Adaptive learning : l’enseignement que l’on a toujours rêvé avoir

Antoine de la Garanderie a su démontrer au cours de ses études sur les profils pédagogiques, que nous n’étions pas tous égaux en matière d’apprentissage. En effet, il existe une grande hétérogénéité dans les profils apprenants. Alors que certains vont assimiler assez rapidement une notion théorique. Pour d’autres, il faudra davantage de temps et d’entraînement pour être à l’aise avec ces thématiques.

Dans le cadre d’un enseignement idéal, il y aurait un formateur associé à chaque apprenant. Cependant, dans la réalité, il en est autrement. Le tuteur propose la plupart du temps un enseignement unique. C’est alors à l’apprenant de s’adapter pour acquérir les connaissances demandées. Mais avec l’essor des nouvelles technologies, on est aujourd’hui à même de pouvoir cibler précisément les besoins de l’apprenant. C’est là tout le concept de l’adaptive learning. Avec ce nouveau modèle, on voit le schéma classique d’enseignement complètement renversé. C’est ainsi la pédagogie qui évolue pour correspondre aux besoins de chacun et non l’inverse.

Qu’est-ce que l’adaptive learning ?

L’adaptive learning est un concept pédagogique qui a pour but de faciliter et d’optimiser l’apprentissage. Le fait d’adapter le contenu pédagogique en fonction des apprenants, les formateurs et enseignants le font depuis longtemps. Mais ici, avec la notion d’adaptive learning, on parle bien de digitalisation de l’enseignement pour délivrer une pédagogie améliorée et donc plus efficiente. La progression de l’apprenant est conditionnée en fonction de ses objectifs, ses préférences, ses aptitudes et bien sûr de ses résultats. Pour fonctionner, l’adaptive learning fait appel à différents domaines de connaissances comme les neurosciences, l’intelligence artificiel et la Big Data. Mais il faut bien comprendre que l’adaptive learning n’est pas une méthodologie pédagogique, mais plutôt un moyen d’apprentissage.

Pour faire simple, l’adaptive learning dépend de 2 éléments :
📝 D’un côté il faut disposer de données :
  • Plusieurs profils apprenants : qui vont vous fournir les données à traiter.
  • Différentes ressources : c’est-à-dire l’ensemble des contenus pédagogiques à transmettre.
  • Déterminer des objectifs : que les apprenants doivent atteindre.
🤖 De l’autre côté un algorithme qui aura pour rôle de traiter :
  • L’apparence : c’est-à-dire la façon dont l’information sera présentée à l’apprenti (texte, vidéo, graphique, …).
  • L’accompagnement vers l’objectif : c’est-à-dire la façon dont les actions d’apprentissage seront ordonnées et connectées en fonction du rythme auquel l’apprenti progresse.

On peut résumer, l’adaptive learning à trois questions :
  • Qu’est-ce qu’il faut apprendre ? : les notions que l’apprenant maîtrise et celles qu’il faut développer.
  • Comment l’apprendre ? : c’est-à-dire sous quel format (texte, vidéo, infographie, …).
  • Quand l’apprendre ? : à partir de quelle fréquence et à partir de quel moment une information est bien assimilée pour pouvoir passer à la suivante.
Le « bon moment » est un facteur déterminant. En 1885, Hermann Ebbinghaus définissait le concept de la courbe de l’oubli. Celle-ci décrit la perte d’information au fil du temps, si les apprentissages ne sont ni répétés, ni renforcés. En adaptive learning, les différents modules sont présentés à une certaine fréquence  pour limiter au maximum cet oubli et améliorer la qualité d’apprentissage.

Les faux-amis :

Il est important de ne pas confondre l’adaptive learning avec d’autres concepts d’enseignement plus simpliste qui ne présentent pas les mêmes avantages de personnalisation  ; En voici quelques exemples :
  • 🐣 Le parcours séquentiel : à l’opposé de l’apprentissage adaptatif, la progression se fait de manière linéaire. Le parcours pédagogique reste le même pour l’ensemble des apprenants quel que soit leur niveau.
 
  • 🐥 Le parcours conditionnel : comme le parcours séquentiel, les apprenants vont passer des modules d’apprentissage de manière linéaire. Cependant, dans cette configuration, les apprenants auront la possibilité de passer un niveau s’ils ont obtenu un score suffisant lors du module antérieur.
 
  • 🐔 Le parcours complexe : ici, le parcours fonctionne sur un système de palier, c’est un peu le même système que dans certains jeux vidéo (il n’y a cependant pas de rapport avec la gamification). Les apprenants doivent obtenir un certain score avec les différents modules pour pouvoir passer au palier suivant. Par vous donner un exemple, un apprenant ayant un bon niveau d’apprentissage n’aura besoin de suivre que 2 modules pour passer au palier suivant. Alors qu’un autre apprenant, avec un niveau plus faible devra assister à l’ensemble des modules pour suivre l’enseignement suivant.
 

Les bénéfices et contraintes de l’adaptive learning :

Comme nous avons pu le voir précédemment, l’adaptive learning présente de nombreux avantages. L’apprentissage est optimisé puisqu’il utilise les bonnes ressources, la bonne approche et le tout au bon moment. L’Arizona state University, qui fut l’une des premières université à mettre en place un parcours en adaptive learning avait vu le taux d’abandon de ses formations chuter de plus de 45%.
Cependant, il existe certaines contraintes pour sa bonne application :
  • Cela demande tout d’abord d’avoir de la Data : en effet, plus on a de data, plus l’algorithme sera performant. Cela fonctionnera donc moins bien avec de petits effectifs. Pour autant, dans les bonnes dispositions, ces données sont très utiles. Ces données peuvent, par exemple, permettre de mettre à jour les éléments qui ont permis à vos apprenants d’atteindre les objectifs voulus.
 
  • Cet enseignement demande beaucoup de ressources : en effet, pour pouvoir proposer un contenu adapté aux besoins de chacun, il faut avoir un grand nombre de ressources et le tout dans une grande variété de format (texte, vidéo, graph, …). Ce qui demande un budget assez conséquent.
 
  • L’adaptive learning ne remplace pas le rôle du formateur. Et c’est tant mieux ; encore une fois, il faut voir l’adaptive learning comme un outil (tout comme la gamification, l’intelligence collective, …). Dans cette pédagogie, l’enseignant apporte une plus-value en pouvant comprendre pourquoi un élève choisit constamment la mauvaise réponse et ainsi l’aider à ne plus recommencer ; ce que l’algorithme n’est pas capable de faire.
Avec les progrès constants en matière de machine learning et d’intelligence artificielle, il faut s’attendre à un essor ainsi qu’une amélioration des supports pédagogiques en adaptive learning. Les contraintes citées ci-dessus sont amenées à s’effacer peu à peu. D’une part au niveau de la récupération et de l’étude des données, qui tend à se perfectionner. D’autre part, au niveau des coûts, qui sont eux aussi amenés à diminuer progressivement avec la démocratisation de cet outil d’apprentissage.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *