition de l’apprentissage adopter pour ce type de vidéos ? L’apprentissage distribué permet-il d’augmenter l’efficacité des vidéos tutorielles de logiciels ? Quels sont les impacts d’un apprentissage massé ou distribué pour cette forme d’apprentissage ? Pour ce travail, nous allons tenter de comprendre si la distribution de l’apprentissage permet d’améliorer l’efficacité des vidéos tutorielles de logiciels. Pour y parvenir, deux méthodes seront étudiées et analysées : l’apprentissage distribué et l’apprentissage massé. Nous chercherons ainsi à analyser l’efficacité de ces deux variables dans le cadre des vidéos instructionnelles de logiciels. Des éléments comme la motivation ou la charge cognitive seront également analysés pour faire ressortir les enjeux dont il est question dans cette étude. Par la suite, nous passerons en revue la littérature scientifique y relative. Finalement, nous passerons à la phase expérimentale, et exposerons les résultats afin de répondre à nos questions de recherches.. 7.

(8) 2.. Cadre théorique 2.1.. Définition des termes et concepts étudiés 2.1.1.. L’apprentissage massé. L’apprentissage massé est une notion apparue à la fin du XIXe siècle. En parcourant les innombrables études dans lesquelles ce concept est traité, il est possible d’extraire des critères qui reviennent invariablement pour le définir. L’idée principale que l’on retrouve est celle d’intensivité. En effet, l’apprentissage massé est défini comme un apprentissage intensif, soit « des conditions d’apprentissage dans lesquelles les participants complètent une tâche lors d’une session d'entraînement intensive »1 (Rogers, 2015, p.857). Cette notion d’intensivité est renforcée par l’idée que, lors de ces sessions d'entraînement, il n’y a pas, ou très peu, de phases de repos. Certains chercheurs écartent l’idée d’un temps de pause, de quelque durée qu’il soit. D’autres groupes de chercheurs estiment que, même si le temps de pause est nettement inférieur au temps d’apprentissage, nous nous trouvons toujours dans le domaine de l’apprentissage massé. En guise d’exemple, nous pouvons citer Wek et Husak (1989) qui avancent qu’il s’agit d’un apprentissage qui a lieu sans aucune interruption et sans qu’une pause soit observée pour le repos. Concernant le temps de repos, Schmidt (1991) précise que la durée de l'entraînement est plus longue par rapport au programme d’apprentissage massé dont le temps de repos entre les essais est écourté. Nous comprenons ainsi que pour certains, dans le cadre de l’apprentissage massé, il faut être privé de toute forme de repos. Pour d’autres groupes, cependant, ce type d’apprentissage renvoie à des phases de repos extrêmement courtes. L’étude de la question montre que, dans un cas comme dans l’autre, ce type d’apprentissage n’accorde pas un repos générateur permettant de bien assimiler les connaissances. En somme, il s’agit d’une répartition de l’apprentissage lors de laquelle l’enseignement est délivré sans interruption, de façon intensive et sans coupure significative permettant de se reposer ou se divertir.. 2.1.2.. L’apprentissage distribué. La notion d’apprentissage distribué est apparue en même temps que celle d’apprentissage massé. Différents articles scientifiques montrent une similarité quant aux définitions relatives aux deux types d’apprentissage. Ces définitions font état d’une pause suffisamment conséquente pour être soulignées. L’apprentissage distribué est selon Schmidt (1991), un ensemble d’activités dans lequel il existe un moment de repos assez long entre les essais, par rapport au temps nécessaire pour le traitement. Des précisions sont par ailleurs apportées quant au temps accordé pour ces pauses. Ainsi, la période mesurable d’un essai est soit la même, soit supérieure à celle du repos entre les essais (Schmidt, 1991). Selon Rogers (2015), cette durée peut aller jusqu’à plusieurs semaines, voire plusieurs mois. 1. Citation originale: “Simply defined, massed practice refers to training conditions in which participants complete a task in an intensive training session”. 8.

(9) Il convient également de noter qu’il s’agit d’une méthode d’apprentissage lors de laquelle l’enseignement est délivré de façon non-intensive. Cet enseignement se fait avec des pauses qui permettent de se reposer ou de se divertir. Pour certains chercheurs, une position stricte et claire doit être adoptée. À partir du moment où un temps de repos est introduit durant la phase d’entraînement, il s’agit de ce fait d’un apprentissage distribué (Burdick, 1977). Cependant, des désaccords subsistent concernant la terminologie à adopter. Schmidt (1991) fait remarquer à juste titre l’inexistence de délimitation fixe entre les deux types d’apprentissage (massé et distribué). Toutefois, l’apprentissage massé nécessite un temps de repos entre les essais moins important que dans le cas d’un apprentissage distribué. La durée du temps de repos et la fréquence des rappels sont incontournables pour établir s’il s’agit d’un apprentissage massé ou distribué, comme nous l’avons vu précédemment.. 2.1.3.. L’apprentissage massé et distribué dans ce mémoire. Dans ce mémoire, la position adoptée concernant l’apprentissage massé est celle décrivant un apprentissage intensif sans pause, ou avec des pauses extrêmement courtes ne dépassant pas quelques minutes. En ce qui concerne la notion d’apprentissage distribué dans ce travail, il s’agit d’une répartition de l’apprentissage dans le temps s’étendant sur plusieurs jours. Ainsi, l’intervalle inter-session doit obligatoirement assurer un repos générateur permettant de bien assimiler les connaissances. Quant au temps d’exposition total aux nouvelles informations, les deux groupes de répartition d’apprentissage doivent avoir la même durée d’exposition. De plus, les deux groupes suivent un plan de séquence identique, et utilisent le même matériel d’apprentissage. Ainsi, nous pouvons définir le type de répartition d’apprentissage en fonction des intervalles séparant les sessions d’apprentissage. Si l’apprentissage est délivré de manière condensée et sans intervalle inter-session, il s’agit d’un apprentissage massé. Dans le cas contraire, la répartition correspond à un apprentissage distribué.. 2.1.4.. Les vidéos instructionnelles. Depuis 2005, la célèbre plateforme YouTube a assisté aux débuts des « utilisateurs-créateurs » (Van de Meij & Van der Meij, 2013). Sur cette plate-forme se retrouvent en effet des personnes qui regardent des vidéos, ainsi que des personnes qui produisent également leurs propres vidéos. Ces vidéos sont réalisées en fonction des centres d’intérêt de chaque individu. Parmi les vidéos en libre accès sur ladite plate-forme, il y a les vidéos tutorielles de logiciels. Cette catégorie de vidéo existe depuis de nombreuses années. Si la popularité des MOOCs ne cesse de croître dernièrement, il convient de noter que YouTube ou Dailymotion proposaient déjà ce type de contenu. Ce dernier est également proposé sur des sites comme eHow, Howcast ou encore Wonderhowto. De plus, Adobe, Apple, Microsoft, pour ne citer que ces fameuses. 9.

(10) sociétés, offrent à leurs clients la possibilité d’accéder à des vidéos tutorielles pour les aider dans l’utilisation de leurs produits (Van der Meij & Van der Meij, 2013). Aujourd’hui, cet outil d’apprentissage qu’est la vidéo instructionnelle est largement répandu. Ce support constitue dès lors un complément à la méthode traditionnelle utilisée pour transférer les connaissances par le biais du format papier. Il faut noter que dès la fin du XXe siècle, diverses recherches ont été menées pour tenter d’appréhender les effets des nouvelles technologies sur l’apprentissage. Dans ce contexte, nombreux sont les chercheurs en psychologie cognitive à avoir procédé à des études ou des expérimentations en laboratoire. Leur objectif est de saisir et exposer les avantages de ce nouveau support. De notre temps, il existe des bonnes pratiques pour élaborer des vidéos s’inscrivant dans une démarche instructionnelle pertinente et facilitant l’apprentissage. À ce propos, Hans van der Meij et Jan van der Meij (2013) ont dédié un article à la conception des vidéos tutorielles de logiciels. Ils ont alors établi huit points clé afin de concevoir des vidéos instructionnelles. Leurs recommandations ont été testées dans trois études empiriques consécutives, et il en ressort que lorsque ces huit points clé sont appliqués aux vidéos instructionnelles, ils provoquent chez l’apprenant une meilleure motivation, une rétention d’information plus durable et de meilleures performances d’apprentissage. En revanche, les chercheurs décrivent les limites de leur étude, en affirmant : « Une des limites de l’étude est que nous nous sommes concentrés sur la vidéo d’instruction qui remplit une fonction de tutoriel. Pour les vidéos qui fonctionnent comme un guide de référence, toutes les directives ne sont pas d'égale importance et de nouvelles directives peuvent également être demandées » Meij et Jan van der Meij (2013). Leurs recommandations s’appliquent donc uniquement aux vidéos instructionnelles, et sont composées des pratiques suivantes : - Provide easy access (Guideline 1) - Use animation with narration (Guideline 2) - Enable functional interactivity (Guideline 3) - Preview the task (Guideline 4) - Provide procedural rather than conceptual information (Guideline 5) - Make tasks clear and simple (Guideline 6) - Keep videos short (Guideline 7) - Strengthen demonstration with practice (Guideline 8) Swart (2012) ajoute également l’importance d’avoir une bonne qualité d’image et d’audio à la vidéo, car dans le cas contraire, cela pourrait empêcher l’apprenant de distinguer les parties importantes de l’écran. Il valide également le Guideline 4.1: Promote the goal, de Hans van der Meij et Jan van der Meij (2013), en soulignant l’importance pour la motivation de prévisualiser la tâche et définir l’objectif de la vidéo : « The goals and objectives may also play a significant affective role in motivating viewers to continue through the tasks to their completion » (Swart, 2012).. 2.1.4.1.. La visée d’apprentissage vs. Réplication. Après avoir effectué la comparaison entre un apprentissage classique sur papier et un apprentissage par vidéo, la question de l’importance de la réplication dans la visée. 10.

(11) d’apprentissage s’est posée. En effet, la vidéo instructionnelle peut être utilisée en parallèle de l’exécution d’une tâche. Le but peut alors être uniquement la réalisation de la tâche, ou bien la constitution d’un support pour l’apprentissage. Prenant cela en considération, Van der Meij et al. (2018) ont voulu analyser les différences entre un apprentissage par vidéo seule, ou complétée en amont ou aval par un travail de réplication. La réplication des tâches est donc prise en compte comme une composante de l’apprentissage via des vidéos instructionnelles. Autrement dit, les vidéos instructionnelles ne servent pas uniquement à reproduire des tâches, mais elles permettent également d’apprendre. Van der Meij et al. (2018) ont donc supposé que la combinaison de la vidéo et sa réplication amélioreraient l’apprentissage plus que la vidéo instructionnelle seule. L'expérience a été réalisée aux Pays-Bas avec des élèves de primaire, séparés en trois groupes : un avec vidéo seule, un avec la réplication post vidéo, un avec la réplication pré-vidéo. Cependant, l’expérience n’a pas confirmé l’hypothèse de départ. Les élèves ayant appris uniquement avec la vidéo ont eu d’aussi bons résultats que ceux ayant bénéficié du pré et post entraînement. L’enjeu des vidéos instructionnelles est donc de trouver le juste équilibre entre des instructions assez fournies pour ne pas perdre l’intérêt de l’utilisateur, mais assez succinctes pour stimuler sa réflexion et ainsi améliorer l’apprentissage.. 2.2.. Les enjeux de la répartition et segmentation de l’apprentissage. Pour comprendre les enjeux de la répartition et la segmentation de l’apprentissage, il convient de les aborder sous deux angles : la motivation et la charge cognitive. S’intéresser à ces enjeux permettra ainsi d’avoir une idée globale de l’effet de l’apprentissage massé et distribué sur la performance et l’appréciation d’apprentissage.. 2.2.1.. La motivation. Un des concepts clé à prendre en compte, dans le cadre d’une étude concernant les apprentissages, est celui de la motivation. En effet, la motivation a fait l’objet de nombreuses études. Celles-ci ont d’ailleurs permis de définir la théorie de l’auto-détermination. Les chercheurs ayant travaillé sur la question ont mis au jour l’existence de deux types de motivation : la motivation extrinsèque et la motivation intrinsèque. La motivation extrinsèque consiste selon Ryan et Weinstein (2009), à exercer une activité pour sa “valeur instrumentale”. Prenons un exemple concret de ce type de motivation : une personne apprend le chinois parce que cette langue est utile dans le cadre professionnel. La motivation de cette personne pour l’acquisition de cette langue est donc extrinsèque. Toujours selon Ryan et Weintein (2009), la motivation intrinsèque consiste à exercer une activité, en ce sens qu’en la pratiquant, les individus gagnent en satisfaction personnelle. Une personne qui apprend le chinois par passion pour la langue ou la culture chinoise, est un bel exemple pour comprendre cette forme de motivation intrinsèque.. 11.

