Contact :
infos@sticef.org
|
Effet
d’un feedback informatif sur la prise de notes dans un environnement
d’apprentissage informatisé
Sonia MANDIN, Philippe DESSUS
Laboratoire
des Sciences de L'Education, Université Pierre Mendès
France et IUFM de Grenoble
Benoît
LEMAIRE Institut
d’Informatique et de Mathématiques Appliquées
de Grenoble (IMAG)
|
RÉSUMÉ : Cet
article évalue les effets d'un feedback informatisé
sur la qualité des notes prises pendant la lecture
d'un cours. La prise de notes, en favorisant la mise en relation
des informations lues avec nos connaissances, entraîne
une réorganisation perturbante de ces dernières.
Dans une démarche expérimentale, nous testons
les effets d’un retour informatif concernant ce que
les étudiants connaissent, sur le contenu de leurs
notes (leur similarité avec le cours lu et leur cohérence
interphrases). La similitude et la cohérence sont évaluées
par un programme d’analyse sémantique latente
(LSA) appliqué à un corpus textuel volumineux.
Contrairement à nos attentes, nous n’observons
pas d’effets dus au feedback mais des effets dus à
la familiarité des participants avec le domaine du
cours.
MOTS
CLÉS : Prise de notes, acquisition de connaissances,
analyse sémantique latente, environnement informatique
d’apprentissage
|
|
ABSTRACT : This
article assesses the computerized feedback effects due to
the qualities of notes taken during the reading of a lesson.
By inducing the connection between the existing knowledge
and the information of a read lesson, the note-taking process
entails a disturbing reorganization of knowledge. With an
experimental approach, we describe the effects due to an inquiry
feedback about the existing knowledge on the note’s
content (their similarity with the lesson text and their textual
coherence). The similarity and the coherence are evaluated
by the latent semantic analysis (LSA) applied to a large textual
corpus. Despite our expectations, we don’t find effects
due to feedback but effects due to the familiarity of the
participants with the domain of the lesson.
KEYWORDS : Note-taking,
knowledge acquisition, latent semantic analysis, interactive
learning environment
|
1. Introduction
La formation ouverte à distance, l’apprentissage en
ligne, les environnements informatiques d’apprentissage humain
et le e-learning sont autant de notions qui, par ce qu’elles
suggèrent, révèlent l’importance accordée
aujourd’hui à l’apprentissage utilisant les nouvelles
technologies de l’information et de la communication. Le nombre
de dispositifs d’enseignement s’accroissant, les apprenants
sont de plus en plus fréquemment amenés à étudier
leurs cours face à un écran et à rédiger
des textes directement en ligne éventuellement en prenant
des notes. Face à cette situation, nous pouvons soit prendre
le parti de comparer les nouvelles situations d’apprentissage
aux situations plus traditionnelles de travail sur papier pour déterminer
lesquelles des deux sont préférables, soit profiter
de ce que la numérisation des productions offre comme perspectives
d'analyse en temps réel qu’un autre contexte d’apprentissage
ne permet pas. Nous nous inscrivons davantage dans cette seconde
vision.
Dans le domaine de la prise de notes en contexte d’apprentissage,
de nombreux travaux ont été réalisés.
Certains sont centrés sur l’activité sur papier
[CanivetAl86],
[Mayer87],
[PeperMayer86],
[PeverlyAl03],
alors que d’autres, souvent plus récents, sont centrés
sur l’usage de la prise de notes avec un ordinateur [BlondelAl00],
[Beaufils01],
[Blondel01].
Toutefois, dans ce dernier cas, l’objectif suivi est généralement
celui de l’analyse des effets de telle ou telle interface
de prise de notes. Ce sont des études davantage orientées
sur l’ergonomie des applications que sur l’analyse des
productions écrites.
Dans notre recherche expérimentale, nous postulons que les
notes contiennent des traces des processus cognitifs effectués
lors d’un apprentissage. Nous essayons donc d’expliquer
l’acquisition de connaissances chez des étudiants par
la description du contenu de leurs notes lors de la lecture d’un
cours. Nous pensons qu’il s’agit d’un préalable
qui peut permettre la conception d’environnements informatisés
d’aide à l’apprentissage s’adaptant
aux traitements cognitifs des utilisateurs. Cette approche utilise
l’analyse sémantique latente, une méthode permettant
notamment d’évaluer la similarité entre deux
contenus textuels [FoltzAl98],
[LemaireDessus01]
et une dimension de la cohérence d’un texte [FoltzAl98],
[LandauerDumais97].
Mais les étudiants ne disposent pas nécessairement
tous des mêmes connaissances initiales. Certains sont plus
familiers que d’autres avec le domaine traité, certains
encore peuvent avoir mémorisé plus d’informations
que d’autres lors de cours antérieurs. Ainsi, notre
recherche nuance-t-elle la description du contenu des notes produites
par la prise en compte de ce qui est acquis initialement et de ce
qui ne l’est pas chez les participants. Il s’agit de
leur faire identifier, par un feedback informatif sur leurs
connaissances préalables du cours, ce qu’ils ne savent
pas pour qu’ils puissent adapter leur comportement dans l’activité
de prise de notes, et d’observer ainsi les modifications de
l’effet du contenu des notes sur l’acquisition de connaissances.
Après une présentation théorique de l'activité
de prise de notes et de la méthode d’analyse sémantique
utilisée pour le traitement informatique des traces produites,
nous décrirons et discuterons l’expérience menée
auprès d’étudiants de licence en sciences de
l’éducation.
2. La prise de notes dans un contexte
d’apprentissage
Plusieurs situations peuvent engendrer une prise de notes :
par exemple, pour se rappeler les détails d’un rendez-vous,
pour se souvenir d’une idée furtive, ou encore lors
d'un apprentissage. Il est donc pertinent de mieux définir
la prise de notes à la fois dans un contexte général
et dans le contexte qui nous préoccupe, celui d'acquisition
de connaissances par exposition à un cours.
2.1. Qu’est-ce que la prise de notes ?
La prise de notes peut être associée tout autant à
un pense-bête qu’à une technique d’apprentissage.
Différentes définitions dans la littérature
rappellent cette distinction. Certains auteurs font référence
à la finalité de la prise de notes. Parmi eux, Reuter
[Reuter94]
la considère comme une démarche de synthèse
ou de résumé. D’autres comme Simonet et Simonet
[SimonetSimonet97]
font référence à ses fonctions d’apprentissage.
Ils la caractérisent comme une "démarche
active d’enregistrement par écrit d’une information"
dans le but de permettre des relectures ultérieures.
Oxford et Crookall [OxfordCrookall89]
classent la prise de notes dans les stratégies cognitives
d’apprentissage et la définissent comme technique qui
entraîne la manipulation et la transformation directe d’informations.
Elle facilite l’appropriation de connaissances [Dansereau85].
Romainville [Romainville93]
est plus précis. Il distingue deux types de stratégies
d’apprentissage : celles fondamentales qui agissent directement
sur le traitement de l’information par des mécanismes
cognitifs et celles de support qui produisent les conditions les
plus favorables à l’apprentissage. Dans cette classification,
la prise de notes peut alors être davantage assimilée
à une stratégie fondamentale qu’à une
stratégie de support : elle ne modifie pas physiquement
l’environnement mais met en œuvre des processus cognitifs
particuliers propres à toutes les activités rédactionnelles.
