Quelle place accorder au tuteur système et au tuteur humain dans un processus d’industrialisation ?
Bruno De Lièvre* — Christian Depover* — Pierre Dillenbourg**
* Université de Mons-Hainaut 18, Place du Parc
7000 Mons - Belgique
bruno.deliè[email protected], [email protected]
** Ecole Polytechnique Fédérale de Lausanne 1015 Lausanne - Suisse
RÉSUMÉ. Cette contribution présente une étude expérimentale menée avec 120 sujets, dont l’objectif est d’évaluer l’impact de la présence/de l’absence d’un tuteur humain ou d’un tuteur système sur les performances des apprenants en termes de résultats au terme de la tâche, en cours de tâche et en termes de temps consacré à la tâche ainsi que sur la désorientation dans l’environnement d’apprentissage. Les analyses de variance réalisées mettent en évidence de quelle manière les différentes modalités s’avèrent complémentaires.
ABSTRACT. This contribution presents a experimental study on 120 subjects. The objective of the study is to evaluate the role of the presence/absence of a «human tutor» or of a «system tutor» on the results at the end of the task, on the results during the task, on the duration of the task and on the desorientation in the apprenticeship environment. The variance analysis explain how the different tutoring modalities could be used in complementarity.
MOTS-CLÉS : formation à distance, tuteur humain, tuteur système, performance, étude expérimentale.
KEYWORDS: distance education, human tutoring, system tutoring, performance, experimental study.
Introduction
Souvent présenté comme un moyen de répondre aux exigences liées à l’augmentation des volumes d’apprenants et au contrôle des coûts de formation (Mœglin, 1998), le concept d’industrialisation renvoie aussi à la nécessité de mettre en œuvre des principes efficaces de design pédagogique inspirés des modèles les plus récents en matière d’apprentissage. Dans le cadre de ces modèles, la notion de tutorat joue un rôle essentiel dans les processus de médiation qui prennent place entre l’apprenant et le dispositif pédagogique. A ce niveau, nous nous intéresserons plus particulièrement aux aspects qui permettent d’articuler l’efficacité pédagogique et les exigences économiques de la formation.
Pour tenter d’apporter des éléments de réponse à cette question, nous nous sommes interrogés sur la manière d’automatiser la prise en charge de certaines fonctions de médiation pédagogique au sein des dispositifs de formation à distance, entre autres en envisageant le remplacement, tantôt partiellement, tantôt intégralement, du tuteur humain par la machine. Il reste que, étant donné l’état des connaissances dans le domaine (Tremblay, 1998), il serait pour le moins hasardeux de se passer du tutorat humain pour des raisons purement économiques alors qu’il est clairement établi que le tutorat humain peut avoir un effet très bénéfique sur des variables pédagogiques déterminantes telles que l’efficacité ou la persévérance (Depover et al., 1998 ; Desmarais, 2000).
La prise en compte des coûts liés au tutorat humain nous amène à nous poser la question de la place à réserver au tutorat humain de manière à préserver un équilibre entre les exigences pédagogiques nécessaires pour assurer l’efficacité du dispositif de formation à distance et les considérations économiques qui demandent de composer avec les réalités budgétaires auxquelles sont confrontés les concepteurs et les gestionnaires de formations dispensées à distance.
En nous appuyant sur un dispositif de formation à distance mis en œuvre à l’Université de Mons-Hainaut (Belgique), nous souhaiterions, dans cette contribution, mettre en évidence les avantages observés du tutorat assuré par un tuteur humain en comparaison avec le tutorat mis en œuvre par un système informatique.
Le « tuteur humain » et le « tuteur système »
Il convient, avant de tenter de déterminer quelle peut être la place dévolue à chacune des formes de tutorat dans notre dispositif de formation à distance, de situer brièvement les avantages et inconvénients habituellement associés au tutorat humain et au tutorat système.
Le tutorat humain
Evoqué dans le cadre des modalités d’encadrement à distance, le tutorat humain est ici abordé sous l’angle de la relation pédagogique entre l’enseignant et l’apprenant. Il fait référence au rôle de conseiller qu’occupe l’enseignant auprès d’un apprenant.
Le tutorat humain possède une efficacité dont Cohen et al. (1982), dans le cadre d’une méta-analyse, chiffrent l’ampleur entre 0,4 et 2,3 écarts-types1. Parmi les qualités généralement attribuées à un tuteur efficace, on cite le plus souvent : la bonne connaissance du domaine traité, un entraînement aux techniques de tutorat et quelques années d’expérience de tutorat (Medway, 1995). Breuker (1990) note que ce tuteur idéal est exceptionnellement rencontré au quotidien, ce qui explique la volonté, de plus en plus affirmée, de professionnaliser la fonction via la formation des tuteurs.
Le tuteur humain a pour qualité généralement reconnue la capacité d’ajuster le niveau d’enseignement aux besoins de chaque étudiant. Cela exige de sa part d’avoir une bonne perception de l’état de connaissance de l’apprenant (modèle d’apprentissage) et de la manière dont il apprend. Son inconvénient majeur est le coût lié à sa disponibilité : en effet, demander à un tuteur humain d’être disponible alors qu’il arrive régulièrement que les apprenants ne le sollicitent pas, occasionne des coûts non-négligeables qu’il est difficile de passer sous silence (Laurent et al., 1992 ; Pettigrew, 2001). Et pourtant, malgré l’usage réduit qu’ils en font, les apprenants reconnaissent majoritairement l’apport positif du tuteur humain. Le fait qu’il soit disponible semble, aux yeux de certains, plus important que le fait d’y faire appel régulièrement (Glikman, 1999).
Le tutorat système
Depuis le milieu des années 1980, les avancées de la recherche dans le domaine de l’usage des technologies dans l’éducation ont été à l’origine de l’apparition d’un nouveau champ d’investigation connu sous le nom d’Intelligent Tutoring Systems (ITS) qui fait référence aux concepts et méthodes de l’intelligence artificielle et de la psychologie cognitive. Les systèmes tutoriels intelligents consistent à mettre un tuteur artificiel à disposition de l’apprenant. Ce tuteur devrait pouvoir résoudre les mêmes problèmes que ceux posés à l’apprenant. Il pourrait ainsi suivre le raisonnement de l’apprenant et comprendre ses erreurs. Un des objectifs du développement des systèmes tutoriels intelligents, c’est-à-dire des tuteurs machines est de les rendre au moins aussi performants que les tuteurs humains.
1. L’écart-type traduit l’éloignement par rapport à la moyenne. Seuls 2,5 % de la population se situent à +2 écarts-types de la moyenne.
Dans certains dispositifs, ces objectifs peuvent être considérés comme atteints de manière plus ou moins satisfaisante (Anderson, 1992). Mais, pour en arriver à ces résultats, les coûts de développement sont quelquefois considérables pour des résultats parfois mitigés. La principale critique est celle liée à la faiblesse des modèles mis en place qui se révèlent souvent insatisfaisants, essentiellement d’un point de vue pédagogique (Vivet, 1991), car ils fournissent des descriptions statiques qui n’ont pas le répondant escompté du point de vue pratique.
Contexte et dispositif expérimental
Pour présenter le dispositif expérimental mis en place, nous allons préciser quelles sont les caractéristiques de notre échantillon ainsi que le contexte dans lequel nous avons travaillé, ensuite décrire l’environnement dans lequel se déroule l’apprentissage et, enfin, terminer en détaillant les variables indépendantes intégrées au plan expérimental.
Le contexte dans lequel a évolué notre échantillon
Le contexte est celui d’une formation universitaire au cours de laquelle les étudiants doivent participer aux travaux pratiques d’un cours relatif aux modèles d’enseignement et d’apprentissage. Les travaux pratiques sont proposés aux étudiants sous la forme d’un environnement d’apprentissage à distance intégrant un logiciel (développé avec Authorware) qui présente des études de cas tout en permettant à un tuteur à distance d’intervenir via un outil de communication synchrone (l’interface de communication a été réalisée avec Authorware et la communication est rendue possible grâce aux possibilités offertes par le logiciel Proshare d’Intel).
L’approche que nous avons voulu privilégier est quantitative (un dispositif expérimental a été mis en œuvre) et possède en même temps une validité écologique dans le sens où la formation dans laquelle s’insère l’environnement d’apprentissage figure au programme des études de la faculté de Psychologie et des Sciences de l’éducation de l’université de Mons-Hainaut avec des étudiants placés en situation réelle d’apprentissage. Ces étudiants ne possédaient pratiquement aucun vécu en termes de formation à distance. Une autre caractéristique de notre recherche est le fait qu’elle implique une activité de l’étudiant qui s’étend dans le temps ; en effet, la durée de passation moyenne est de 4 h. 57 min. 53 sec. par étudiant. Habituellement pour des études de cette nature, les analyses portent sur des activités des apprenants qui se déroulent sur des laps de temps plus réduits.
L’échantillon utilisé dans l’expérience est constitué de 120 étudiants participants au cours. La tâche proposée aux apprenants consiste à traiter sept cas concrets de difficulté croissante. Chacun de ces cas décrit la situation d’un élève en difficulté
d’apprentissage. Chacune des sept situations a été présentée dans un ordre identique pour tous les apprenants. Il a été demandé à chaque apprenant de suivre trois ou quatre séances de 1h 30 min. réparties sur trois ou quatre semaines consécutives.
L’environnement d’apprentissage
L’environnement d’apprentissage utilisé dans notre expérience (figure 1) propose aux apprenants une tâche structurée en trois phases de traitement. Au cours de la phase d’analyse de la situation, les apprenants sont amenés à prendre connaissance des difficultés d’apprentissage qui leur sont décrites. Il leur est demandé de s’informer sur la manière dont ces difficultés se manifestent au quotidien en consultant les fiches qui reprennent de façon détaillée les différents effets ou symptômes qui permettent de comprendre en quoi peut consister cette difficulté.
Figure 1. Environnement d’apprentissage de l’apprenant
La phase d’identification exige des apprenants qu’ils identifient précisément les difficultés d’apprentissage qu’ils ont découvertes lors de la phase précédente en les associant à un ou à plusieurs principes théoriques susceptibles d’en expliquer l’origine. Pour effectuer cette tâche, les apprenants sélectionnent une fiche
correspondant à une catégorie de principes (motivation scolaire, connaissances, stratégies, etc.). Ils doivent ensuite cocher parmi les principes présents sur la fiche sélectionnée ceux qui leur semblent correspondre à une des origines possibles du problème constaté.
La troisième phase permet aux apprenants de découvrir des propositions de solutions susceptibles de remédier aux difficultés d’apprentissage qu’ils ont identifiées, en les illustrant à partir du problème décrit et en les reliant aux fondements théoriques qui peuvent en justifier l’origine. Durant ces trois phases, sont disponibles, en permanence, un outil de communication ainsi que différents outils d’aide à l’apprentissage (représentés par les boutons de la zone de droite de la figure 1) destinés à répondre aux questions que l’apprenant pourrait se poser (l’aide lexicale, l’aide conceptuelle, l’aide à la navigation et l’aide métacognitive).
Les variables indépendantes
Les groupes expérimentaux sont décrits (tableau 1) par le croisement des deux variables indépendantes à l’étude dans le dispositif, à savoir l’accès (ou non) à un tuteur humain et la modalité d’intervention (réactive ou proactive) du tuteur.
Tutorat réactif Tutorat proactif
Tuteur système
=
Pas d’accès à un tuteur humain
29 sujets
accèdent aux outils d’aide n’ont pas accès au tuteur humain n’ont pas accès aux messages proactifs
30 sujets
accèdent aux outils d’aide n’ont pas accès au tuteur humain ont accès aux messages proactifs Tuteur humain
= Accès à un tuteur humain
31 sujets
accèdent aux outils d’aide ont accès au tuteur humain
n’ont pas accès aux messages proactifs
30 sujets
accèdent aux outils d’aide ont accès au tuteur humain ont accès aux messages proactifs Tableau 1. Variables indépendantes et composition des groupes expérimentaux
L’accès à un tuteur humain correspond à la possibilité offerte à l’apprenant d’entrer en contact avec un tuteur humain disponible à distance via son ordinateur.
Pour entrer en communication avec celui-ci, une interface de dialogue semi- structurée (figure 2) a été développée. L’apprenant accède à cette dernière en cliquant sur le bouton correspondant à cette fonction. Une fois le tuteur sollicité, s’ouvre un espace de dialogue qui permet à chacun d’écrire en direct les messages dont il veut transmettre la teneur à son interlocuteur.
L’absence d’accès à un tuteur humain correspond au fait que les apprenants bénéficient d’informations susceptibles de les aider qui sont dispensées par un tuteur système. Dans ce cas, la fonction de communication avec un tuteur humain est désactivée. Toutes les informations sont transmises par le tuteur système, aucune information n’est transmise par le tuteur humain. Dans la suite de ce texte, lorsque nous utiliserons parfois comme formule équivalente à « l’absence d’accès à un tuteur humain » les termes « tuteur système » ou « tuteur informatisé ». Ces trois formulations recouvrent ce qui correspond à l’alternative à la « présence d’un tuteur humain ».
Figure 2. Interface de communication semi-structurée
La modalité d’intervention proactive consiste à proposer à l’apprenant certaines manières de procéder, à lui dispenser des conseils, à lui poser des questions… en intervenant dans son travail sans attendre une sollicitation de sa part.
Les actions mises en œuvre dans le cadre de cette modalité proactive sont déclenchées sur la base de critères bien définis que nous allons illustrer ci-après.
La modalité d’intervention qualifiée de réactive consiste en l’attente d’une sollicitation de l’apprenant pour lui fournir l’information dont il a besoin. Les actions mises en œuvre dans le cadre de cette modalité réactive ne sont déclenchées qu’à partir du moment où l’apprenant les sollicite.
Les messages délivrés par le tuteur humain et le tuteur système
Nous allons nous attarder sur les critères d’activation des messages, ainsi que sur la manière dont le tuteur intervient, qu’il soit réactif ou proactif. Nous préciserons quel est le type de message envoyé à l’apprenant une fois le critère d’activation satisfait. Parmi les messages transmis par le tuteur à l’apprenant, certains peuvent être qualifiés d’automatisés et d’autres de personnalisés. Les messages automatisés sont délivrés par le tuteur système et apparaissent dans une fenêtre superposée à la zone de travail de l’apprenant. Ils peuvent être considérés comme ce que DiPaolo et al. (2002) appellent des indices (hints) qui sont donc transmis à l’apprenant pour l’orienter vers une action pertinente à découvrir plutôt vers une solution toute faite. Les messages personnalisés sont construits par le tuteur humain lequel écrit son texte à l’aide du clavier. Les messages automatisés apparaissent chaque fois qu’un critère d’activation est satisfait. Ils peuvent donc être transmis à l’apprenant soit par le tuteur système de façon systématique, soit par le tuteur humain qui active une fonction via le clavier pour faire apparaître le message dans l’interface de communication. Les messages personnalisés n’apparaissent que lorsque le tuteur est humain, en effet ces messages sont exclusivement ceux élaborés par le tuteur. Dans la liste ci-dessous, nous décrivons selon quelles modalités chacun des groupes bénéficie de messages automatisés ou personnalisés.