(12) Selon la théorie de l’auto-détermination, la motivation intrinsèque permet un apprentissage débouchant sur une meilleure performance et sur le bien-être de l’apprenant. Cette motivation est entretenue, et même accrue par un ensemble de besoins psychologiques basiques. Ces derniers renvoient à l’autonomie, la compétence et la relation aux autres personnes (Deci & Ryan, 2002). Ces besoins sont perçus par l’être humain comme étant fondamentaux et participent activement à son épanouissement. Nikou et Economides (2018), constatent que dans le monde de l’enseignement, il est parfois difficile de « réduire le nombre d’étudiants démotivés et non-performants ». Pour trouver des éléments explicatifs à cette situation, ils mènent une étude auprès de 108 étudiants, et s’intéressent tout particulièrement à l’impact de l’utilisation du micro-learning sur mobile sur la motivation. Ils font alors appel à la théorie de l’auto-détermination, et décident de comparer les devoirs en micro-learning sur mobile et les devoirs conventionnels sur papier. Le but étant de voir si le micro-learning change quelque chose concernant la performance d’apprentissage des étudiants, leur motivation et leur satisfaction liée à l’apprentissage. La théorie de l’auto-détermination présente l’avantage de pouvoir demander aux étudiants d’exprimer s’ils perçoivent une quelconque amélioration de leur autonomie face à l’apprentissage. Cette théorie permet également d’interroger les étudiants, lorsqu’ils utilisent le micro-learning sur mobile, sur leur sentiment d’être compétent et leur sentiment de connexion avec leurs pairs. Les 108 étudiants ont donc été séparés en deux groupes. Le premier groupe de 54 étudiants était invité à réaliser ses devoirs sur mobile, en micro-learning. Le second groupe, ainsi que le groupe de contrôle composé de 54 étudiants, devaient réaliser les devoirs sur une version papier. Les informations sur mobile étaient segmentées en petites unités. Chaque unité se concentre sur un seul point important, suffisamment compréhensible pour ne nécessiter aucune recherche externe. Cette façon de procéder vise à garantir une certaine autonomie. L’étude impliquait deux sessions d’apprentissage, de chacune deux heures, et suivies d’une auto-évaluation. La première session s’est déroulée la première semaine, et la deuxième session la deuxième semaine. Au début et à la fin de l’étude menée par Nikou et Economides, les étudiants des deux groupes ont répondu à des questionnaires. Ces derniers aident à mesurer leur sentiment d’autonomie, de compétence et leur relation aux autres. Concernant l’autonomie perçue, les étudiants du groupe de micro-learning sur mobile ont exprimé un meilleur sentiment d’autonomie que ceux du groupe de contrôle. Concernant le sentiment de compétence perçu, les étudiants du groupe de micro-learning sur mobile ont également exprimé un meilleur sentiment d’être compétent que ceux du groupe de contrôle. De même, concernant la relation aux autres, les étudiants du groupe de micro-learning sur mobile ont, encore une fois, exprimé un meilleur sentiment de connexion avec leurs pairs que ceux du groupe de contrôle.. 2.2.2.. La charge cognitive. L’apprentissage massé et distribué n’ont pas le même impact d’un point de vue cognitif. En effet, l’apprentissage peut, selon la façon dont il est délivré, amener à une fatigue cognitive et un épuisement des ressources cognitives. C’est particulièrement le cas s’il. 12.

(13) est dispensé de façon condensée, comme pour l’apprentissage massé. En effet, l’apprentissage massé implique qu’une masse importante d’informations soient délivrées en même temps, sans temps de pause. L’apprentissage est alors altéré par un phénomène de surcharge cognitive, car sans temps de repos, le cerveau ne dispose pas de conditions idéales pour découvrir l’information, la traiter, puis la fixer dans la mémoire de travail. Il est important de rappeler que la mémoire de travail représente un type de mémoire à court terme. Mais, à l’inverse de cette dernière, qui implique uniquement les tâches de stockage simple, la mémoire de travail a la particularité de stocker les informations et de les traiter. C’est donc un processus actif incluant plusieurs opérations cognitives comme les tâches d’apprentissages, de raisonnement et de compréhension. Les résultats de l’étude de Chen et ses collègues (2018) montrent que la mémoire de travail décroît significativement après qu’un effort cognitif considérable soit fourni. Cette observation s’est fait en comparaison des mêmes tests réalisés à la suite d’un apprentissage entrecoupé de pauses. Les chercheurs expliquent sans détour que « la capacité de mémoire de travail diminue après un effort cognitif, et augmente après le repos »2 (Chen et al., 2018, p.498). De plus, ils soulignent qu’il est plus aisé pour les apprenants en apprentissage distribué de mémoriser les informations, ce qui leur permet d’obtenir de meilleurs résultats au post-test, par rapport aux apprenants en apprentissage massé. En effet, les repos faisant partie de l’apprentissage distribué sont importants pour éviter l’épuisement des ressources cognitives et de la mémoire de travail. Proposer donc un apprentissage distribué permet d’alléger la charge cognitive grâce aux pauses insérées entre les sessions d'entraînement. En revanche, dans le cas de l’apprentissage massé, le cerveau va recevoir toutes les nouvelles informations, sans nécessairement pouvoir les traiter – ou alors, seulement partiellement – et va les stocker superficiellement. L’apprentissage massé semble donc entraîner une surcharge cognitive épuisant les ressources de la mémoire de travail. Toujours dans le souci d’éviter la surcharge cognitive, la segmentation logique d’une idée unique par unité d’apprentissage peut faire l’expérience d’une économie de ressources cognitives. En effet, le bon découpage des séances peut permettre de mieux comprendre la structure et le fonctionnement du processus d’apprentissage. Il peut aussi aider à saisir les liens sous-jacents des petites informations qui constituent la nouvelle connaissance globale à acquérir. Cela allège d’autant la charge cognitive que le travail d’organisation des données est déjà effectué. L’apprenant n’a ainsi plus qu’à retenir l’information. Comme l’ont fait remarquer Spanjers et ses collègues (2010), il est nécessaire de segmenter les informations de sorte à révéler la structure sous-jacente de l’information. Les chercheurs complètent leur propos en expliquant que l’apprentissage distribué, en raison de sa segmentation, semble plus efficace que l’apprentissage massé pour atteindre ce but. Afin d’effectuer le bon découpage des vidéos, plusieurs critères doivent être pris en compte tels que la longueur, le contenu, et le rythme des séances. Il est alors conseillé 2. Citation originale: « working memory capacity (is) reduced after cognitive effort and increased after a rest. ». 13.

(14) de faire des vidéos les plus courtes possibles, c’est-à-dire entre 3 et 5 minutes pour une vidéo instructionnelle (van der Meij & van der Meij, 2013). De plus, il faut procéder à une segmentation en unités qui ont du sens. Ainsi, les pauses proposées entre chaque unité permettent de distinguer les données qui peuvent être traitées ensemble, des données qui doivent être traitées séparément. En segmentant la vidéo de cette manière, nous aidons ainsi les participants à comprendre la structure sous-jacente de l’objet de l’étude (Spanjers et al., 2010).. 2.3.. Revue de résultats de recherche. Dès la fin des années 1890, les méthodes d’apprentissage massé et distribué ont fait l’objet de plusieurs études. Ces travaux ont fait état d’expérimentations de nature globalement similaire. Notons toutefois que le sujet d’étude des apprenants diffère dans chaque cas. Dans cette partie du travail, nous allons sélectionner les études les plus récentes dans trois disciplines différentes : les mathématiques, les sciences et les langues étrangères. Ceci nous permettra ainsi d’avoir une vue générale des résultats des dernières expérimentations comparant l’apprentissage massé et distribué.. 2.3.1.. Spanjers, Van Gog et Van Merrienboer (2010). De nombreux chercheurs en psychologie cognitive se sont interrogés sur l’efficacité de l’intégration des pauses entre des phases d’apprentissage. C’est le cas des chercheurs Spanjers, Van Gog et Van Merrienboer. En 2010, ces derniers se sont intéressés à la façon dont les pauses créent une segmentation de l’apprentissage. Spanjers, Van Gog et Van Merrienboer s’interrogent par ailleurs sur l’apprentissage par l’utilisation de supports visuels dynamiques, comme les vidéos instructionnelles. Ils partent du constat que ce type de support est de plus en plus utilisé dans l’enseignement en affirmant : «Les visualisations dynamiques comme les vidéos et les animations sont de plus en plus utilisées dans les matériaux instructionnels, pour visualiser des processus naturels complexes»3 (Spanjers et al., 2010, p.411). Sur la base de ce constat et des précédentes études concernant l’apprentissage distribué, ces chercheurs voulaient notamment saisir comment la segmentation des supports visuels dynamiques permet un meilleur apprentissage. Leur étude aborde ainsi la question de l’acquisition de nouvelles informations dans le domaine des sciences (physique, biologie et mathématiques). Spanjers et ses collègues tirent un premier constat théorique : « les étudiants qui ont appris avec un support animé segmenté […] ont mieux réussi au test de transfert des connaissances que les étudiants qui ont appris avec un support animé non-segmenté »4 (Spanjers et al. 2010, p.413). En analysant les précédentes études, ils remarquent 3. Citation originale: « Dynamic visualizations such as videos and animations are increasingly used in instructional materials to visualize complex natural processes » Citation originale: « (...) students who learned with a segmented animation on the formation of lightning performed better on a transfer test than students who learned with a non-segmented animation. » 4. 14.

(15) également que les étudiants ayant bénéficié d’un contrôle sur le support visuel dynamique segmenté avaient de meilleurs scores au test. Les étudiants qui n’étaient pas autorisés à contrôler le support visuel obtenaient des scores bien différents de l’autre groupe. Pour leur étude, Spanjers et al. (2010) ont établi le protocole suivant : deux groupes d’étudiants ont été exposés à une animation sur les procédures de calcul des probabilités. Le premier groupe a visionné une vidéo segmentée contrairement au second groupe. La vidéo segmentée marquait une pause de 2 secondes entre chaque segment. Les résultats obtenus mettent en avant une « importante interaction entre les effets de la segmentation et les connaissances préalables »5 (Spanjers et al., 2010, p.413). En effet, les chercheurs se sont rendu compte que les étudiants qui démarraient cette étude, avec très peu de connaissances sur le sujet, ont connu un apprentissage bien plus efficace avec les vidéos segmentées. Concernant les étudiants disposant de plus de connaissances sur le calcul des probabilités au début de l’étude, Spanjers et ses collègues remarquent qu’ils apprennent de façon aussi efficace avec l’une ou l’autre méthode. Ce résultat porte les chercheurs à s’interroger sur ce phénomène et à rechercher des éléments explicatifs. Ils explorent alors deux pistes principales, issues toutes les deux des recherches en psychologie cognitive. La première est que l’utilisation de la segmentation lors d’un apprentissage, quel qu’il soit, permet de réduire significativement la charge cognitive induite. Apprendre des nouvelles connaissances induit à l’utilisation d’opérations cognitives qui sont stockées dans la mémoire de travail : « pour construire ces schémas [cognitifs], les informations provenant des visuels dynamiques doivent être maintenues et traitées dans la mémoire de travail »6 (Spanjers et al., 2010, p.413). Ainsi, un flux important de données requiert une mobilisation cognitive importante. Il faut accorder une attention au flux d’information, en dégager des informations nouvelles, et finalement analyser et traiter ces informations pour savoir lesquelles sont à stocker. La segmentation d’un support visuel dynamique permet de réduire la charge cognitive, car elle découpe les informations en petites unités. Entre chaque petite unité d’information, le temps de pause proposé permet de traiter les informations contenues dans la petite unité que les apprenants viennent de voir. Ce temps de pause est essentiel, car il allège, au moins momentanément, la charge cognitive engagée : « les pauses entre les segments fournissent aux étudiants suffisamment de temps pour déclencher les activités cognitives nécessaires pour traiter l’information présentée dans le segment précédent, sans avoir à s’occuper simultanément de la prochaine nouvelle. 5. Citation originale: « A significant interaction was found between the effects of segmentation and prior knowledge » 6. Citation originale: « To construct those schemas, information from the dynamic visualizations needs to be maintained and processed in working memory ». 15.

(16) information »7 (Spanjers et al., 2010, p.415). Ils en concluent donc que ce temps de repos est essentiel pour mieux comprendre et fixer les nouvelles informations. La seconde piste que Spanjers et ses collègues envisagent, est le fait que la segmentation d’un support visuel dynamique peut permettre à un étudiant de « comprendre la structure sous-jacente de la procédure ou du processus dépeint » 8 (Spanjers et al., 2010, p.419), pour peu que le découpage des segments ait du sens. En effet, les chercheurs expliquent que dans la vie quotidienne, la plupart des gens cherchent à prévoir ce qui va se passer. Ces personnes comparent ensuite ces prédictions avec ce qui se passe effectivement. Ce faisant, les apprenants se construisent une base de données de « modèles d'événement » dans leur mémoire de travail. Ces chercheurs s’appuient sur le contexte immédiat, avec notamment les informations sensorielles à disposition : ce qu’ils voient, ce qu’ils sentent. Si leur prédiction est exacte, ils confirment implicitement leur base de données. Si leur prédiction s’avère erronée, ils la mettent à jour. Ces comportements, aux yeux des chercheurs, sont intéressants à observer. Ils mettent, en effet, en lumière une forme de segmentation mentale des événements. L’observation de ces comportements permet également de saisir la façon dont chaque personne vit et interprète ces événements. En se référant à une étude menée en 1981 par Koopman et Newtson, les chercheurs expliquent qu’une variabilité dans l’apprentissage peut donc apparaître à cause de cette segmentation mentale. En effet, comme « [...] la segmentation mentale est [...] reliée à l’interprétation et au stockage dans la mémoire à long terme, on peut s’attendre à ce que les différences individuelles dans la segmentation mentale conduisent à des résultats d’apprentissage différents (cf. Koopman et Newtson, 1981, p.416) »9 (cité dans Spanjers et al., 2010).. 2.3.2.. John Rogers (2015). Le chercheur John Rogers de l’Université du Qatar s’est interrogé sur la façon dont la gestion du temps pouvait être mise à contribution pour optimiser l’apprentissage. Il note que la psychologie cognitive a beaucoup exploré la thématique des apprentissages massé et distribué. Il déplore toutefois le manque d’études empiriques sur ce sujet dans le domaine de l’enseignement et l’apprentissage des langues étrangères. En s’appuyant sur les premières données existantes à disposition, il dégage une problématique – l’impact de distribution des connaissances en apprentissage massé ou distribué sur l’acquisition de la syntaxe d’une seconde langue. 7. Citation originale: « (…) pauses between segments provide students with sufficient time to attend to necessary cognitive activities on the bit of information presented in the previous segment, without having to simultaneously attend to new incoming information » 8. Citation originale: « Second, segmentation may be effective because it cues students to perceive event boundaries, thereby aiding them in perceiving the structure underlying the process or procedure shown » Citation originale: « Since mental segmentation is in this way related to interpretation and storage in longterm memory, it can be expected that individual differences in mental segmentation lead to differences in learning outcomes » 9. 16.

(17) Parmi les travaux sur lesquels s’appuie Rogers, il y en a un qui se distingue tout particulièrement : l’étude réalisée par Bird en 2010. Lors de son étude, Bird a procédé à une expérience où deux groupes devaient acquérir des structures syntaxiques. Le premier groupe avait droit à 3 jours de pause entre chaque session. Le second disposait, lui, de 14 jours de pause entre chaque session. Puis, ces groupes ont été soumis à deux tests : le premier, 7 jours après la dernière session, et le second, 60 jours après. D’après les résultats des tests, l’apprentissage, mesuré 7 jours après, est important dans les deux groupes. En revanche, l’expérience de Bird met en lumière que seul le groupe qui a suivi un apprentissage distribué, avec des intervalles de 14 jours entre les sessions, bénéficie encore de son apprentissage 60 jours après la fin de l'entraînement. Ainsi, comme le remarque Rogers, l’étude de Bird évoque que l’apprentissage distribué apporte un apprentissage plus durable. Il note également que ce résultat, produit dans le cadre d’une étude ancrée dans les sciences de l’enseignement, « est conforme avec la plus grande partie des recherches dans ce domaine en psychologie cognitive »10 (2015, p.859). Pour déterminer quels sont les effets d’une pratique massée ou distribuée sur l’acquisition de la syntaxe d’une seconde langue (qu’on appellera désormais L2), et pour comparer ses résultats avec ceux de l’étude que Bird a menée en 2010, Rogers mène une expérience auprès de deux groupes d’étudiants : groupe d’apprentissage massé et distribué. Ces deux groupes suivent le même cours de langue à l’université, à savoir un cours d’anglais de niveau intermédiaire. L’expérience s’est déroulée en plusieurs temps : une phase d'entraînement, puis une phase de contrôle des connaissances. Les mêmes supports d’enseignement sont utilisés pour les deux groupes, en suivant un plan de séquence identique. Seule la répartition de l’enseignement diffère. Concernant les conditions d’étude, la phase de contrôle des connaissances demeure la même pour les deux groupes. Ces derniers ont dû se soumettre à un pré-test, une semaine avant le premier cours de la phase d'entraînement. Deux post-tests ont été effectués : le premier immédiatement à la fin de la phase d'entraînement ; et le second 6 semaines après le dernier cours. Le critère décisif de l’acquisition des connaissances de cette étude est la capacité à reconnaître le caractère grammatical ou non d’un échantillon de phrases. Les résultats des différents tests sont clairs. Lors du pré-test, le chercheur ne perçoit pas de différence de niveau importante entre les deux groupes. Leur pourcentage de réussite étant très proche, cela confirme le fait que « les deux groupes ont débuté l’expérience avec le même niveau de connaissances concernant les structures syntaxiques ciblées » 11 (Rogers, 2015, p.862). Le premier post-test, réalisé immédiatement après la phase d'entraînement ne manifeste aucune différence significative entre les deux groupes. Tout comme Bird en 2010, Rogers constate que le post-test, ayant lieu de façon très éloignée de la fin de l’apprentissage, assure l’avantage à l’apprentissage distribué. 10. Citation originale: « a result which is congruent with the larger body of research in this area in cognitive psychology. » 11. Citation originale: « both groups began the experiment with the same level of knowledge of the target syntactic structures.». 17.

(18) Les résultats du groupe ayant suivi l’apprentissage distribué, avec de longues intersessions, montrent que ce groupe a conservé une meilleure trace de son apprentissage que celui de l’apprentissage massé. Ces résultats viennent également confirmer les recherches de psychologie cognitive, celles qui affirment que l’apprentissage distribué est préférable pour un apprentissage durable dans le temps.. 2.3.3.. Chen, Castro-Alonso, Paas et Sweller (2018). Un article publié par Chen, Castro-Alonso, Paas et Sweller en 2018 présente un grand intérêt pour ce mémoire. Cet article permet en effet de s’arrêter sur la notion de la mémoire de travail. Les chercheurs se sont intéressés, dans ledit article, au lien entre l’effet d’espacement et l’épuisement des ressources de la mémoire de travail. Comme Murray et Udermann l’indiquaient en 2003, un apprentissage massé ne permet pas – ou peu – de pauses. Or, « une réduction du temps de repos, ou aucun temps de repos, conduira à la construction d’une fatigue. Cette fatigue pourrait dégrader la performance de réalisation de la tâche, et possiblement interférer avec le processus d’apprentissage » 12 (Murray & Udermann, 2003, p.19). Cette assertion, fréquemment rencontrée lorsqu’on s’intéresse aux apprentissages massé et distribué, est celle que Chen et ses collègues ont tenu à vérifier. Ainsi, leur postulat de départ était que l’apprentissage massé aboutirait à des performances plus faibles que pour l’apprentissage distribué (Chen et al., 2018). Pour valider leur hypothèse, ils mènent une expérience auprès de deux classes d’étudiants en mathématiques. La classe A est exposée à un apprentissage massé, et la classe B à un apprentissage distribué. L’expérience se déroule en trois temps, pour la classe A : la phase d'entraînement pendant 900 secondes, le test de mémoire de travail pendant 900 secondes également, et le post-test pendant 600 secondes. Pour la classe B : l’étude a duré quatre jours, les trois premiers jours correspondaient à la phase d’apprentissage, au quatrième jour le test de mémoire de 900 secondes était dispensé aux étudiants, puis le post-test de 600 secondes. Le matériel utilisé est strictement similaire dans les deux classes : des diapositives pour la phase d'entraînement ; une feuille de papier pour les tests. La comparaison des résultats des post-tests dans les deux classes indique que « les étudiants de l’apprentissage distribué ont atteint de meilleurs scores au post-test que les étudiants de l’apprentissage massé »13 (Chen et al., 2018, p.492). Ces tests démontrent ainsi un épuisement important de la mémoire de travail pour le groupe d’apprentissage massé. Les tests de mémoire de travail ont également montré un score plus faible chez les étudiants de l’apprentissage massé. Ceci prouve donc un épuisement de la mémoire. 12. Citation originale: « A reduction in rest time or no allotment for rest at all will lead to a build-up of fatigue. The fatigue could degrade the performance of the task and possibly interfere with the learning processes involved in performing the trial » Citation originale: « students in the spaced condition (…) achieved higher scores on the post-test than the students in the massed condition. » 13. 18.

(19) de travail après un effort cognitif. Les résultats de leur expérience corroborent donc leur postulat de départ. Toutefois, les chercheurs nuancent leur conclusion, en expliquant que 31 élèves n’ont pas suivi la procédure requise pour le test de mémoire de travail. Par souci d’objectivité, ils organisent une seconde expérience pour confirmer les résultats de la première, en modifiant plusieurs variables. Ainsi, ils en viennent à prendre en compte l’individualité de chaque élève, admettant que chaque individu ne possède pas la même capacité de mémoire de travail. Cette variable n’avait en effet pas été prise en considération lors de la première expérience. Lors de cette seconde expérience, une autre variante a été ajoutée : les élèves devaient intégrer deux nouvelles notions de mathématiques. Pour ce faire, plutôt que de réserver à la classe A un apprentissage massé, et à la classe B un apprentissage distribué, les chercheurs ont cette fois opté pour une alternance des méthodes. Ainsi, la première semaine, les deux classes ont dû apprendre la première notion mathématique. La classe A a suivi un apprentissage massé, et la classe B un apprentissage distribué. Puis, la seconde semaine, les deux classes ont dû apprendre la deuxième notion mathématique. Cette fois, la classe A a suivi un apprentissage distribué, et la classe B un apprentissage massé. Le résultat de cette seconde étude confirme les observations réalisées lors de la première. Les étudiants obtiennent de meilleurs scores aux tests lorsqu’ils ont suivi un apprentissage distribué. Ce résultat est révélateur de l’importance de l’effet d’espacement. L’effet d’espacement se produit donc « quand l’information traitée est espacée […] (présentation espacée) et qu’elle résulte en une performance supérieure au test, comparée à la même information délivrée sur de courtes périodes (présentation massée) »14 (Chen et al., 2018, p.484). Les deux études menées par Chen et ses collègues montrent également « que l’épuisement des ressources cognitives peut, au moins dans certaines circonstances, être compris comme l’épuisement des ressources de la mémoire du travail » 15 (Chen et al., 2018, p.497). Leur déduction est donc que la capacité de mémoire de travail diminue en cas d’effort mental prolongé, comme il est souvent le cas lors d’un apprentissage massé.. 2.3.4.. Synthèse des résultats de recherche. En parcourant ces différentes études qui comparent l’apprentissage massé et distribué, nous constatons que l’apprentissage distribué amène constamment à de meilleurs résultats aux tests effectués après les phases d’entraînement. En effet, malgré les différentes disciplines dans lesquelles s’insèrent ces études, il en ressort continuellement de meilleures performances d’apprentissage lorsqu’il y a une segmentation et une Citation originale: « The spacing effect occurs when information processing that is spaced over longer periods (spaced presentation) results in superior test performance compared to the same information processed over shorter periods (massed presentation) » 14. 15. Citation originale: « they suggest that cognitive resource depletion, at least under some circumstances, may be characterized as working memory resource depletion. ». 19.