2.2. Une activité rédactionnelle au service de l’apprentissage
Piolat [Piolat01]
désigne la prise de notes comme une activité dont
les mécanismes cognitifs sont similaires à ceux de
toutes activités rédactionnelles. Dans le modèle
présenté par Hayes et Flower [Hayes98],
la rédaction est contrainte par l’environnement de
la tâche sociale (le destinataire des notes, la motivation
de l’auteur, le texte déjà transcrit et le support
d’écriture), les connaissances de l’auteur stockées
dans la mémoire à long terme (MLT) et trois processus
cognitifs faisant intervenir la mémoire de travail (interprétation,
réflexion et production de texte). Kellogg [Kellogg98]
affine la description de l’activité rédactionnelle
en la reliant au modèle de la mémoire de travail (MDT)
de Baddeley [Baddeley93].
Il distingue ainsi trois processus qui mobilisent la MDT :
-
la formulation au cours de laquelle un tri des
informations s’effectue en reliant les connaissances préalables
stockées en MLT aux informations perçues lors
de l’activité rédactionnelle ;
-
l’exécution qui permet la transcription
des représentations verbales ;
-
le contrôle qui permet d’évaluer
les dissonances entre le texte rédigé et le texte
attendu.
Ces processus interviennent pendant une phase d'encodage des informations
perçues. Mais l'activité de prise de notes ne s'arrête
pas là. Les notes ont une durée de vie qui dépasse
le temps de leur rédaction. Ainsi, ont-elles deux fonctions
qui s'expriment à des moments différents : l'encodage
et le stockage externe d'informations.
2.3. Les deux fonctions de la prise de notes
2.3.1. L’encodage
L’encodage est une première fonction de la prise de
notes qui permet le traitement des informations auxquelles un individu
est exposé. Pendant le traitement, le noteur rapproche les
nouvelles informations perçues de ses connaissances préalablement
acquises. A ce propos, Mayer [Mayer87]
rappelle que l’apprentissage est favorisé par la réalisation
de connexions internes et externes. Ainsi, les connexions internes
permettent-elles de relier entre elles les différentes informations
contenues dans un texte et les connexions externes de relier ces
informations à ses propres connaissances.
D’autres travaux ont permis d’approfondir la connaissance
de ces processus. Dans une première expérience sur
des lycéens, Peper et Mayer [PeperMayer86]
testent trois hypothèses d’attention (la prise de notes
oblige à être attentif et à approfondir la compréhension),
de distraction (les élèves devraient davantage se
concentrer sur l’écriture que sur la lecture) et générative
(les processus cognitifs propres à la prise de notes facilitent
les connexions externes). Pour cela, ils présentent un texte
aux élèves en demandant à certains de prendre
des notes. Puis ils leur proposent quatre tests différents
(tests de reconnaissance syntaxique, sémantique et factuelle,
test d’application). Les résultats ne valident que
la troisième hypothèse. D’une part, les scores
obtenus au test d’application dans le groupe prenant des notes
sont significativement supérieurs à ceux du groupe
contrôle, signe de la réalisation d’un plus grand
nombre d’inférences. D’autre part, les scores
obtenus aux autres tests dans le groupe prenant des notes sont significativement
inférieurs à ceux du groupe contrôle, signe
d’une perturbation temporaire induite par une réorganisation
des connaissances.
Une seconde expérience est menée par les mêmes
chercheurs dans laquelle ils vérifient les prédictions
d’un effet génératif, c'est-à-dire :
-
les noteurs ont de meilleurs performances que
les non-noteurs sur les tests d’application et inversement
sur les autres tests ;
-
cette différence est forte chez les étudiants
dont les connaissances dans le domaine du texte exposé
sont les plus importantes, et faible chez les autres ;
-
les effets d’autres activités génératives
sont semblables à ceux de la prise de notes.
Cette fois, les différents groupes sont constitués
d’individus prenant des notes pendant la lecture ou après
chaque section de texte, d’individus répondant à
des questions après les sections ou n’y répondant
pas, et d’individus d’un groupe contrôle ne prenant
aucune note. Dans chacun des groupes, des personnes familières
et non familières au thème sont présentes.
En revanche, les tests sont identiques à ceux de la première
étude. Les données recueillies dans cette expérience
corroborent l’ensemble des hypothèses sur l’effet
génératif de la prise de notes.
Plus récemment, Peverly, Brobst, Graham et Shaw [PeverlyAl03]
ont mené une expérience, proche de la nôtre,
en prenant en considération à la fois les effets de
la prise de notes et du niveau des connaissances préalables
sur le texte étudié. Ils ont notamment recueilli les
prédictions des étudiants sur leurs performances à
trois moments-clefs : avant et après la lecture du texte
exposé, ainsi qu’après la passation de tests
(rappel libre, questions à choix multiples). Ils ont ainsi
montré que la prise de notes permet aux étudiants
d’améliorer leurs scores aux tests et de mieux juger
de ce qu'ils connaissent. Par ailleurs, il semble également
que le contenu des notes et les connaissances initiales sur le texte
étudié soient des variables explicatives des résultats
au test de rappel.
2.3.2. Le stockage externe
Mais la finalité de la prise de notes dans un contexte d’apprentissage
ne se limite pas à l’amélioration de l’encodage
des informations. Prendre des notes a également un intérêt
à plus long terme, lors de la relecture des données
transcrites. Alors que l’encodage s’effectue dès
la première exposition à une source informative, la
fonction de stockage externe ne peut intervenir sur l’apprentissage
qu’ultérieurement ou plus précisément
lorsque le noteur relit ses notes. Elles servent alors de support
mémoriel.
Lors d’un cours oral, Canivet, Lecocq, Ledru et Sizaire [CanivetAl86]
montrent que la prise de notes ne nécessite pas une forte
compréhension du discours mais qu’elle la favorise
plus tard lors de la révision. Ils observent que les étudiants
prennent davantage de notes quand le sujet n’est pas familier
avec le domaine du discours, et que l’effet de la présence
d’indices dans le texte source, inducteurs ou inhibiteurs
de la prise de notes, est plus important. Ils émettent ainsi
l’hypothèse que les indices permettent une sélection
des informations en requérant un minimum d’effort cognitif
et qu’un second traitement, plus profond, se fait au moment
de la relecture.
Dans notre étude, nous nous sommes centrés uniquement
sur la fonction d’encodage, qui favorise l’apprentissage
en facilitant les connexions externes, et nous avons essayé
de l’améliorer en réduisant l’effet perturbateur
induit par une réorganisation des connaissances. Un dispositif
informatique a donc été conçu pour guider la
sélection des informations à transcrire et un programme
d’analyse sémantique a été utilisé
pour le traitement des notes recueillies. De nombreuses études
concernent également le développement d’environnements
informatisés pour la prise de notes. Ce qui suit en montre
la diversité.
3. Des aides informatiques à la
prise de notes
Deux types d’études liées à la prise
de notes peuvent être distingués selon leur objectif :
d’une part, les études visant l’amélioration
de la recherche documentaire (elles sont éloignées
de notre problématique, mais permettent de découvrir
différentes formes d’applications informatiques de
prise de notes), et d’autre part, les études visant
l’amélioration de l’apprentissage (elles sont
plus proches de notre propre étude).
3.1. Des aides à la prise de notes pour améliorer
la recherche documentaire
La recherche documentaire ne se limite pas à la consultation
d’ouvrages en papier. Elle se fait également bien souvent
avec un ordinateur. Dans un tel contexte, la prise de notes peut
être améliorée en facilitant le stockage des
informations trouvées. C’est ce que certains chercheurs
montrent avec des applications comme ARI ou Eurisko. Nous les citons
brièvement ici car bien que l’objectif de notre étude
soit différent, elles contribuent à la construction
d’une représentation d’un module de prise de
notes sur ordinateur :
– ARI (Assistant à la Recherche d’Informations) :
Blondel, Kempf et Schwob [BlondelAl00]
font l’observation que les élèves de première
scientifique, lors d’une recherche sur Internet, consultent
un maximum de sites en prenant très peu de notes. Dans une
étude suivante, Beaufils [Beaufils01]
montrera que les élèves de quatrième et de
seconde bénéficient d’une activité réflexive,
préparatoire à la recherche documentaire, au cours
de laquelle les élèves déterminent des mots-clefs,
un premier plan pour une synthèse future et quelques requêtes.
Partant de ces observations, ARI a été conçu
pour faciliter la planification de l’activité lors
d’une recherche d’informations sur Internet. Il permet
ainsi de capturer des extraits de textes à partir de documents
quelconques, de leur donner un titre, de leur ajouter un commentaire
personnel, d'insérer leur adresse de stockage (en local ou
en réseau) et de les classer dans une arborescence de dossiers
[Beaufils01],
[Blondel01],
[BlondelAl00].
ARI facilite donc l’encodage en assistant la prise de notes,
et favorise la relecture en simplifiant l’accès ultérieur
aux informations stockées.
– Prototype d’aide à la recherche d’information
associé à Eurisko : Il est issu d’une
étude basée sur le modèle cognitif EST de Rouet
et Tricot [TricotAl98]
selon lequel la recherche d'informations dans un environnement documentaire
complexe se déroule en trois étapes cycliques d’Evaluation
du travail, de Sélection et de Traitement des informations
trouvées. L’étude a un triple objectif :
l’amélioration de la représentation d’une
base de données, de la synthèse des résultats
de recherches et de la conservation des informations trouvées.
Pour cela, le prototype ajoute notamment un espace de travail individuel
de prise de notes (notes personnelles, références
et extraits de textes) à une base documentaire hypermédia
sur la Grèce antique (Eurisko). Cet espace est affiché
continuellement dans un cadre à l’écran et accessible
rapidement. Il peut toutefois être masqué au gré
de l'utilisateur. Les notes sont modifiables, regroupées
en chapitres et classables selon divers critères [Beaufils01].
L'expérience est réalisée sur trois groupes
(l'un avec la base Eurisko sans le prototype, les deux autres avec
la base Eurisko associée au prototype) dans des classes de
troisième et de première. Elle rend compte qu’un
espace destiné à la prise de notes réduit les
risques d'oubli et favorise l'attention.
3.2. Des aides à la prise de notes pour améliorer
l’apprentissage
L’un des autres axes possibles de recherche est d’améliorer
la prise de notes sur ordinateur pour favoriser l’apprentissage.
Profitant des possibilités offertes par l’informatique,
la plupart des études cherchent à valider une méthode
spécifique de prise de notes sur ordinateur. Plus rares sont
celles qui en testent la pertinence en comparant une prise de notes
sur ordinateur à une prise de notes sur papier. Nous citerons
toutefois l’étude de Gérouit, Roussey, Barbier
et Piolat [GérouitAl00].
Des élèves de 10-12 ans plus ou moins bons lecteurs
rédigent un texte argumentatif à partir de notes transcrites
au cours d’une recherche documentaire dans une base de données
multimédia. L’accessibilité des informations
et leur rétention sont évaluées à partir
du texte produit et d'un questionnaire portant sur les impressions
laissées par le dispositif. Pour cette expérience
deux outils sont nécessaires :
-
un site web multimédia adapté aux
besoins (suppression des hypertextes pointant sur des sites
externes, modification de certains contenus, insertion d’un
sommaire en page d’accueil) et présenté
sur un CD-ROM. Le site se décompose en huit rubriques
possédant chacune des liens inter et intra rubriques.
-
un logiciel de traitement de textes pour la prise
de notes (WordPad) qui offre un minimum d’options
de mise en page.
Durant cette expérience, un premier groupe a accès
à la prise de notes via WordPad et un second via l'utilisation
de papier/crayon. Deux limites sont imposées : une limite
de temps dans la phase de recherche documentaire et dans la phase
de rédaction ainsi qu'une limite d'espace pour la prise de
notes. Les principales conclusions sont que les élèves
écrivent moins avec l'outil papier/crayon, et que la pertinence
des notes est plus faible chez les mauvais lecteurs. A propos de
ces derniers, Gérouit et al. [GérouitAl00] écrivent :
"ils peuvent focaliser leur attention
sur les processus de compréhension, sur le maintien en mémoire
de travail du but de la recherche d'informations et sur l'évaluation
des éléments sélectionnés".
Dans notre étude, nous travaillons sur des notes produites
avec une organisation imposée minimale, comme dans celle
de Gérouit et al [GérouitAl00].
Cependant, nous ne nous inscrivons pas dans une étude comparative
entre la prise de notes sur ordinateur et la prise de notes sur
papier. Nous nous intéressons à l’effet de la
prise de conscience de connaissances sur les notes produites et
sur l’acquisition de connaissances par exposition à
un cours. La prise de conscience est stimulée par un feedback.
4. Un feedback pour améliorer la
prise de notes
Par définition, le feedback est un retour fourni
à un sujet sur l’action qu’il vient de réaliser.
Il prend la forme d’un résultat plus ou moins précis
tel qu’une appréciation, un classement ou une réponse
exacte. Le feedback a deux fonctions : la première,
la plus évidente, est une fonction d’information, et
la seconde, une fonction de motivation [Fenouillet01],
[Leplat02].
Leplat [Leplat02]
préfère le terme de "connaissance
du résultat". Mais, utilisant le feedback essentiellement
pour sa première fonction, nous préférerons
utiliser ici les termes de "feedback
informatif", également employés dans la littérature
[Fenouillet01].
Pour qu’un comportement soit modifiable, le feedback
doit succéder à une action. Dans la littérature,
nous trouvons essentiellement des expériences réalisées
sur des tâches précises et dans lesquelles le feedback
a un caractère rétroactif [Bruillard97].
Une notion proche est alors celle de renforcement. Mais d’autres
études détournent quelque peu l’utilisation
du feedback : le but n’est plus de modifier l’action
par correction d’erreurs, mais d’observer l’effet
d’un feedback sur un processus cognitif. L’étude
d’Olive et Piolat [OlivePiolat02]
a été réalisée dans ce but. Ils étudient
l’effet sur les processus d’écriture d’une
absence de feedback visuel, autrement dit, de l’absence
de la trace visible laissée par l’encre d’un
crayon sur le papier quand nous écrivons. Ils concluent que
le feedback visuel n’améliore que les processus
d’exécution dans la tâche rédactionnelle.
Dans notre propre étude, nous utilisons également
le feedback d’une manière atypique. Il sert
de retour informatif sur les connaissances préalables qu’un
étudiant possède sur le texte présenté.
Nous choisissons donc de le prodiguer avant la phase d’exposition
au texte et d’en observer les effets sur l’acquisition
de connaissances et sur le contenu des notes transcrites en cours
de lecture.
Si l’analyse des résultats d'un questionnaire s'effectue
classiquement, ce n'est pas le cas de l’analyse de contenu
des notes produites. Aussi, nous avons donc recours à une
analyse sémantique informatisée, l'analyse sémantique
latente.
5. L’analyse sémantique latente
L’une des façons d’observer les différents
traitements cognitifs effectués par les noteurs est de se
centrer sur le contenu des informations relevées. Deux indicateurs
semblent alors pertinents : la cohérence des notes et
leur similitude au cours exposé. LSA fournit une méthode
pour rendre compte de ces indicateurs.
5.1. Présentation d’une méthode informatique :
l’analyse sémantique latente (LSA)
LSA (Latent Semantic Analysis) est un modèle mathématique
conçu par Landauer et Dumais [LandauerDumais97]
permettant de décrire statistiquement le sens d’un
mot à partir des contextes dans lesquels ce mot ou un autre
sémantiquement proche apparaît. Parmi les divers domaines
dans lesquels LSA fut utilisé, nous trouvons celui de l’évaluation
des connaissances d’un sujet à partir de ses productions
écrites [RehderAl98],
[WolfeAl98].
Le programme reçoit en entrée un corpus de textes
qu’il représente dans un espace vectoriel multidimensionnel
et produit en sortie les résultats d’un traitement
statistique. Les résultats correspondent à la proximité
sémantique qui existe entre les différents éléments
textuels (mots, phrases, paragraphes). Les calculs sont issus de
la linguistique distributionnelle et basés sur les deux propositions
suivantes [Landauer02],
[LemaireDessus03] :
-
le sens d’un mot peut être défini
statistiquement à partir de l’ensemble des contextes
dans lesquels il apparaît,
-
le sens d’un mot peut être défini
statistiquement à partir des occurrences des mots desquels
il est lui-même cooccurrent.
De plus, Kontostathis et Pottenger [KontostathisPottenger02]
montrent que des cooccurrences d’ordre supérieur interviennent
aussi. Si un terme t1 est cooccurrent d’un
terme t2, le terme t2 est cooccurrent
d’un terme t3, ...et un terme tn-1
est cooccurrent d’un terme tn alors,
t1 est lié à tn.
Leur étude sur cinq corpus différents (deux corpus
de textes spécifiques, un corpus de mots et un corpus de
phrases nominales) souligne que les paires de cooccurrences relevées
ne dépassent pas le niveau 3, excepté pour le corpus
de phrases nominales qui atteint des cooccurrences d’ordre
5. LSA rend compte de ces cooccurrences d’ordre supérieur
à 2.
Ainsi, chaque terme correspond-il à un vecteur. Un groupe
de termes, tel qu’une phrase, est représenté
par le vecteur somme des vecteurs des termes qui le composent et
la proximité sémantique entre deux éléments
est estimée par le cosinus de l’angle formé
par leurs vecteurs respectifs. Cette méthode permet ainsi
d’estimer notamment la compréhension d’un texte
par une mesure de la cohérence interphrases [FoltzAl98]
et d’évaluer les connaissances contenues dans une production
écrite par comparaison à des connaissances de référence
[DessusAl00].
Mais la pertinence des résultats repose avant tout sur l’input
fourni au programme.
5.2. L’importance du corpus
Le corpus utilisé avec LSA joue le rôle de connaissances
préalables. Il est donc important de le construire précautionneusement
afin qu'il représente au mieux les connaissances réelles
de la population étudiée. Deux critères doivent
être pris en compte dans le choix d'un corpus : la quantité
et le contenu des données.
Les performances de LSA dépendent d’un corpus volumineux.
Dessus [Dessus00]
montre que LSA est un modèle qui représente l’acquisition
du vocabulaire. La proximité sémantique des mots évolue
au fur et à mesure de l’exposition à des textes
qui les contiennent et de manière différente selon
leur importance dans le contexte (les termes dont l’importance
varie au cours du texte ont une proximité sémantique
entre eux généralement croissante et plus rarement
décroissante, en revanche ceux correspondant à des
notions centrales du texte ont une proximité sémantique
à peu près constante).
Par ailleurs, les performances de LSA dépendent aussi du
contenu du corpus. Kurby, Wiemer-Hastings, Ganduri, Magilano, Millis
et Mc Namara [KurbyAl03]
réalisent une expérience dont l’un des objectifs
est de comparer les classements d’évaluateurs humains
à ceux de LSA utilisé avec des corpus spécialisés
et des corpus généraux. Les deux types de corpus sont
construits à partir d'un même corpus comprenant des
textes dans le domaine des sciences, qu'ils soient spécialisés
ou non. Les corpus spécialisés sélectionnés
diffèrent des corpus généraux par leur proportion
plus importante de textes spécifiques. Les classements s’effectuent
à partir d’explicitations à voix haute produites
lors de la lecture d’un texte scientifique. Chaque phrase
d’explicitation est comparée à trois types de
termes indiquant ainsi si le lecteur réfère à
la phrase lue (stratégie minimale), à ce qui précède
(stratégie locale) ou à des connaissances du domaine
(stratégie globale). Les auteurs concluent qu’un corpus
spécifique permet un classement plus proche de celui d’humains.
Ces résultats incitent à ne pas considérer
uniquement un critère de taille dans la sélection
de corpus. Il faut également qu'il soit approprié
au domaine du texte de référence. C'est dans cette
optique que nous avons construit un corpus particulier pour notre
expérience.
Cependant, l’une des limites de LSA réside dans le
fait que la construction de connaissances se fait à partir
d’un corpus alors que les humains utilisent dans une tâche
d’apprentissage non seulement le cours mais aussi des connaissances
non décrites dans des textes. Glenberg et Robertson [GlenbergRobertson00]
rappellent que, pour comprendre la signification d’un symbole
abstrait, nous ne pouvons pas nous référer uniquement
à d’autres symboles abstraits. Aussi, LSA ne peut pas
expliquer toute la sémantique. Les auteurs le vérifient
dans une première expérience où ils comparent
les jugements de personnes sur des phrases (sont-elles sensées ?
sont-elles imaginables ?) aux indices de proximité sémantique
calculés par LSA entre la phrase initiale et une phrase testée
puis entre les deux mots principaux des phrases testées.
Dix-huit situations sont expérimentées, chaque situation
correspondant à trois phrases : une cohérente
avec les deux mots conceptuels principaux éloignés
sémantiquement (afforded), une
non cohérente (nonafforded) et enfin, une cohérente
avec les deux mots conceptuels proches sémantiquement (related).
Les résultats de cette expérience montrent que les
personnes différencient chaque type de phrases alors que
LSA ne le fait pas entre les phrases afforded et nonafforded.
Une explication serait alors que les sujets répondent aux
questions en tenant compte de leur expérience non linguistique.
Les mêmes conclusions sont obtenues dans une seconde expérience
relativement semblable. Enfin, une dernière étude
introduit, dans les textes soumis aux sujets expérimentés,
des verbes dont l’utilisation est nouvelle. Glenberg et Robertson
[GlenbergRobertson00]
estiment ainsi que l’homme peut comprendre un sens nouveau
alors que LSA ne le peut pas. Cependant, Landauer [Landauer02]
répond à cette objection en rappelant que parmi les
phrases testées par Glenberg et Robertson, dix mots sont
présents alors qu’ils ne figurent pas dans le corpus.
Cela souligne, là encore, l’importance de ce dernier.
5.3. La mesure de la cohérence textuelle
Dans une étude de Lehman et Schraw [LehmanSchraw02]
sur les effets sur la compréhension de la cohérence
et de la pertinence d’un texte, la cohérence est définie
comme une mesure par laquelle les segments de textes apparaissent
liés structurellement entre eux et induisent un rapprochement
avec les informations mémorisées. Par conséquent,
deux types de cohérence sont distingués : la
cohérence locale et la cohérence globale. La première
représente le niveau d’ambiguïté entre
deux phrases contiguës et la seconde est celle qui agit sur
les inférences construites par le lecteur et les associations
entre ses connaissances initiales et les informations lues pour
améliorer la représentation de la situation décrite
dans le texte.