– Les apprenants qui bénéficient d’un tutorat réactif et n’ont pas accès à un tuteur humain bénéficient uniquement des outils d’aide implémentés qu’ils doivent solliciter.
– Pour les apprenants qui bénéficient d’un tutorat proactif et n’ont pas accès à un tuteur humain, les messages ne peuvent apparaître qu’automatiquement puisque c’est le tuteur système qui les fait ou non apparaître en fonction de la valeur de certaines variables relatives à l’évolution des apprenants dans leur apprentissage, à la qualité de leur réponse ou de leurs sélections, à la durée d’une période d’inactivité…
– En ce qui concerne les apprenants qui bénéficient d’un tutorat réactif et ont accès à un tuteur humain, certains messages automatisés peuvent être fournis pour répondre aux questions posées par les apprenants, mais bien souvent les messages délivrés seront construits par le tuteur humain.
– Et enfin, pour les apprenants qui bénéficient d’un tutorat proactif et ont accès à un tuteur humain, une partie des messages automatisés peuvent être transmis à l’apprenant par le tuteur. Il s’agit de ceux qui font l’objet d’une intervention systématique du tuteur et qui apparaissent selon des critères identiques destinés aux apprenants qui bénéficient d’un tutorat proactif mais n’ont pas accès à un tuteur humain. La différence est qu’ils sont activés, dans ce cas, par le tuteur humain et non plus par le tuteur système. Quant aux messages personnalisés, ils seront élaborés par le tuteur humain pour répondre aux demandes des apprenants. Les messages personnalisés peuvent également prendre la forme d’une intervention du tuteur en
fonction des difficultés qu’il perçoit chez l’apprenant et pour lesquelles des messages préenregistrés ne paraissent pas adaptés.
Le tableau 2, ci-dessous, présente quelques exemples de messages automatisés ainsi que de leur critère d’activation.
Messages Critères d’activation
Je voudrais te dire que cette phase ne t’est pas accessible dans l’état actuel de ton travail. Tu devrais vérifier où tu en es avec le bilan de l’option historique et vérifier soit si tu as toutes les informations soit si tu as répondu aux questions…
L’apprenant passe à une phase alors qu’une phase précédente n’est pas accomplie.
Tu as commis beaucoup d’erreurs lors des réponses aux
questions, tu devrais relire la théorie relative à ces questions. L’apprenant obtient un score de réponse aux questions inférieur à 60 %.
Je voudrais te dire que je pense que tu as toutes les informations nécessaires pour répondre aux questions. Tu devrais vérifier où tu en es avec le bilan de l’option historique et vérifier si le bouton question n’est pas activé...
L’apprenant ne répond pas aux questions alors qu’il possède les informations indispensables.
Tu utilises des stratégies inadéquates, tu devrais aller voir dans l’option historique ce que tu as déjà réalisé qui pourrait t’aider à comprendre pourquoi tu t’es trompé.
L’apprenant sélectionne un critère alors qu’il lui avait été indiqué suite à une sélection antérieure que ce critère ne pouvait être concerné.
Tu choisis beaucoup de critères inadéquats ! Peut-être devrais- tu retourner lire la description du problème ? Si des termes te posent difficulté, utilise le lexique ou l’aide conceptuelle.
L’apprenant effectue de nombreuses sélections erronées (> = à 5).
Je voudrais te dire que je pense que tu as répondu aux questions de cette phase. Tu devrais vérifier où tu en es avec le bilan de l’option historique et voir à quelle phase tu pourrais passer.
L’apprenant ne passe pas à une phase ultérieure alors qu’il a pris les informations et a répondu aux questions.
Cela fait longtemps que tu n’as plus rien effectué. L’apprenant n’a plus opéré aucune action depuis n secondes Peux-tu m’expliquer pourquoi tu reviens à une phase
antérieure et ce que tu penses que celle-ci va t’apporter ? L’apprenant revient à une phase antérieure alors qu’il pouvait travailler dans la phase dont il provient.
Tableau 2. Exemples de messages automatisés et de leur critère d’activation
Hypothèses et origine des hypothèses
Notre objectif est de mettre en évidence dans quelle mesure la présence du tuteur humain (versus l’absence du tuteur humain) et la modalité proactive (versus réactive) d’intervention du tuteur sont susceptibles d’avoir un effet sur les performances des apprenants (au terme et en cours d’apprentissage) ainsi que sur leur capacité à s’orienter dans l’environnement d’apprentissage.
Origines des hypothèses
Pour favoriser l’accès à un niveau de connaissance plus élevé, Choi et Hannafin (1995) posent la question de la modalité d’intervention du tuteur qui serait adaptée aux besoins de l’apprenant. Pour tenter de répondre à cette question, nous pouvons nous référer aux recherches de Hardy (1992) sur le tutorat télématique qui montrent que le dialogue socratique, sollicitant l’avis de l’apprenant, donc étant de nature proactive, facilite la construction de l’apprentissage. A l’instar de Power et al.
(1994), nous pensons que l’approche proactive renvoie à une conception socialisante du processus d’apprentissage au cours duquel les demandes d’aide sont devancées.
Pour ce qui concerne la présence ou non d’un tuteur humain, Salomon et al.
(1989) considèrent que le support fourni par l’expert humain permet d’accéder à un niveau de connaissance qui ne peut être aussi aisément atteint par l’apprenant de façon autonome. Notons aussi que les recherches relatives à l’apport de l’intelligence artificielle, dont un des objectifs était de trouver un substitut au tutorat humain, ont mis en évidence des résultats encourageants lors de leur mise en œuvre dans des situations réelles, comme le démontrent les expériences relatives à LISP- TUTOR et GEOMETRY-TUTOR (Corbett et Anderson, 1991). Toutefois, des motifs d’insatisfaction subsistent surtout en raison de la faiblesse de la composante pédagogique du système informatisé (McArthur et al., 1994).
Hypothèses
Dans le contexte de l’apprentissage à distance, nous voulions vérifier quel est l’impact du comportement proactif du tuteur ainsi que celui de l’intervention d’un tuteur humain sur les performances des apprenants et sur leur capacité à s’orienter dans l’environnement.
Hypothèse 1 relative à l’effet
d’un tutorat proactif Hypothèse 2 relative à l’effet de l’accès à un tuteur humain
Hypothèse 3 relative à l’effet d’interaction entre le tutorat proactif et l’accès à un tuteur
humain Bénéficier d’un tutorat proactif
par rapport au fait de bénéficier d’un tutorat réactif conduit à :
Avoir accès à un tuteur humain par rapport au fait de n’y avoir pas accès (mais bien à un tuteur système) conduit à :
L’effet du tutorat proactif est plus important lorsque les apprenants ont accès à un tuteur humain et conduit à :
des gains relatifs plus élevés (performance au terme de l’apprentissage) des scores d’erreurs plus réduits (performance en cours de l’apprentissage)
un temps d’apprentissage plus important (durée de l’apprentissage)
un indice de désorientation moins élevé (désorientation dans l’environnement d’apprentissage) Tableau 3. Hypothèses
Nos hypothèses (tableau 3) prennent en considération deux effets principaux, à savoir la modalité de tutorat (proactif ou réactif) et l’accès (ou non) à un tuteur humain, ainsi qu’un effet d’interaction entre ces deux variables.
Analyse et discussion relative à la place à accorder au tuteur humain et au tuteur système
Nous allons, dans ce qui suit, analyser systématiquement l’effet qu’ont pu avoir les traitements sur les résultats au terme de l’apprentissage, en cours d’apprentissage, sur la durée de l’apprentissage et sur la désorientation des apprenants dans l’environnement. Ce qui nous permettra de valider (ou non) nos hypothèses ainsi que de préciser quelle est la place que peuvent occuper le tuteur humain et le tuteur système dans un dispositif de formation à distance.