(20) répartition dans le temps de la phase d’entraînement comme c’est le cas pour l’apprentissage distribué. Les résultats des différentes études présentées conduisent tous au même constat : l'apprentissage massé et distribué n’ont pas le même impact d’un point de vue cognitif. L’apprentissage peut, selon la façon dont il est délivré, amener à une fatigue cognitive et un épuisement des ressources cognitives. C’est particulièrement le cas s’il est dispensé de façon condensée et sans segmentation. L’étude de Spanjers et ses collègues (2010) prouve que la segmentation de l’apprentissage permet un meilleur apprentissage, mais uniquement dans le cas où les apprenants démarrent avec très peu de connaissances sur le sujet étudié. Dans le cas contraire, l’apprentissage distribué est aussi efficace que l’apprentissage massé. Ainsi, cette étude rejoint celle de Chen et al. (2018) qui démontre également que le temps de repos qui est généré par la segmentation entraîne une diminution de la charge cognitive, et engendre ainsi de meilleures performances par les apprenants. Par ailleurs, dans toutes les études présentées, le temps d’exposition total aux nouvelles informations, ainsi que le matériel d’apprentissage sont identiques pour les deux groupes. En revanche, le temps séparant les phases d’entraînement (appelé intervalle inter-session) et l’intervalle de rétention diffèrent pour chaque étude. Dans les études de Chen et al. (2018), Bird (2010) et Rogers (2015), nous constatons que le temps d’intervalle inter-session a un impact sur la durée de rétention des connaissances. D’une part, lorsque le temps d’intervalle inter-session est relativement court, les apprenants du groupe d’apprentissage distribué obtiennent de meilleurs scores aux tests lorsque l’intervalle de rétention est court. D’autre part, lorsque l’intervalle inter-session est plus long et l’intervalle de rétention est court, l’apprentissage distribué est aussi efficace que l’apprentissage massé. Il n’y a donc pas de différence significative entre les deux groupes dans ce cas. En revanche, si l’intervalle de rétention est long, les résultats du post-test ayant lieu de façon très éloignée de la fin de l’apprentissage assurent l’avantage à l’apprentissage distribué.. 3.. La problématique 3.1.. Objectif. L’objectif de cette étude est d’évaluer l’efficacité de l’apprentissage distribué, en comparaison à l’apprentissage massé, dans le contexte des vidéos instructionnelles de logiciel. Pour répondre à cet objectif, nous avons développé deux conditions expérimentales de vidéos instructionnelles: une vidéo d’apprentissage massé et trois vidéos d’apprentissage distribué. Ces vidéos ont été produites sur la base des recommandations de Hans Van Der Meij et Jan Van Der Meij (2013) pour la conception de vidéos instructionnelles de logiciels. Le but de ces vidéos est d’apprendre de manière procédurale à réaliser un prototype interactif d’une application mobile. Après avoir visualisé le contenu des vidéos, les. 20.

(21) apprenants doivent alors être capables de répondre à un quiz et réaliser des tâches pratiques.. 3.2.. Questions de recherche et hypothèses. Question de recherche 1. Est-ce que l’apprentissage distribué permet d’augmenter la performance d’apprentissage des vidéos instructionnelles en comparaison à l’apprentissage massé ? Comme le mentionnent Chen et Al. dans leur étude, la performance d’apprentissage en conditions d’apprentissage distribué est supérieure à celle en condition d’apprentissage massé. Ceci est dû à l’épuisement de la mémoire de travail entraînant « un épuisement des ressources cognitives après un effort cognitif » (Chen et al., 2018). Les tests de mémoire de travail de leur étude ont montré un score plus faible chez les étudiants de l’apprentissage massé, démontrant ainsi un épuisement de la mémoire de travail. Sur la base de la littérature mentionnée ci-dessus, nous faisons l'hypothèse que les participants du groupe d’apprentissage distribué auront un meilleur score aux tests de performance d’apprentissage à la fin de la phase d’entraînement. En effet, comme le démontre l’expérience de Chen et al., il y aura moins d’épuisement de la mémoire de travail et des ressources cognitives pour le groupe d’apprentissage distribué en raison des repos entre les phases d’entraînement. Question de recherche 2. L’apprentissage distribué a-t-il un impact sur la charge cognitive des apprenants ? Sur la base de la littérature mentionnée précédemment, nous faisons l’hypothèse que l’apprentissage massé donne une impression de lourdeur de l’apprentissage et l’apprenant se sent parfois dépassé par la charge de travail en raison de la fatigue cognitive. Comme l’expliquent Spanjers et ses collègues (2010), la segmentation de vidéos permet d'alléger la charge cognitive impliquée dans l’étude d’un sujet, surtout chez les étudiants novices en la matière. En effet, les étudiants sont soulagés de tout le travail de segmentation, ainsi que du travail d’organisation de ces données. Ils peuvent donc se concentrer pleinement sur la mémorisation et le traitement de celles-ci. De plus, Chen et al. (2018) expliquent que les temps de repos permettent d’éviter l’épuisement des ressources cognitives et de la mémoire de travail. Tenant compte de l’absence de segmentation de la vidéo d’apprentissage massé, nous faisons donc l'hypothèse que le groupe d’apprentissage distribué rencontrera moins de difficultés et devra fournir moins d’efforts afin d’acquérir les connaissances requises. Question de recherche 3. L’apprentissage distribué a-t-il un impact sur la motivation des apprenants ? L’apprentissage distribué permet de soulager l’apprenant de l’effet condensé, et lui permet ainsi de garder une certaine autonomie face au travail à faire. L’étude de Nikou et Economides (2018) a en effet montré que la segmentation de l’apprentissage dans le. 21.

(22) cas du micro-learning permet de favoriser l’autonomie. En effet, chaque unité segmentée se concentre sur un seul point important. Les deux chercheurs expliquent par ailleurs que leur « recherche fournit des preuves que l’augmentation des niveaux de satisfaction concernant l’autonomie, la compétence et la relation aux autres perçues améliorent l’auto-détermination et la motivation intrinsèque, et augmentent aussi la performance d’apprentissage » (Nikou & Economides, 2018). Nos vidéos du groupe d’apprentissage distribué sont segmentées en petites unités se concentrant chacune sur une seule tâche importante. Par conséquent, nous faisons l'hypothèse que l’apprentissage distribué améliore le niveau de motivation en favorisant l’autonomie des apprenants par la segmentation de contenu. Question de recherche 4. Quelle est la durabilité dans le temps de l'apprentissage réalisé dans les deux conditions après 7 jours ? En ce qui concerne la durabilité dans le temps de l’apprentissage réalisé, Bird (2015) a procédé à une expérience lors de laquelle deux groupes devaient acquérir des structures syntaxiques. D’après les résultats des tests, l’apprentissage mesuré 7 jours après est important dans les deux groupes. En revanche, l’expérience de Bird met en lumière que seul le groupe qui a suivi un apprentissage distribué, avec des intervalles de 14 jours entre les sessions, bénéficie encore de son apprentissage 60 jours après la fin de l'entraînement. Ainsi, comme le remarque Rogers, l’étude de Bird « suggère que des conditions d’apprentissage distribué permettent un apprentissage plus durable » (2015). Il note également que ce résultat, produit dans le cadre d’une étude ancrée dans les sciences de l’enseignement « est conforme avec la plus grande partie des recherches dans ce domaine en psychologie cognitive » (2015). Bird explique aussi qu’une étude menée par Rohrer & Pashler (2007) a démontré qu’un court intervalle entre les sessions est particulièrement bénéfique pour les tests avec un court intervalle de rétention. En effet, dès 1976, Crowder soupçonnait que l’intervalle inter-session (IIS) optimal variait avec l'intervalle de rétention (IR) en se fondant sur des études à intervalles de temps courts. Ultérieurement, dans les travaux de Rohrer & Pashler, ces derniers ont expérimentalement observé un IIS optimal d’un jour pour un IR de 10 jours et un IIS d'environ un mois pour un IR de 6 mois. Ils ont ensuite calculé que cet IIS optimal se situerait entre 10 et 30 % de l’IR ; ce résultat concernait environ 1300 sujets d’expérimentation. Pour notre expérimentation, l’intervalle entre les sessions est d’une courte durée, soit d’un jour. Pour cette raison, nous avons fixé un intervalle de rétention de 7 jours, entrant ainsi dans la fourchette de calcul pour un IIS d’un jour. Sur la base de la littérature mentionnée précédemment, nous faisons l'hypothèse que le groupe ayant appris avec l’apprentissage distribué aura une meilleure durabilité de l’apprentissage que le groupe d’apprentissage massé.. 22.