Foltz, Kintsch et Landauer [FoltzAl98]
ont élaboré une méthode pour mesurer la cohérence
textuelle avec LSA. Ils ont comparé la cohérence estimée
par des techniques manuelles particulières à la cohérence
estimée par LSA en calculant la moyenne des cosinus entre
chaque phrase consécutive (valeurs comprises entre –1
et 1). Dans une première étude, Foltz, Kintsch et
Landauer [FoltzAl98]
tentent de montrer que la compréhension d’un texte
peut être prédite en mesurant sa cohérence avec
LSA. Pour cela, ils comparent les résultats de sujets à
des tests de compréhension à la cohérence estimée
des textes proposés. Ces textes sont des déclinaisons
d’un seul et même document (texte rendu cohérent
par la méthode de Britton et Gulgoz (1991) [FoltzAl98]1 ;
texte clarifié en ordonnant les points importants et en supprimant
les points superflus ; texte rendu moins lisible ; texte
original). Conformément à ce qui était prédit,
LSA désigne les deux premiers textes comme ceux qui sont
estimés les plus cohérents. Les auteurs reprennent
ainsi une méthode basée sur la définition de
cohérence énoncée par van Dijk et Kintsch (1983)
[LandauerDumais97].
Par ailleurs, dans l’expérience de Foltz, Kintsch et
Landauer [FoltzAl98],
les sujets qui ont lu les textes les plus cohérents sont
également ceux qui obtiennent les meilleurs scores en rappel
libre, à un QCM testant des inférences et en efficience
(rapport entre le nombre de propositions rappelées et le
temps de lecture). Les auteurs identifient ainsi une forte corrélation
entre la cohérence d’un texte et les caractéristiques
mesurées de la compréhension.
5.4. La mesure de la similarité de contenu
Différents logiciels se basent sur LSA pour comparer les
informations contenues dans une production écrite d’élèves
à des connaissances de référence. Ces logiciels
l’utilisent pour son aptitude à modéliser l’évaluation
des connaissances. Différents types de scores sont ainsi
déterminés.
Considérons tout d’abord le logiciel IEA (Intelligent
Essay Assessor) de Foltz, Kintsch et Landauer [FoltzAl98],
conçu pour la notation de productions d’élèves.
Il attribue un score dit gold standard issu de la comparaison
entre une copie d’élève et une copie "idéale"
mais aussi un score holistique, associant pour chaque copie d’élève,
le score donné par un évaluateur humain à la
copie de référence la plus proche sémantiquement.
En revanche, dans l’application Apex [LemaireDessus01],
les scores basés sur des comparaisons déterminent
des scores de contenus (comparaisons des copies aux textes lus)
et de plan (comparaison de chaque paragraphe rédigé
à chaque notion étudiée). Dans la présente
étude, nous déterminons la similarité de contenu
par une comparaison sémantique d’un cours aux notes
transcrites pendant sa lecture.
LSA, par les possibilités de mesures d’une dimension
de la cohérence d’un texte et de la similitude de contenu
entre deux documents, devient alors une méthode permettant
une évaluation rapide et neutre des notes. Voici donc maintenant
la description de l’expérience menée, suivie
d’une discussion sur les résultats obtenus.
6. Expérience
6.1. Problématique et hypothèses
L’expérience que nous présentons consiste à
faire lire un cours à des étudiants après avoir
évalué leurs connaissances préalables. Nous
observons ainsi l’effet d’un retour de cette évaluation
sur la prise de notes et sur l’apprentissage. Comme nous l’avons
déjà signalé, d’après Peper et
Mayer [PeperMayer86],
la prise de notes facilite l’apprentissage en favorisant les
connexions externes. Toutefois, de moins bons résultats à
des tests de reconnaissance et de rappel sont observés quand
le lecteur note. Cette baisse est provoquée par une
perturbation liée à la réorganisation des connaissances
en mémoire. Ne pourrions-nous donc pas améliorer ces
résultats en agissant sur les connexions externes ?
L’idée expérimentée serait alors d’inciter
les noteurs à relier les informations du texte, non pas à
leurs connaissances acquises, mais à leurs connaissances
déficitaires.
Différents courants de pensée sur l’apprentissage
cherchent à améliorer les connaissances individuelles
par l’utilisation d’un feedback. La conception
béhavioriste skinnérienne qui veut que ce dernier
soit utilisé comme un renforcement positif d’un comportement,
s’oppose alors à la conception cognitiviste de Crowder
qui présente le feedback comme un moyen de permettre
à l’apprenant de se rendre compte de ses erreurs dans
le but d’approfondir les points problématiques [Bruillard97].
En nous situant dans ce dernier courant, nous espérons améliorer
l’acquisition de nouvelles connaissances par exposition à
un texte en utilisant un feedback informatif sur l’exactitude
des réponses aux questions posées. Ce retour simple
et instantané permettrait à l’apprenant de prendre
conscience que ce n’est plus l’intégralité
du cours qui est à apprendre, mais seulement ses connaissances
erronées ou incomplètes qui sont à corriger
ou à compléter. Autrement dit, le feedback
permettrait au lecteur de mieux se rendre compte des sections
du texte les moins connues. Notre hypothèse est alors que
le lecteur focaliserait davantage sa prise de notes sur ces sections,
augmentant ainsi la similitude de contenu entre les notes et les
sections méconnues du texte (similitude de contenu partiel).
Par ailleurs, il organiserait ses notes autour d’un objectif
clairement identifié, ce qui en augmenterait la cohérence
textuelle interphrases.
6.2. Méthode et traitements
Les sujets. Quarante-quatre étudiants en licence
de sciences de l’éducation de l’université
Pierre-Mendès-France (Grenoble) participent à l’expérience.
Ils sont volontaires et reçoivent un crédit d’un
demi-point pour leur participation. Parmi eux, certains suivent
l’unité d’enseignement en lien avec le texte
présenté. Ils sont donc familiarisés avec le
domaine traité et avec l’informatique, largement utilisée
lors des cours. Mais leur effectif étant trop faible, des
personnes ne suivant pas l’unité d’enseignement
sont également incluses. Ces dernières ne sont ni
familiarisées avec le domaine du texte ni spécifiquement
avec l’informatique.
Matériel. Chaque étudiant est placé
devant un ordinateur et utilise l’application conçue
pour l’expérience. Il leur est présenté
successivement un questionnaire à choix multiples de quinze
questions, un texte réparti sur huit pages (d’environ
310 mots chacune) parfois rattaché à une zone de texte
pour la prise de notes, et de nouveau un questionnaire. Le texte
porte sur le travail de l’enseignant et est issu d’un
cours auquel est inscrit une partie des participants.
Procédure. Les étudiants sont répartis
dans quatre groupes de 10 à 12 participants chacun. Deux
groupes peuvent prendre des notes parmi lesquels un seul reçoit
un feedback sur ses connaissances initiales du cours. Il
en est de même pour les deux autres groupes ne prenant pas
de notes. Le groupe témoin est celui qui ne prend pas de
notes et qui ne reçoit pas de feedback. Cependant,
l’activité des étudiants se déroule toujours
en trois étapes, précédées d’un
temps d’habituation, qui sont :
-
Le pré-test : les étudiants
sont tous évalués sur leurs connaissances du cours
exposé, par quinze questions à choix multiples.
Cependant, il est à noter que le score au pré-test
est noté sur vingt-deux en raison du fait que plusieurs
cases doivent être cochées à certaines questions.
L’ensemble des questions concerne les idées générales
de certains paragraphes du cours. Tous les paragraphes ne sont
pas traités afin de ne pas lasser avec trop de questions.
En revanche, chaque question se réfère à
un paragraphe et un paragraphe ne peut faire l’objet que
d’une seule question. Après chaque question, la
moitié des étudiants reçoit un retour informatisé
sur l’exactitude de leurs réponses sous la forme
très bien, bien, moyen, mauvais ou très mauvais,
selon le ratio de cases correctes cochées.
-
La lecture du cours et la prise de
notes : les étudiants accèdent au cours
pendant 45 minutes. Le retour sur l’évaluation
des connaissances initiales est transmis une seconde fois, face
aux sections concernées du cours, aux étudiants
des deux groupes feedback avec et sans prise de notes.