Les résultats au terme de l’apprentissage
Variable dépendante : les gains relatifs standardisés
Pour apprécier la manière dont les apprenants opèrent le transfert de l’apprentissage du support informatique à une situation présentée sous une forme papier-crayon après un délai d’au moins deux semaines, nous leur avons présenté un cas concret décrit sur papier que nous leur avons demandé d’analyser, puis d’en identifier les principes théoriques explicatifs et enfin d’y proposer des solutions.
Trois cas concrets différents ont été élaborés. Chaque étudiant en a reçu un à traiter, leur répartition s’est faite d’une manière aléatoire. Deux passations ont eu lieu, la première avant le travail sur support informatique et la seconde après la fin de la période réservée au travail des apprenants. Cette modalité de passation « avant et après » nous a permis de calculer des gains relatifs définis comme le rapport de ce que l’élève a gagné à ce qu’il aurait pu gagner au maximum. Il est commode d’apprécier ce rapport en pourcentage. Nous avons ensuite calculé pour chaque gain relatif obtenu par un apprenant, un gain relatif standardisé. Cette technique permet ainsi de considérer que chaque épreuve possède une moyenne commune autour de laquelle se répartit chacune des valeurs individuelles des gains relatifs recalculées.
Les modalités de tutorat n’exercent pas d’effet significatif sur l’apprentissage au terme de la tâche
Si les différences entre les groupes d’apprenants ne s’avèrent pas significativement différentes, infirmant ainsi toutes les hypothèses, les moyennes des gains relatifs standardisés (tableau 4) nous indiquent cependant que ce sont les apprenants qui bénéficient d’un tutorat humain qui obtiennent les résultats les meilleurs.
Réactif Pas d’accès
au tuteur humain
Proactif Pas d’accès
au tuteur humain
Réactif Accès au
tuteur humain
Proactif Accès au tuteur humain
Hyp 1 Proactif
>
Réactif
Hyp 2 Accès >
Pas d’accès
tuteurau humain
Hyp 3 Interaction
Gains relatifs
standardisés 49,19 48,77 50,34 51,65 NS à 0,806
NS à 0,271
NS à 0,636 Scores
d’erreurs 20,7 18,6 19,4 7,3 TTS à
0,000
TTS à 0,000
TTS à 0,000 Temps total
en min : sec (a) = temps de dialogue entre l’apprenant et
le tuteur
29 :03 00 :00(a)dont
35 :30 08 :27(a)dont
33 :46 02 :09(a)dont
37 :51 09 :38(a)dont
TTS à 0,000
TTS à 0,001
NS à 0,267
Indices de
désorientation 43,74 26,08 22,93 13,36 TTS à
0,000 TTS à 0,000
NS à 0,120
Tableau 4. Moyennes et résultats de l’analyse de variance à 2 dimensions pour les gains relatifs standardisés, les scores d’erreurs, le temps total passé à la tâche et les indices de désorientation
Le tutorat humain proactif permet d’obtenir la moyenne la plus élevée (moyenne = 51,65) suivi du tutorat humain réactif (moyenne = 50,34), ensuite vient le tutorat réactif machine qui conduit à une moyenne de 49,19 et enfin le tutorat proactif machine, quant à lui, amène à l’obtention de la moyenne la plus basse (moyenne = 48,77). Notons également qu’aucune différence n’est significative lorsqu’on applique un test t pour échantillons indépendants qui permet de comparer les groupes d’apprenants deux à deux.
L’absence de différence significative peut être liée à un phénomène bien connu en recherche en sciences humaines : l’absence d’un effet global dû à l’action d’autres composantes susceptibles d’interagir avec l’effet testé ou bien de masquer des effets moins prégnants parce qu’elles introduisent une variance importante. Une autre explication à cette absence de différence est liée à la nature des épreuves proposées pour évaluer les compétences des apprenants. En effet, le fait de devoir mettre en œuvre les compétences acquises via le logiciel dans le cadre d’une situation nouvelle, que proposent les épreuves, demandait aux apprenants de transférer ces compétences pour traiter la situation. Or, on sait que le transfert s’effectue avec difficulté, ce qui peut avoir pour effet de gommer les différences.
Qui plus est, dans les épreuves, la forme de présentation des situations différait par
le fait qu’il s’agissait d’une présentation linéaire sous la forme d’un texte continu alors qu’auparavant les informations étaient accessibles sous une forme hypertextualisée dans un environnement informatisé. Dans le logiciel, l’apprenant avait également à identifier les principes explicatifs d’une difficulté d’apprentissage parmi ceux présentés sur l’écran alors que, dans la forme papier-crayon, il lui était demandé de produire des réponses sans avoir sous les yeux un ensemble de propositions de solutions. Toutes ces variantes sont sans doute venues interférer avec le processus de transfert des compétences exigées pour satisfaire aux critères des épreuves proposées.
Notre analyse nous amène à mettre en évidence que le niveau des apprenants en termes de résultats au terme de l’apprentissage ne se différencie pas selon les modalités de tutorat.
Les résultats en cours d’apprentissage
Variable dépendante : les scores d’erreurs
Pour apprécier la qualité du travail des apprenants en cours de tâche, nous avons utilisé un indice, le score d’erreurs. Celui-ci peut-être calculé lors de la phase d’identification (voir figure 1 ci-dessus), au cours de laquelle l’apprenant doit effectuer la sélection des principes qu’il juge explicatifs de la description du problème présenté. Ces sélections aboutissent à une analyse qualitative représentée par un disque de couleur associé à un feedback explicatif. Lorsque le disque est vert, la réponse est pertinente pour la situation décrite. Etant donné que tous les apprenants doivent découvrir les explications pertinentes, la comptabilisation du nombre de réponses correctes ne pouvait s’avérer suffisante. Par contre, le cheminement pour arriver à la bonne réponse peut être jalonné de réponses moins appropriées dont la comptabilisation nous donne un score d’erreurs. Le score d’erreurs est le total des réponses erronées lors de la sélection des principes opérée pendant la phase d’identification. Ces réponses erronées peuvent être de deux types : – des réponses erronées mais qui ne peuvent être complètement exclues de l’explication. Simplement elles ne constituent pas une explication principale (exemple : choisir la réponse mémoire quand on attend mémoire à long terme n’est pas incorrect mais il y a un manque de précision). Ces réponses sont comptabilisées chacune pour 1 point et un disque bleu apparaît à côté du principe sélectionné par l’apprenant ;
– des réponses erronées qui n’ont pas de lien avec l’explication véritable du problème présenté à l’apprenant (exemple : choisir mémoire alors que le problème est lié à la motivation scolaire). Un disque rouge indique cette inadéquation et chacune de ces réponses est comptabilisée pour 2 points.
La somme des points nous donne un score d’erreurs définitif que nous pouvons formuler comme suit :
Score d’erreurs=nombre de réponses "bleues" + [2 x (nombre de réponses "rouges")]
Plus le score d’erreurs est élevé, moins la performance est bonne ; plus le score d’erreurs est bas, meilleur est le résultat de l’apprenant.
Le tutorat humain et proactif a un effet sur les résultats en cours de la tâche
Comme nous pouvons l’apercevoir dans le tableau 4, toutes les hypothèses relatives aux résultats en cours de tâche (les scores d’erreurs) sont confirmées. Les apprenants qui bénéficient d’une modalité d’intervention proactive de la part du tuteur humain obtiennent des résultats significativement différents de tous les autres groupes. Ils commettent moins d’erreurs (7,3 en moyenne pour 18,6 au tutorat système proactif ; 19,4 au tutorat humain réactif et 20,7 au tutorat système réactif).