(23) 4.. Méthodologie 4.1.. Participants. Pour pouvoir réaliser l’expérimentation, nous avons établi cinq critères d’inclusion pour les participants : ● ● ● ● ●. Avoir un niveau de français de B1 ou plus Ne pas avoir de connaissances en prototypages Ne pas avoir de connaissances en développement web et mobile Être un minimum familier à l’utilisation d’un ordinateur Avoir déjà regardé une vidéo instructionnelle de logiciel. Pour commencer, les participants doivent avoir un niveau de français de B1 ou plus, afin de bien comprendre les instructions dans les vidéos. De plus, les participants ne doivent pas avoir de connaissances préalables en prototypage, car il serait alors impossible de différencier quelles informations ont été acquises durant l’expérimentation et lesquelles ont été acquises auparavant. Par ailleurs, les connaissances en développement web et mobile incluent nécessairement des connaissances de base en prototypages. Pour cette raison, nous veillons à ce que nos participants n’aient pas de connaissances préalables en développement web et mobile. De plus, le nombre minimum d’utilisations d’un ordinateur par semaine permet d’écarter les participants qui ne sont aucunement familiers à l’utilisation d’un ordinateur. En effet, ces utilisateurs pourraient avoir de grandes difficultés à exécuter les tâches pratiques pour cette raison. Ainsi, il serait impossible de distinguer si les difficultés ont été rencontrées pour cette dernière raison, ou en raison de l’inefficacité de la méthode d’apprentissage. Pour finir, nous visons à mener notre expérimentation avec le public cible des vidéos instructionnelles de logiciel sur internet. Pour cette raison, les participants sont interrogés sur leur fréquence de visionnage de ce type de vidéos, et écartons donc les personnes qui n’en regardent jamais. Ces cinq critères ont été définis afin de s’assurer que tous les participants partent avec le même niveau de connaissances et ainsi minimiser les possibles erreurs dans les résultats. Le questionnaire d’inclusion (annexe 1.4) n’a écarté qu’un seul participant de l’expérimentation lors de la question concernant les connaissances préalables en développement web et mobile. Le nombre total de participants est de 20 personnes, réparti en deux groupes de 10. Ils sont tous âgés de 20 à 30 ans, et sont actuellement étudiants du degré tertiaire. Pour des raisons pratiques de disponibilité des participants, le mode de recrutement est basé sur un échantillon de convenance. Ceci signifie que l’expérimentation a été envoyée à des participants étant disponibles pour effectuer l’expérimentation aux dates imposées. Les participants du groupe d’apprentissage distribué doivent en effet être. 23.

(24) disponible 3 jours consécutifs pour le test et le 7ème jour après la fin du test pour réaliser le post-test. Quant aux participants du groupe d’apprentissage massé, ces derniers doivent répondre au test en un seul jour et au post-test le 7ème jour qui suit le test. Voici un exemple de la répartition des tests dans le temps selon le groupe d’apprentissage :. Figure 1 – Répartition des tests pour les participants de l’apprentissage massé. Figure 2 – Répartition des tests pour les participants de l’apprentissage distribué. 24.

(25) 4.2.. Matériel 4.2.1.. Les logiciels. 4.2.1.1.. Proto.io. Le contenu de l’apprentissage de notre expérimentation porte sur un outil de prototypage en ligne nommé Proto.io. Cet outil peut être utilisé sur un navigateur en se connectant avec un compte utilisateur. Pour la réalisation des tâches pratiques, les participants ont accès à un identifiant déjà créé.. 4.2.1.2.. Camtasia. En ce qui concerne l’édition des vidéos et l’enregistrement de l’audio, nous avons utilisé le logiciel Camtasia 2018. Ce logiciel est créé et publié par Techsmith. Il contient plusieurs fonctionnalités conçues spécialement pour une édition simple des vidéos tutorielles et des captures d’écrans. 4.2.1.3.. Qualtrics. L’expérience de notre étude a été entrée sur le logiciel Qualtrics. Il s’agit d’une plateforme de gestion d’enquêtes et sondages. Nous avons ainsi créé 4 enquêtes (3 enquêtes pour le test et 1 enquête pour le post-test) pour le groupe d’apprentissage distribué et 2 enquêtes (1 enquête pour le test et 1 enquête pour le post-test) pour le groupe d’apprentissage massé. (Annexe 1.2) Chaque participant s’est vu attribuer un unique numéro identifiant aléatoire lors de son invitation à participer à l’étude. Ce numéro d’identifiant est ainsi inséré au début de chaque enquête, afin de pouvoir associer les différentes enquêtes réalisées par une même personne. Le questionnaire d’inclusion a été conçu à l’aide de conditions mettant fin à l’enquête pour les personnes qui soumettent des réponses qui ne sont pas admises dans les critères d’inclusion.. Figure 3 – Condition d’exclusion dans Qualtrics. Le quiz du test et post-test est un questionnaire exigeant des réponses ouvertes.. 25.

de l&rsquo;apprentissage distribu&eacute

de l’apprentissage distribu&eacute