Nous nous assurons ainsi que les effets observés ne sont
pas liés à des différences de mémorisation
de ce retour informatif. Par ailleurs, les étudiants
de deux groupes sont confrontés à une interface
où un espace est réservé à une prise
de notes simultanée à la lecture (figure
1). Chaque page de cours correspond à une page de
notes et le passage d’un écran à un autre
n’autorise pas de retour. Les copier/coller sont verrouillés
et la seule mise en page possible est le saut de lignes et le
retrait par des espaces. Toutefois, aucune consigne concernant
la prise de notes n’est donnée, sinon d’éviter
les abréviations pour ne pas produire de biais dans l’analyse
sémantique.
Figure 1 : Ecran d'une page de cours, du feedback
et de l'espace de prise de notes
-
Le post-test : les questions
du pré-test sont présentées une nouvelle
fois à tous les groupes, mais dans un ordre différent
pour éviter toute habituation. Ce post-test est réalisé
sans délai après la lecture et la prise de notes.
En outre, plus aucun étudiant ne reçoit de feedback.
Traitement des données. Deux types de données
sont recueillies : les scores aux questionnaires à choix
multiples et les notes qui sont analysées avec LSA. Afin
d’optimiser les calculs réalisés avec ce programme,
nous utilisons un espace multidimensionnel que nous estimons acceptable,
c’est-à-dire suffisamment représentatif des
connaissances sémantiques des étudiants. Nous n’avons
certes pas testé différents corpus pour conserver
le plus optimal, mais nous en avons construit un en respectant au
mieux les qualités prescrites dans la littérature.
Il est donc volumineux [Dessus00]
par l’intégration de l’ensemble des articles
parus dans le journal Le Monde en 1999, et un minimum spécialisé
[KurbyAl03]
par la concaténation des articles à l’intégralité
du cours dont est extrait le texte lu par les étudiants.
La matrice construite sur ce corpus a été réduite
à 300 dimensions2.
Trois valeurs sont ainsi dégagées :
-
l’indice de cohérence des notes :
la cohérence textuelle, telle qu’elle est mesurée,
permet d’observer l’enchaînement des idées
transcrites, phrase après phrase, par les étudiants.
Elle correspond à la moyenne des indices de proximité
sémantique calculés par LSA entre chaque phrase
consécutive (phrase 1 et 2, phrase 2 et 3,...) des huit
pages de notes. Cette méthode de calcul reprend celle
validée par Foltz, Kintsch et Landauer [FoltzAl98]
et par van Dijk et Kintsch (1983) [LandauerDumais97].
-
l’indice de similitude de contenu partiel :
la similitude de contenu partiel permet de vérifier
si les étudiants se focalisent, lors de leur prise de
notes, effectivement davantage sur les points correspondant
à leurs lacunes. Elle est appréhendée par
la moyenne des indices de proximité sémantique
issus de la comparaison des notes à chaque section du
cours non acquise. Les sections du cours sont considérées
comme non acquises dès lors que les réponses initiales
aux questions correspondantes posées correspondent à
un feedback de valeur mauvais ou très mauvais,
c’est-à-dire quand le nombre de cases correctement
cochées est inférieur à la moitié
du nombre de bonnes réponses attendues.
-
l’indice de similitude de contenu total :
il est appréhendé par la moyenne des indices de
proximité sémantique issus de la comparaison des
notes à chaque section du cours, acquise ou pas. Cette
valeur sert à vérifier que cette similitude de
contenu produit bien un effet sur l’acquisition de nouvelles
connaissances et que cet effet est augmenté par la présence
d’un feedback.
Ces calculs d’indices nécessitent toutefois que les
notes subissent des mises en forme particulières (divisions
ou regroupements des unités considérées en
paragraphes). Les diverses mesures correspondent, ainsi, à
des calculs de cosinus des angles formés par les vecteurs
représentatifs des paragraphes. Notons aussi que nous ne
supprimons aucune information. Si les participants ont inclus des
méta-notes, elles sont traitées comme des phrases
et chacune est donc transformée en paragraphe (figure
2).
Figure 2 : Calcul de la cohérence interphrases
et calcul des similitudes de contenu à partir des notes d'un étudiant
6.3. Résultats
6.3.1. Analyse des progrès
Une analyse des scores obtenus au pré-test montre que les
différences observées parmi les groupes expérimentaux
ne sont pas dues à des différences de répartition
de la population mais bien au hasard. Nous pouvons donc considérer
que les étudiants sont répartis équitablement
(F(3,40) = 1,028 ; p = 0,391). Les premiers tests
statistiques montrent qu’une différence existe entre
les progrès des étudiants de l’unité
d’enseignement en lien avec le cours lu et les autres. Les
premiers progressent moins que les seconds (F(1,42) = 6,643 ;
p = 0,014) sans qu’il existe pour autant d’effet
plafond. Cette différence entre étudiants familiers
et non familiers se retrouve dans les expériences de Peper
et Mayer [PeperMayer86]
en situation de prise de notes sur papier. Cependant, la différence
qu’ils observent entre noteurs et non noteurs ne se retrouve
pas dans nos résultats (F(3,40) = 0,579 ; p
= 0,632). La différence de progrès est donc sans
doute liée à une différence très significative
(F(1,42) = 5,316 ; p = 0,026) (tableau
4) dans les connaissances initiales entre étudiants familiers
et non familiers au domaine du texte exposé.
Nous n’observons pas en revanche de différence significative
entre les groupes recevant un feedback et entre les groupes
n’en recevant pas (F(1,42) = 0,305; p = 0,583).
Donc, seule la distinction entre cours suivis permet de faire apparaître
des différences de progrès. Nous ne pouvons malheureusement
pas préciser l’effet de la prise de notes et du feedback
spécifiquement sur ces groupes, l’effectif de l’échantillon
étant trop faible (tableau 1).
|
Feedback |
Feedback + PDN |
PDN |
Contrôle |
Pré-test |
9,8
(2,8) |
10,1
(2,6) |
9,5
(2,3) |
8,3
(2,7) |
Post-test |
15,2
(3,3) |
15,5
(2,2) |
13,6
(2,9) |
13,9
(3,2) |
Tableau 1 : Moyennes et écarts
types du nombre de cases correctement cochées sur les 22
attendues aux pré et post-tests
6.3.2. Analyse des notes
L’effet du feedback n’est pas non plus évident
sur la cohérence et les similitudes de contenu. Aucune différence
significative n’apparaît (tableau 2).
L’hypothèse formulée n’est donc pas vérifiée.
|
Cohérence
interphrases |
Similitude
de contenu partiel |
Similitude
de contenu total |
Feedback
+ PDN |
0,18
(0,04) |
0,46
(0,08) |
0,46
(0,07) |
PDN |
0,17
(0,05) |
0,41
(0,10) |
0,42
(0,10) |
Tableau 2 : Moyennes et écarts
types des cosinus obtenus en fonction du feedback
Concernant la similitude de contenu total (tableau 3), nous retrouvons
également une différence significative entre les étudiants
de l’unité d’enseignement concernée et
les autres. Ceux de l’unité d’enseignement produisent
des notes bien plus proches sémantiquement du texte lu que
les autres (F(1,19) = 5,054 ; p = 0,037). Leurs
connaissances initiales plus importantes sur le domaine semblent
donc leur permettre d’accéder plus facilement au contenu
du cours. Cette différence est aussi présente lors
de l’analyse de la similitude de contenu partiel (F(1,19)
= 4,695 ; p = 0,043).
Enfin, concernant la dimension de la cohérence interphrases
(tableau 3), mesurée par LSA, nous observons,
là encore, des différences significatives entre les
étudiants des différentes unités d’enseignement.
Lorsqu’ils ne reçoivent pas de feedback, les
étudiants de l'unité d'enseignement sont plus cohérents
que ceux ne le suivant pas (F(1,8) = 6,226 ; p =
0,037). Mais la présence du feedback abaisse la cohérence
interphrases des notes des étudiants suivant le cours (F(1,8)
= 9,610 ; p = 0,015) réduisant ainsi l’écart
entre les deux populations. Ce phénomène se retrouve
chez Boch [Boch99]
dans ce qu’elle appelle la vision de l’aigle et de la
tortue. Dans la vision de l’aigle, les étudiants familiers,
qui ont davantage de connaissances initiales sur le cours, comprendraient
mieux ce qu’ils lisent, augmentant ainsi le sens des notes
transcrites et leur cohérence. A contrario, dès
lors qu’ils reçoivent un feedback leur faisant
prendre conscience de leurs connaissances initiales, ils acquièrent
la vision de la tortue en ne cherchant à mémoriser
que les nouvelles informations. Cette situation serait ici celle
des étudiants non familiers du cours. Possédant de
faibles connaissances sur le texte, ils auraient plus de difficultés
à le comprendre. Leurs notes ne seraient alors qu’une
énumération d’informations perçues.
|
Pré-test |
Post-test |
Cohérence
interphrases |
Similitude
de contenu partiel |
Similitude
de contenu total |
U.E.
(n = 18) |
10,4
(2,87) |
14,3
(3,50) |
0,18
(0,024) |
0,48
(0,082) |
0,48
(0,080) |
Hors
U.E.
(n = 26) |
8,7
(2,17) |
14,7
(3,55) |
0,16
(0,055) |
0,40
(0,085) |
0,40
(0,076) |
Tableau 3 : Moyennes et écarts
types des cosinus obtenus en fonction de l'U.E.
6.4. Discussion
Une absence de différence significative entre les groupes
prenant des notes et n’en prenant pas s’observe ici
sur un test à choix multiples. Toutefois, ce résultat
ne signifie pas nécessairement que la prise de notes n’a
eu aucun effet sur l’acquisition de connaissances. Effectivement,
Peper et Mayer [PeperMayer86]
ne trouvent un effet de la prise de notes que sur des tests d’application,
et Peverly et al. [PeverlyAl03]
que sur des tests de rappel. Nous pouvons donc supposer qu’avec
d’autres types de tests, nous aurions obtenu d’autres
résultats.
Il ressort aussi que le feedback informatif, qui a pour
but de faire prendre conscience aux étudiants de leurs connaissances
initiales, ne modifie pas significativement les résultats
au post-test. Peverly et al. [PeverlyAl03]
remarquent que la prise de notes permet à elle seule d’améliorer
la connaissance des étudiants sur ce qu’ils savent
et ce qu’ils ne savent pas. Le feedback que nous présentons
ici peut donc n’être alors qu’un renforcement
supplémentaire. Cependant, comme aucune différence
significative n’apparaît parmi les groupes ne prenant
pas de notes, cette hypothèse doit être rejetée.
Nous admettons donc qu’un tel retour à un étudiant
sur ses connaissances préalables ne favorise pas particulièrement
les résultats à un test à choix multiples.
Rappelons aussi que l'hypothèse qualitative posée
n'est pas vérifiée : le feedback n'a donc pas
non plus d'effet sur la cohérence interphrases et la similitude
de contenu partiel des notes. Cet ensemble de résultats non
attendus nous interroge sur la forme du feedback. Nous l'avons
déterminé comme une appréciation basée
sur une échelle à cinq niveaux. Or, le grand nombre
d'appréciations possibles atténue probablement l'effet
du feedback. Nous perdons l'opposition entre feedback
positif et négatif. Peut-être qu'un simple feedback
binaire tel que "correct" / "incorrect"
aurait été préférable ?
Des effets dus à l’appartenance à l’unité
d’enseignement relative au cours exposé ont été
relevés. D'une part, il y a un effet sur les connaissances
finales qui est absorbé par la variable représentant
les connaissances préalables. D'autre part, il y a un effet
sur le contenu des notes tel que les étudiants inscrits à
l'unité d'enseignement relative au texte exposé en
produisent des plus proches du texte source et, en cas d'absence
de feedback, des plus cohérentes. Cette dernière
observation est cependant à mitiger dans la mesure où
les effectifs des échantillons sont très faibles.
Il peut toutefois être intéressant, dans une autre
expérience sur l'impact d'un feedback informatif,
d'analyser les différences d'effets produits en fonction
de la familiarité des participants avec le domaine du texte
exposé.
Cette étude permet donc de déterminer des facteurs
explicatifs des scores au post-test par l’analyse sémantique
des notes, mais aussi d'ouvrir plusieurs perspectives de recherches
possibles dont l’une est de montrer qu'un tel feedback
informatif peut agir différemment sur les individus selon
leur familiarité avec le domaine des textes exposés.
Remerciements
Nous souhaitons remercier Patrick Mendelsohn pour l’aide
qu’il a apportée dans cette recherche.
Références
Références bibliographiques
[Baddeley93]
Baddeley, A. (1993). La mémoire humaine: théorie
et pratique. Grenoble : Presses Universitaires de Grenoble.
[Beaufils01]
Beaufils, A. (2001). Aide pour la recherche d’informations
au collège et au lycée. In E. de Vries, J.-P. Pernin
et J. P. Peyrin (Eds.), Actes du Cinquième Colloque Hypermédias
et Apprentissages (pp. 167-181). Paris : INRP, EPI.
[BlondelAl00]
Blondel, F. M., Kempf, O., Schwob, M. (2000). Recherche d’informations
sur la toile : pratiques d’élèves. Bulletin
de l’Union des Physiciens, 828, 1819-1846.
[Blondel01]
Blondel, F. M. (2001). Pratiques documentaires en sciences avec
Internet, outils de recherche et compétences des élèves.
In W. Frindte, T. Köhler, P. Marquet, E. Nissen (Eds.), Actes
du colloque IN-TELE 99 (pp. 73-78). Iena, Frankfort : Peter
Lang.
[Boch99]
Boch, F. (1999). Pratiques d’écriture et de réécriture
à l’université. La PDN, entre texte source et
texte cible. Lille : Septentrion.
[BrittonGulgoz91]
Britton, B. K., Gulgoz, S. (1991). Using Kintsch's computational
model to improve instructional text: Effects of repairing inference
calls on recall and cognitive structures. Journal of Educational
Psychology, 83(3), 329-345.
[BrownSmiley78]
Brown, A. L., Smiley, S. S. (1978). The development of strategies
for studying texts. Child Development, 49, 1076-1088.
[Bruillard97]
Bruillard, E. (1997). Les machines à enseigner. Paris :
Hermès.
[CanivetAl86]
Canivet, I., Lecocq, P., Ledru, C., Sizaire, P. (1986). La prise
de notes : induction ou traitement ? Cahiers de Psychologie
Cognitive, 6(3), 303-318.
[Dansereau85]
Dansereau, D. F. (1985). Learning strategy research. In J. W. Segal
(Ed.), Thinking and learning skills (pp. 209-239). Hillsdale:
Erlbaum.
[Dessus00]
Dessus, P. (2000). Construction de connaissances par exposition
à un cours avec LSA. In Cognito, 18, 27-34.
[DessusAl00]
Dessus, P., Lemaire, B., Vernier, A. (2000). Free-text assessment
in a Virtual Campus. In K. Zreik (Ed.), Proc. International Conference
on Human System Learning (CAPS'3) (pp. 61-76). Paris :
Europia.
[Fenouillet01]
Fenouillet, F. (2001). La motivation chez les collégiens
et les lycéens. In D. Gaonac'h, C. Golder (Eds.), Manuel
de psychologie pour l'enseignant. Paris : Hachette Education.
[FoltzAl98]
Foltz, P. W., Kintsch, W., Landauer, T. K. (1998). The measurement
of textual coherence with Latent Semantic Analysis. Discourse
processes, 25(2/3), 285-307.
[GérouitAl00]
Gérouit, C., Roussey, J. Y., Barbier, M. L., Piolat, A.
(2000). Prise de notes dans un environnement multimédia
par des élèves de 10-12 ans plus ou moins bons lecteurs.
Papier présenté à l’Atelier de Conjoncture
de la SFP "Production et compréhension de documents techniques",
Amiens, France.
[GlenbergRobertson00]
Glenberg, A. M., Robertson, D. A. (2000). Symbol grounding and
meaning: A comparison of high-dimensional and embodied theories
of meaning. Journal of Memory and Language, 43, 379-401.
[Hayes98]
Hayes, J. R. (1998). Un nouveau cadre pour intégrer cognition
et affect dans la rédaction. In A. Piolat, A. Pélissier
(Eds.), La rédaction de textes : approche cognitive
(pp. 51-101). Lausanne: Delachaux et Niestlé.
[Kellogg98]
Kellogg, R. T. (1998). Un modèle de la mémoire de
travail dans la rédaction. In A. Piolat, A. Pélissier
(Eds.), La rédaction de textes : approche cognitive
(pp. 103-135). Lausanne : Delachaux et Niestlé.
[KontostathisPottenger02]
Kontostathis, A., Pottenger, W. M. (2002). Detecting patterns
in the LSI term-term matrix. Papier présenté à
la 2002 IEEE International Conference on Data Mining.
[KurbyAl03]
Kurby, A., Wiemer-Hastings, K., Ganduri, N., Magliano, J.P., Millis,
K.K., McNamara, D. (2003). Computerizing reading training: Evaluation
of a Latent Semantic Analysis space for science text. Behavior
Research Methods, Instruments, and Computers, 35(2), 244-250.
[LandauerDumais97]
Landauer, T. K., Dumais, S. T. (1997). A solution to Plato's problem:
The Latent Semantic Analysis theory of acquisition, induction and
representation of knowledge. Psychological Review, 104, 211-240.
[Landauer02]
Landauer, T. K. (2002). On the computational basis of learning
and cognition: Arguments from LSA. In N. Ross (Ed.), The Psychology
of Learning and Motivation (Vol. 41, pp. 43-84). San Diego :
Academic Press.
[LehmanSchraw02]
Lehman, S., Schraw, G. (2002). Effects of coherence and relevance
on shallow and deep text processing. Journal of Educational Psychology,
94(4), 738-750.
[LemaireDessus01]
Lemaire, B., Dessus, P. (2001). A system to assess the Semantic
Content of Student Essays. Journal of Educational Computing Research,
24(3), 305-320.
[LemaireDessus03]
Lemaire, B., Dessus, P. (2003). Modèles cognitifs issus
de l’analyse de la sémantique latente. Cahiers Romans
de Sciences Cognitives, 1, 55-74.
[Leplat02]
Leplat, J. (2002). Psychologie de la formation. Jalons et perspectives.
Toulouse : Octarès Editions.
[Mayer87]
Mayer, R. E. (1987). Educational psychology, a cognitive approach.
New York : Harper Collins.
[McNamaraAl96]
Mc Namara, D., Kintsch, W., Butler Songer, N. (1996). Are good
texts always better? Interactions of text coherence, background
knowledge, and levels of understanding in learning from text. Cognition
and Instruction, 14(1), 1-43.
[OlivePiolat02]
Olive, T., Piolat, A. (2002). Suppressing visual feedback in written
composition: Effects on processing demands and coordination of the
writing processes. International Journal of Psychology, 37(4),
209-218.
[OxfordCrookall89]
Oxford, R., Crookall, D. (1989). Research on language learning
strategies: methods, findings, and instructional issues. Modern
Language Journal, 73, 404-419.
[PeperMayer86]
Peper, R. J., Mayer, R. E. (1986). Generative effects of note-taking
during science lectures. Journal of Educational Psychology, 78,
34-38.
[PeverlyAl03]
Peverly, S. T., Brobst, K. E., Graham, M., Shaw, R. (2003). College
adults are not good at self-regulation: A study on the relationship
of self-regulation, note taking, and test taking. Journal of
Educational Psychology, 95(2), 335-346.
[Piolat01]
Piolat, A. (2001). La prise de notes. Paris : Presses
Universitaires de France.
[RehderAl98]
Rehder, B., Schreiner, M. E., Wolfe, M. B. W., Laham, D., Landauer,
T. K., Kintsch, W. (1998). Using Latent Semantic Analysis to assess
knowledge: Some technical considerations. Discourse Processes,
25, 309-336.
[Reuter94]
Reuter, Y. (Ed.). (1994). Les interactions lecture-écriture,
actes du colloque Theodile-Crel’93. Berne : Peter
Lang.
[Romainville93]
Romainville, M. (1993). Savoir parler de ses méthodes
: métacognition et performance à l'université.
Bruxelles : De Boeck Université.
[SimonetSimonet97]
Simonet, R., Simonet, J. (1997). La prise de notes intelligente.
Paris : Les Editions d'Organisation.
[TricotAl98]
Tricot, A., Pierre-Demarcy, C., El Boussarghini, R. (1998). Un
panorama des recherches consacrées à l’étude
de l'activité mentale de l'utilisateur d'un hypermédia.
Sciences et Techniques Educatives, 5(4), 371-400.
[WolfeAl98]
Wolfe, M. B. W., Schreiner, M. E., Rehder, B., Laham, D., Foltz,
P. W., Kintsch, W. (1998). Learning from text: Matching readers
and texts by Latent Semantic Analysis. Discourse Processes, 25,
309-336.
A
propos des auteurs :
Sonia MANDIN est doctorante à l'Université
Pierre-Mendès-France de Grenoble, France. Elle prépare
une thèse sur la modélisation et la simulation de
l'activité de résumé de textes, ainsi que son
instrumentalisation sous la forme d'un tuteur informatique d'aide
au résumé.
Adresse : Laboratoire des Sciences
de l'Education – Université Pierre-Mendes-France, BP
47 F-38040 Grenoble Cedex 9
Courriel : Sonia.Mandin@upmf-grenoble.fr
Toile : http://www.upmf-grenoble.fr/sciedu/smandin/
Philippe DESSUS est maître de conférences
en sciences de l’éducation et chercheur au Laboratoire
des Sciences de l’Éducation de Grenoble. Il s’intéresse aux modélisations
cognitives basées sur l’analyse de la sémantique
latente.
Adresse : Laboratoire des Sciences
de l'Education – Université Pierre-Mendes-France, BP
47 F-38040 Grenoble Cedex 9
Courriel : Philippe.Dessus@upmf-grenoble.fr
Toile : http://www.upmf-grenoble.fr/sciedu/pdessus/
Benoît LEMAIRE est maître de conférences
en informatique et chercheur au Laboratoire Leibniz de l’IMAG.
Il s’intéresse aux modélisations
cognitives basées sur l’analyse de la sémantique
latente.
Adresse : Institut d’Informatique
et de Mathématiques Appliquées de Grenoble (IMAG),
Laboratoire LEIBNIZ-IMAG (UMR CNRS 5522), 46 avenue Félix
Viallet, 38031 Grenoble Cedex 1
Courriel : Benoit.Lemaire@imag.fr
Toile : http://www.upmf-grenoble.fr/sciedu/blemaire/
[1]. Un texte est rendu cohérent
en augmentant, dans chaque phrase, le nombre de répétitions
de mots présents dans les propositions précédentes.
[2]. 300 facteurs, 214 685
termes et 511 678 paragraphes
|