Le tuteur qui adopte une modalité proactive joue un rôle essentiel lors de la recherche de solutions. L’effet du tuteur humain se fait sentir à ce niveau. Il a une action sur des aspects plus qualitatifs de la démarche d’apprentissage qui concernent les réponses à fournir pour lesquels la sensibilité du dialogue avec un être humain s’avère importante. L’investissement dans une tâche qui demande une réponse peut faire partie des domaines pour lesquels il est important de pouvoir discuter de manière subtile en ayant le sentiment d’être entendu ainsi qu’en ayant la possibilité de faire état de ses propres représentations.
Il nous faut ici revenir au mode d’intervention du tuteur humain pour mieux comprendre cette différence entre le tutorat humain proactif et les autres modalités de tutorat. Le tuteur humain, dans sa modalité proactive, sollicite l’apprenant en lui demandant quelles sont les solutions qu’il envisage pour expliquer le problème évoqué. L’apprenant lui fait part de ses idées auxquelles réagit le tuteur. Cette réaction peut entraîner celle de l’apprenant et ainsi de suite, jusqu’au moment où chacun s’estime satisfait des effets de ces dialogues.
Nous avons constaté que les apprenants qui bénéficient du tutorat humain réactif ne sollicitent que peu le tuteur et ne prennent que très peu d’initiatives pour discuter des solutions. Pour comprendre la manière dont les apprenants qui bénéficient du tutorat humain réactif font usage des dialogues, nous avons analysé certains coefficients de corrélation. Les coefficients de corrélation significatifs2 entre le score d’erreurs et la prise d’initiative des dialogues (c’est-à-dire le fait que l’apprenant interpelle le tuteur plus qu’il n’attend d’être sollicité par celui-ci) (r = 0,174 et p = 0,010) ou entre le score d’erreurs et le degré d’élaboration des dialogues (le nombre d’interactions successives lors d’une séquence de dialogue) (r = 0,215 et p = 0,001) nous indiquent que l’apprenant qui se trompe souvent (ce
2. Où r = valeur du coefficient de corrélation de Bravais-Pearson et p = niveau de
qu’indique son score d’erreurs élevé) est un apprenant qui prend l’initiative des dialogues, lesquels sont également plus élaborés, c’est-à-dire composés d’un plus grand nombre d’interactions entre les interlocuteurs. C’est donc probablement quand il s’est trompé que cet apprenant fait appel au tuteur.
Les apprenants qui bénéficient du tutorat système proactif sont, quant à eux, sollicités de la même manière que ceux qui bénéficient du tutorat humain proactif, c’est-à-dire qu’il leur est demandé d’envisager et de discuter les solutions possibles avant de les sélectionner définitivement. Mais ce qui les différencie est le fait qu’une fois leurs solutions proposées, le tuteur système ne peut poursuivre la conversation.
Le fait de demander à l’apprenant de réfléchir anticipativement aux réponses à envisager ne semble pas suffisant. En revanche, il serait nécessaire d’avoir la possibilité d’entamer une discussion sur les solutions envisagées, ce que ne peut réaliser le tuteur système. L’absence de réaction du tuteur système incite sans doute moins l’apprenant à une réflexion approfondie, probablement parce que ce dialogue initié n’est jamais prolongé. C’est cette double caractéristique qui donne au tuteur humain toute sa valeur : il peut initier le dialogue mais, surtout, il peut le poursuivre.
Nous pouvons donc dire que le tutorat humain, lorsqu’il adopte une modalité proactive, c’est-à-dire qu’il permet à l’apprenant de réfléchir aux solutions à adopter et à discuter de leur pertinence, permet d’obtenir de meilleurs résultats en cours de tâche que toutes les autres modalités de tutorat. Le tutorat humain supplante le tutorat système parce que, dans notre dispositif, le système ne peut mener une conversation suivie et approfondie sur un sujet aussi précis que le choix et la pertinence d’une solution à adopter. Le tutorat proactif permet, quant à lui, d’initier un dialogue a priori sur les résultats à envisager, ce que ne suscite pas la modalité de tutorat réactive qui semble inciter les apprenants à ne solliciter le tuteur qu’en cas de problème, c’est-à-dire a posteriori, après avoir tenté de répondre infructueusement.
Le temps consacré à la tâche
Variable dépendante : le temps consacré à la tâche via les dialogues avec le tuteur et hors dialogues
Nous allons considérer dans cette analyse le temps qu’ont mis les apprenants pour réaliser la tâche. Nous distinguerons le temps consacré aux dialogues avec le tuteur via l’interface de communication et le temps de la tâche menée par l’apprenant en dehors de ces conversations. Le temps consacré aux dialogues, que ce soit avec le tuteur humain ou le tuteur système, est calculé en sommant l’ensemble des périodes situées entre l’ouverture et la fermeture de l’outil de communication.
Le temps consacré à la tâche hors dialogue est calculé en effectuant la différence entre le temps total et le temps consacré aux dialogues.
L’objectif n’est pas de vérifier que les apprenants réalisent la tâche le plus rapidement possible. Nous sommes bien conscients que cette durée est tributaire de
la tâche et que celle-ci est différente pour les apprenants qui bénéficient d’une aide proactive laquelle leur impose d’expliquer un certain nombre de leurs démarches par écrit, ce qui augmente le temps passé à traiter les situations. La question que nous nous posons ici est relative au temps passé globalement à la tâche. Nous touchons ici à la notion d’efficience : l’usage des ressources est-il pertinent pour atteindre les objectifs escomptés ? En d’autres termes, les dialogues sont-ils exploités de façon pertinente pour permettre à l’apprenant de traiter la situation ? Le coût de l’usage du tuteur humain étant lié à la durée de la conversation qu’il peut avoir avec l’apprenant, nous voudrions voir si le temps passé à discuter avec le tuteur décroît avec l’avancement dans la tâche. Cette information couplée à la valeur des gains relatifs standardisés nous donnera une indication relative à l’efficience des dialogues menés avec le tuteur.
Les traitements allongent le temps d’apprentissage… en faveur de l’apprenant Dans le tableau 4, l’analyse de variance entre les moyennes de temps total (en min. : sec.) consacré à la tâche nous indique que 2 de nos 3 hypothèses, à savoir celles relatives à l’effet de la modalité proactive et à l’effet de la présence du tuteur humain sont vérifiées. Le temps global consacré à la tâche est significativement supérieur lorsque la modalité de tutorat est proactive (35 min. 30 sec. pour le tutorat système et 37 min. 51 sec. pour le tutorat humain). Le temps plus important que prennent les apprenants qui bénéficient d’un tutorat proactif s’explique par le fait qu’ils sont sollicités par le tuteur et que cette conversation qui s’opère par écrit prend du temps : d’une part, celui de la conversation à alimenter (par écrit) avec le tuteur et, d’autre part, celui de la réflexion que ce dernier suscite. En effet, plusieurs auteurs ont mis en évidence le fait que la communication par écrit exige une charge cognitive importante, qu’elle est souvent consommatrice de temps et qu’elle ne permet que des formulations brèves et de faible qualité (Lewis et Hedegaard, 1993).
En revanche, d’autres estiment également que prendre le temps d’écrire ses questions, ses réflexions, ses idées, c’est aussi se donner le temps de la réflexion pour les exprimer de façon claire. Des auteurs tels que Berge et Collins (1993) défendent l’idée que la communication écrite permet aux étudiants d’être plus concentrés sur les idées qu’ils expriment que dans une situation de classe en présentiel ou en audioconférence. Le tableau 4 confirme bien que c’est le tutorat proactif qui incite les apprenants à passer plus de temps à dialoguer (8 min. 27 sec.
pour le tutorat système et 9 min. 38 sec. pour le tutorat humain). Ce temps de dialogue allonge le temps de traitement global des situations. Cela en vaut-il la peine est la question à laquelle nous allons essayer de répondre.
Une manière d’apprécier l’apport des dialogues est d’analyser de quelle manière ceux-ci se répartissent au fil des situations dont le degré de difficulté augmente. En effet, si le temps consacré aux dialogues diminue, cette décroissance pourrait être considérée comme une meilleure utilisation de cet outil d’aide qu’est la communication. La décroissance du temps consacré aux dialogues avec le tuteur se justifierait par le fait que l’apprenant réduise le volume global des difficultés
susceptibles d’être rencontrées au fur et à mesure qu’il avance dans l’apprentissage et aussi par le fait que, lorsqu’il fait appel au tuteur, leurs dialogues sont de plus en plus efficaces, donc susceptibles d’être moins longs.
La figure 3 ci-dessous nous apprend que, lorsque les apprenants bénéficient du tutorat système proactif (courbe blanche), le temps de dialogue est pratiquement sans cesse décroissant (excepté pour la situation 5 pour laquelle une augmentation moyenne de 10 sec. par rapport à la situation 4 est constatée). Le tutorat système semble bien répondre aux difficultés initiales que rencontrent les apprenants. Ces difficultés étant résolues, la nécessité d’entrer en contact avec le tuteur système se réduit au fur et mesure de l’avancement dans le travail.
Les courbes noires de la figure 3 (traits pleins pour le tutorat humain proactif et traits pointillés pour le tutorat humain réactif) ne mettent pas en évidence la décroissance de situation en situation qui est observée pour le tutorat système (en blanc). Nous constatons une remontée des moments de dialogues avec le tuteur humain qui s’opère lors des situations 4 et 7. Nous avons pu identifier que, lors de ces situations, une nouvelle difficulté se présente aux apprenants. Dans la situation 4, se présente une difficulté au niveau de la précision de la réponse qui, pour la première fois, fait appel à des explications d’un niveau de profondeur plus élaboré. Et pour la situation 7, les apprenants sont confrontés à une difficulté conceptuelle, dans le sens où plus de principes sont à sélectionner pour obtenir le passage à une phase ultérieure.
Figure 3. Durées moyennes des dialogues par groupe et par situation (s.1 à s.7)
L’apport du tutorat humain semble ici se manifester par ce que nous pouvons considérer comme une adaptation aux situations abordées. Nous expliquons cela par la finesse des interventions du tuteur humain qui possède mieux la capacité de détecter les difficultés qui justifient son intervention, alors que le tuteur système a des critères a priori par rapport auxquels il n’a que peu de latitude d’intervention.
Cette absence de souplesse peut expliquer la décroissance pratiquement permanente des dialogues avec le tuteur système, grâce auquel les problèmes des premières situations qui justifiaient une intervention ont été progressivement résolus.
Un autre avantage que possède le tuteur humain est le fait que lorsque les apprenants le sollicitent (que ce soit selon la modalité réactive ou proactive), ils sont conscients du fait que le tuteur pourra les comprendre et leur répondre. Ils savent que leurs sollicitations seront prises en considération, par exemple lors d’une difficulté nouvelle présente dans une situation donnée.
Nous pouvons donc dire que si temps consacré aux dialogues allonge le temps total consacré à l’apprentissage, ce temps est précieux car il permet à l’apprenant de résoudre des difficultés récurrentes de situation en situation, c’est ce qu’offre l’accès à un tuteur système : des réponses à des difficultés bien identifiées. Le temps passé aux dialogues avec le tuteur humain doit être lui centré sur les difficultés spécifiques que l’apprenant rencontre en cours de tâche et auxquelles, dans notre dispositif, seul le tuteur humain est capable de répondre.
En termes d’efficience, à savoir le rapport entre le temps consacré à la tâche et la performance, nous constatons que si l’apprenant qui bénéficie d’un tuteur humain proactif est celui dont la durée de la tâche est la plus longue, c’est aussi celui qui obtient le meilleur score d’erreurs en cours de tâche et les gains relatifs standardisés les plus élevés. Nous interprétons ce temps plus long consacré à la tâche par les apprenants de ce groupe comme bénéfique en termes d’efficacité. Nous considérons donc que si le temps passé à la tâche s’allonge en raison d’une modalité de tutorat, cette durée est profitable à l’apprenant.
La désorientation dans l’environnement
Variable dépendante : l’indice de désorientation
Dans le dispositif, nous avons identifié cinq variables qui peuvent être le signe d’une désorientation de l’apprenant :
– la redondance (le nombre de fois qu’une fiche identique est relue par l’apprenant dans la phase d’analyse) ;
– le nombre de lectures supplémentaires (le fait de poursuivre la lecture des fiches de description de la situation alors qu’il peut passer à la phase suivante) ;
– le nombre de sélections supplémentaires (le nombre de fois que l’apprenant prend des informations inutiles alors qu’il peut poursuivre son travail) ;
– le nombre de solutions supplémentaires (le nombre de fois que l’apprenant répond à des questions auxquelles il a déjà donné une solution alors qu’il peut poursuivre son travail) ;
– le nombre de retours à une phase antérieure (de la phase d’identification à la phase d’analyse par exemple).
Certaines des variables considérées sont le reflet comportemental de processus mis en œuvre par les apprenants. Plutôt que de nous contenter de les observer chacune individuellement, nous avons voulu examiner comment les traitements agissent globalement sur ces variables. Toutes ces variables, lorsque leurs valeurs sont peu élevées, sont le signe d’une bonne orientation dans l’environnement. Si l’une d’entre elles prend une valeur élevée, cela ne veut pas nécessairement dire que l’apprenant est désorienté. Il lui est loisible d’explorer l’environnement à sa guise, cette démarche d’exploration ne peut lui être reprochée. Par contre, cette affirmation nous semble devoir être modérée lorsque des valeurs élevées sont observées pour un ensemble de variables. Nous considérons que lorsque plusieurs variables sont caractérisées par des valeurs élevées, cela témoigne d’une désorientation dans l’environnement. Nous avons donc considéré comme indice de désorientation la somme des valeurs prise par les différentes variables. Nous rappelons la question relative à la désorientation : « Les modalités de tutorat différencient-elles les apprenants en ce qui concerne la désorientation dans l’environnement d’apprentissage ? ».
Le tutorat humain permet de réduire la désorientation de l’apprenant dans l’environnement
Les résultats relatifs aux indices de désorientation du tableau 4 nous permettent de confirmer deux de nos hypothèses sur trois, à savoir qu’il y a un effet significatif de la proactivité et du tuteur humain qui limite la désorientation sans qu’il y ait d’effet d’interaction.
En comparant les apprenants qui bénéficient d’un tutorat système proactif (moyenne = 26,08) et d’un tutorat humain proactif (13,36), nous pouvons percevoir que la différence est significative (test t : p = 0,000) en termes de désorientation. Le tuteur humain proactif permet de mieux orienter l’apprenant que ne le fait le tuteur système. Une fois encore, il semble que, pour délivrer des informations fines sur ce qui est pertinent dans la démarche d’apprentissage ou sur la qualité des réponses fournies, l’apport du dialogue en direct suscité par le tuteur humain paraît plus indiqué que celui du tuteur système. Ce dernier n’a pas la capacité que possède l’être humain d’interpréter le contexte de son intervention et, par conséquent, n’agit qu’en fonction de critères qui, à un moment ou l’autre, se révéleront inefficients. Qui plus est, il ne peut, dans notre dispositif, transmettre que des messages prédéfinis, lesquels ne tiennent pas compte des conditions particulières dans lesquelles se trouvent les apprenants. Les messages en provenance du tuteur système proactif peuvent paraître dès lors à certains relativement aseptisés et, quand bien même ils se
révèlent opportuns par rapport au contexte qui justifie leur apparition, ils peuvent ne pas être perçus comme tels par l’apprenant en raison de leur formulation neutre, censée être adaptée à tout qui devrait en bénéficier. Ce qui expliquerait l’impact plus grand des messages personnalisés du tuteur humain par rapport aux messages systématiques comme en dispense le tuteur système.
A partir des résultats des comparaisons des moyennes deux à deux du tableau 5, nous voudrions mettre en évidence le fait que toutes les différences sont significatives à l’exception de celle (test t : p = 0,134) entre les indices de désorientation moyens des apprenants qui bénéficient d’un tutorat système proactif (moyenne = 26,08) et d’un tutorat humain réactif (moyenne = 22,93).
Réactif Pas d’accès au
tuteur humain (moyenne = 43,74)
Proactif Pas d’accès au tuteur humain (moyenne = 26,08)
Réactif Accès au tuteur humain (moyenne = 22,03) Proactif
Pas d’accès au
tuteur humain (moyenne = 26,08) 0,001 - -
Réactif Accès au
tuteur humain (moyenne = 22,03) 0,000 0,134 -
Proactif Accès au
tuteur humain (moyenne = 13,36) 0,000 0,000 0,000
Tableau 5. Niveaux de signification du test t comparant les moyennes relatives à la variable « indice de désorientation »
Alors que nous observons une différence significative à l’analyse de variance (voir tableau 4) en faveur des apprenants qui bénéficient d’un tuteur humain (par rapport aux apprenants qui n’en bénéficient pas) et en faveur de la modalité proactive (par rapport à la modalité réactive), il est assez paradoxal, mais néanmoins intéressant de constater une absence de différence entre ces deux groupes d’apprenants (ceux qui bénéficient d’un tutorat système proactif et d’un tutorat humain réactif) en ce qui concerne l’indice de désorientation. Alors que leurs moyennes respectives sont proches (moyennes = 26,08 et 22,03), pour différencier ces deux groupes, nous pouvons nous pencher sur leurs écarts-types respectifs qui témoignent de la dispersion de leurs réponses : il y a, dans le cas des apprenants qui bénéficient d’un tutorat système proactif (σ = 25,03), une dispersion des réponses liées à la désorientation qui est plus importante que celle observée pour des apprenants qui bénéficient d’un tutorat humain réactif (σ = 17,86). Cette dispersion plus importante est le signe de comportements moins homogènes. Globalement, si on considère les écarts-types de chacun des groupes d’apprenants, on constate que moins la modalité d’intervention est proactive et moins celle-ci est assurée par un
tuteur humain, plus la dispersion est grande (σ = 68,83 pour le tutorat système réactif), ce qui va dans le sens d’une interprétation du rôle du tuteur comme régulateur de la désorientation. Cette analyse met en évidence que le tuteur humain semble avoir un pouvoir de régulation plus important sur les apprenants qui bénéficient de son support par rapport à ceux qui sont guidés par le tuteur système.
Le tuteur semble donc avoir un effet régulateur sur les apprenants concernant les aspects liés à la désorientation dans la tâche, impact qui est d’autant plus important que l’aide est proactive. Il n’empêche que l’impact de la prise en charge du tutorat par un humain n’est pas négligeable car, lorsque c’est un tuteur humain qui adopte une modalité d’intervention réactive, cela semble avoir plus d’effet sur la réduction de la désorientation qu’une aide, même proactive, assurée par un tuteur système.
Une fois de plus, un des effets du tuteur, et il ne s’agit pas du moins important, est d’influencer l’utilisation de l’environnement. Nous nous intéressions à l’impact que le tuteur pouvait avoir sur les processus cognitifs et nous avons également pu mettre en évidence l’influence qu’il possède sur la manière d’exploiter l’environnement mis à la disposition de l’apprenant.
L’usage de l’environnement varie en fonction de la modalité de tutorat adoptée : nous pouvons dire que, dans le cas de la désorientation, l’absence de tutorat est préjudiciable aux apprenants, ce qui a pour corollaire que la présence d’un tuteur est indispensable. Celui-ci peut être un tuteur humain ou un tuteur système, ces deux types de tuteurs réduisent la désorientation d’une manière pratiquement identique, sauf si le tuteur humain adopte une attitude proactive, ce qui conduit à réduire la désorientation dans l’environnement. Ceci nous paraît important dans la mesure où il a été établi que les experts qui ont résolu leurs problèmes de navigation sont également ceux qui obtiennent les meilleurs résultats (Hedberg et al., 1993), ce qui s’explique par le fait qu’ils peuvent consacrer toute leur énergie à la tâche au lieu de la consacrer à la manière de s’y retrouver dans l’environnement (de La Passardière et Dufresne, 1992).
Conclusions et perspectives La place du tuteur système
Le tuteur système permet de répondre de manière efficace aux difficultés des apprenants qui ont pu être anticipées. Ces difficultés peuvent appartenir à différentes catégories : contenu de la formation, aide à l’orientation dans le dispositif, gestion du parcours d’apprentissage… Tous les domaines pour lesquels des procédures systématiques sont identifiables peuvent justifier le développement d’une aide systématisée mise en œuvre par un tuteur système. Cette mise en œuvre permettra d’alléger de manière non négligeable la tâche du tuteur humain qui pourra dès lors intervenir là où ses avantages sont les plus utiles et les plus pertinents. Enoncer ceci n’est qu’apporter de l’eau au moulin de Vivet (1991), qui proposait déjà des
scénarios susceptibles de permettre aux tuteurs artificiels et aux enseignants de trouver la place qui leur convient le mieux en fonction des contextes dans lesquels ils sont intégrés. Il reste encore et toujours à mettre en œuvre ces scénarios et à les éprouver au regard de la réalité de la formation à distance.
La place du tuteur humain
Le tuteur humain permet essentiellement de répondre aux besoins spécifiques des apprenants qui n’ont pu être identifiés préalablement à la formation ou qui surviennent lors du processus d’apprentissage. La capacité de compréhension d’un être humain ainsi que la subtilité des réponses ou des rétroactions qu’il peut fournir lorsqu’une demande spécifique lui est formulée sont irremplaçables. En effet, qui mieux qu’un tuteur humain peut appréhender le contexte dans lequel une question est posée et peut y répondre avec toute la pertinence voulue ? Son apport est considérable dès qu’il s’agit d’entrer en communication avec un autre être humain, qui plus est lorsque ce dernier est celui qu’il doit accompagner sur le chemin du savoir. Cependant, tout irremplaçable qu’il soit, lorsqu’il n’est que trop peu utilisé, son coût devient exorbitant en regard des bénéfices qu’il procure, et ceci est encore plus vrai quand le tutorat s’opère selon une modalité synchrone. Le fait que le tutorat humain soit le plus efficace pour favoriser l’apprentissage en cours de tâche ou pour contrer la désorientation dans l’environnement d’apprentissage lorsqu’il intervient de manière proactive nous semble déjà pouvoir constituer une indication sur la manière dont le tuteur humain devrait être utilisé pertinemment. Sa présence seule, bien qu’elle semble suffire aux yeux de certains apprenants, ne peut contenter ceux qui investissent dans les dispositifs d’éducation et de formation. Pour obtenir des résultats, proposer qu’un tutorat humain proactif soit assuré à certains moments spécifiques de la formation semble être une recommandation adéquate afin de permettre aux investissements d’atteindre un seuil de rentabilité acceptable.
En guise de conclusion
Après avoir établi un bilan succinct des apports de chacune des modalités de tutorat, nous voudrions dire en conclusion qu’aucune des modalités mises en oeuvre ne rencontre toutes les caractéristiques susceptibles de favoriser l’efficacité pédagogique d’un dispositif d’apprentissage. Si nous avons isolé dans cette expérience certaines caractéristiques, c’est pour mieux appréhender leurs qualités respectives. Dans un dispositif d’apprentissage, il conviendrait de combiner les atouts du tuteur humain et du tuteur système de manière à ce que chacun trouve un espace pour assister au mieux les apprenants dans leur processus d’apprentissage.
Les questions qui persistent sont liées à l’interaction optimale de ces composantes et à l’intégration de ces différentes modalités de tutorat complémentaires dans les dispositifs existants. Par exemple, si le tuteur système ne dispose pas des
connaissances nécessaires pour répondre à l’apprenant, il devrait proposer à ce dernier de faire appel au tuteur humain. Pour cela, le système doit être capable de diagnostiquer dans quel cas et pour quelle tâche il est compétent. Le système doit détecter qu’il est dans une situation où un humain peut faire mieux. C’est à une conclusion du même ordre, celle de la complémentarité entre le tuteur humain et un compagnon logiciel nommé CLAVIE, qu’aboutissent Laperrousaz et Teutsch (2003) lorsqu’ils évaluent les rôles qu’occupe respectivement chacune de ces aides fournies à l’apprenant dans leur environnement d’apprentissage à distance. Il est donc essentiel de tenir compte du contexte matériel, humain et physique dans lequel se déroule l’apprentissage et il faut considérer que le tuteur humain est un des moyens mis à disposition pour favoriser l’apprentissage. Il a un rôle qui lui est propre, lequel est défini en fonction de ses qualités que sont la flexibilité, la qualité du diagnostic et la finesse de l’explication qu’il faut exploiter et associer au mieux avec les avantages des tuteurs systèmes pour que le plus grand nombre d’apprenants qui en bénéficient apprennent réellement. Després et Leroux (2003) mettent en évidence dans l’évaluation de leur environnement ESSAIM, l’intérêt des informations systématiques qui sont fournies aux tuteurs mais notent également que les tuteurs sont demandeurs d’informations plus qualitatives relatives aux activités des apprenants, ce qui cadre bien avec nos résultats. L’apport d’outils qui fournissent de l’information sur le processus d’apprentissage de manière automatique est indéniable, tout comme l’est également la plus value associée à l’apport du tuteur humain. Ce qui est essentiel, c’est d’arriver à les rendre complémentaires.
L’industrialisation de la formation à distance conduira sans aucun doute à intégrer de plus en plus les tuteurs systèmes aux dispositifs mis en place mais ne pourra sans doute jamais, selon nous, se passer des tuteurs humains… au nom de l’apprenant…
Bibliographie
Anderson J., « Intelligent Tutoring and High School Mathematics », in Frasson C., Gauthier G., McCalla G., eds, ITS’92, Lecture notes in Computer Science, vol. 608, 1992, Berlin, Springer-Verlag, p. 1-10.
Berge Z., Collins M., « Computer Conferencing and Online Education », The Arachnet Electronic Journal on Virtual Culture, vol. 1, n° 3, 1993, p. 1-21.
Breuker J., « Conceptual Model of Intelligent Help System », in Breuker J., ed., EUROHELP:
developing intelligent help systems, Copenhagen, EC, 1990, p. 41-67.
Choi J., Hannafin M., « Situated Cognition and Learning Environments: Roles, Structures and Implications for Design », Educational Technology Research & Development, vol. 43, n° 2, 1995, p. 53-69.
Cohen P., Kulik J., Kulik C., « Educational Outcomes of Peer Tutoring: A Meta-analysis of Findings », American Educational Research Journal, vol. 19, n° 2, 1982, p. 237-248.
Corbett A., Anderson J., « Feedback Control and Learning to Program with the CMU LISP Tutor », Paper presented at the Annual Meeting of the American Educational Research Association, Chicago, USA, 1991.
de La Passardière B., Dufresne A., « Adaptive Navigational Tools for Educational Hypermedia », in Tomek I., ed., Computer Assisted Learning, Berlin, Springer-Verlag, 1992, p. 555-567.
Depover C., De Lièvre B., Pingaut A., « Analyse de quelques facteurs susceptibles d’agir sur la fidélisation dans un cours d’enseignement à distance », Scientia Paedagogica Experimentalis, vol. 15, 1998, p. 315-336.
Desmarais L., « La persévérance dans l’enseignement à distance », in Chanier T., Pothier M., eds., Systèmes d’information et de communication dans des situations diversifiées d’apprentissage des langues, Besançon, Laboratoire informatique de l’Université de Franche-Comté, vol. 3, n° 1, 2000 p. 49-59.
Després C., Leroux, P., « Tutorat synchrone en formation à distance », in Desmoulins C., Marquet P., Bouhineau D., eds., Environnements informatiques pour l’apprentissage humain 2003, Strasbourg, INRP, 2003, p. 139-150.
DiPaolo R., Graesser A., Hacker D., White H., Tutoring Research Group, « Hints in Human and Computer Tutoring », in Rabinowitz M., ed., The impact of media on technology of instruction, 2002, Mahwah, NJ, USA, Erlbaum, p. 155-182.
Glikman, V., « Formations à distance : au nom de l’usager », Distances, vol. 3, n° 2, 1999, p. 101-117.
Hardy V., « Introducing Computer Mediated Communication into Participative Management Education: the Impact on the Tutor’s Role », Education and Training Technology International, vol. 29, 1992, p. 325-331.
Hedberg J., Harper B., Brown C., « Reducing Cognitive Load in Multimedia Navigation », Australian Journal of Educational Technology, vol. 9, n° 2, 1993, p. 157-181.
Laperrousaz C., Teutsch P., « Un compagnon logiciel capable de dialoguer. CLAVIE : Compagnon Logiciel d’aide aux Apprenants dans l’environnement Croisières » in Desmoulins C., Marquet P., Bouhineau D., eds., Environnements informatiques pour l’apprentissage humain 2003, Strasbourg, INRP, 2003, p. 283-294.
Laurent J., Gané-Iattoni L., Lessard M., Le tutorat : un office de médiation controversé.
Recherche sur la relation étudiant/tuteur à la Télé-université, Canada, Télé-université du Québec, 1992.
Lewis C., Hedegaard T., « Online Education: Issue and Some Answers », Technological Horizons in Education Journal, vol. 4, 1993, p. 68-71.
McArthur D., Lewis M., Bishay M., The Roles of Artificial Intelligence in Education: Current Progress and Future Prospects, Santa Monica, Ca, USA, RAND, 1993.
Medway F., « A Social Psychological Analysis of Peer Tutoring », Journal of Developmental Education, vol. 15, n° 1, 1995, p. 20-26.
Mœglin P., dir., L’industrialisation de la formation. État de la question, Paris, CNDP, 1998.
Pettigrew F., « L’encadrement des cours à distance : profils étudiants », Distances, vol. 5, n° 1, 2001, p. 99-112.
Power M., Dallaire S., Dionne M., Théberge C., L’encadrement des étudiantes et des étudiants en situation d’apprentissage à distance à l’Université du Québec à Rimouski (monographie n° 42), Rimouski, Canada, Université du Québec à Rimouski, 1994.
Salomon G., Globerson T., Guterman E., « The computer as a Zone of Proximal Development: Internalizing Reading-related Metacognitions from a Reading Partner ».
Journal of Education Psychology, 1989, p. 620-627.
Tremblay G., « Une approche pertinente ? », in Mœglin P., dir., L’industrialisation de la formation. État de la question, Paris, CNDP, 1998, p. 39-59.
Vivet M., « Usage des tuteurs intelligents : prise en compte du contexte, rôle du maître », in Baron M., Gras R., Nicaud J.-F., eds., 2e journées Environnements informatiques d’apprentissage avec l’ordinateur, Cachan, Éditions de l’ENS de Cachan, 1991, p. 239- 246.
