Contact :
infos@sticef.org
|
Évaluation de l’impact d’un jeu
sérieux en réalité mixte
Sébastien GEORGE (LIUM, Université du Maine), Christine MICHEL,
Audrey SERNA (LIRIS, INSA-Lyon), Luca BISOGNIN (Société
Symetrix)
|
RÉSUMÉ : Les
jeux sérieux en réalité mixte sont des environnements qui
combinent les jeux à buts éducatifs et des technologies de
réalité mixte. Ces environnements peuvent fournir de nouvelles
opportunités en termes d’apprentissage. Néanmoins, les
impacts sur l’apprentissage de tels dispositifs sont encore peu connus.
Nous présentons dans cet article une étude expérimentale
qui vise à évaluer ces impacts. Nous avons conçu et
développé un jeu, nommé Lea(r)nIT, qui a pour but de former
aux principes du Lean Management dans une école d’ingénieur.
La situation d’apprentissage comporte quatre tables interactives, simulant
des postes de production, sur lesquels des actions sont réalisées
avec des interfaces tangibles. Nous présentons les résultats
d’une étude comparative entre une session utilisant ce dispositif
et une autre utilisant une version non informatisée du même jeu
sérieux. Cette comparaison montre que le jeu sérieux en
réalité mixte a un impact positif sur l’apprentissage, en
particulier concernant les concepts théoriques de la formation.
MOTS CLÉS : Jeu
sérieux, Réalité Mixte, Table interactive, Interface
tangible, Impact sur l’apprentissage
|
Evaluating the Impact of a Mixed Reality Learning Game |
|
ABSTRACT : Mixed
Reality Learning Games (MRLG) are digital environments which combine game-based
learning and mixed reality technologies. They can provide new opportunities for
learning. Nevertheless, we still know little about the learning outcomes and the
situations they favor. We present in this paper an experimental study which aims
to evaluate these impacts. We designed and developed a MRLG to teach Lean
Management principles in an engineering school. Four multi-touch tabletops are
used, each one representing a workstation in a production line on which some
actions are carried with tangible interfaces. We present the results of an
experiment that compares two situations, one with the MRLG and the other with a
non-computer version of the same learning game. The comparison revealed a
tendency for the MRLG situation to effectively have a positive impact on
learning, particularly regarding theoretical concepts.
KEYWORDS : Game-Based
Learning, Mixed Reality, Tabletops, Tangible Interface, Learning Impact
|
1. Introduction
1.1. Jeux sérieux pour l’apprentissage
Ces dernières années, les Serious Games
ont pris un essor considérable et sont utilisés pour communiquer,
recruter ou former. La catégorie de Serious Games à laquelle nous
nous intéressons est celle des jeux conçus pour soutenir
l’apprentissage (Learning Games en anglais, abrégés
en LG), qu’ils soient informatisés ou non. Ces dispositifs marient
les dimensions « action » et « émotion » de
la pédagogie en rendant attrayantes la découverte de connaissances
et la construction de compétences (aspect
« Serious »), par une forme, des interactions, des
règles et des objectifs ludiques (aspect « Games »). Les LG ont l’avantage d’offrir des environnements
permettant la simulation de situations et de contextes dans lesquels les
apprenants peuvent développer des aptitudes (De Freitas et Neumann, 2009).
Les simulateurs ont déjà montré des résultats
probants pour l’apprentissage, notamment dans le cadre de formations
professionnelles (Joab et Gouardères, 2000).
Mais les LG ne sont pas que de simples simulateurs, ils peuvent aussi immerger
les apprenants dans des mondes dans lesquels ils doivent s’investir pour
progresser, relever des défis et accomplir des missions. Sur certains
points, les jeux sérieux peuvent s’apparenter à des
simulateurs. En effet, les apprenants vont agir dans un environnement en
fonction d’évènements qui se produisent et leurs actions
vont avoir des conséquences. Cependant, une simulation intègre
forcément un modèle d’une certaine réalité
(avec un réalisme qui peut être plus ou moins poussé) :
simulation de conduite d’un véhicule, simulateur de vol, simulation
de circuits électroniques, ... Dans les cas des jeux sérieux, il
n’y a pas forcément de modèle pour reproduire les situations
de manière réaliste, le jeu reposant davantage sur une
scénarisation. La situation choisie peut parfois être
volontairement imagée et loin de la réalité,
l’essentiel étant d’amener les apprenants à
s’investir pour progresser, relever des défis et accomplir des
missions.
Plus précisément, nous nous intéressons aux LG de type
jeux de rôles, l’apprenant devant dans ce cas agir en collaboration
avec d’autres pour résoudre un problème ou remplir une
mission. Les apprenants peuvent ainsi vivre une situation qui serait difficile
à reproduire réellement pour les raisons de coût, de temps
ou de sécurité (Squire et Jenkins, 2003).
Dans son livre, Abt (Abt, 1987) résume parfaitement les intérêts des jeux de
rôles : « The players assume realistic roles, face
problems, formulate strategies, make decisions and get fast feedback on the
consequences of their action ». Les LG s’appuyant sur des
jeux de rôles se positionnent clairement dans les courants de
l’apprentissage contextualisé et situé (Lave et Wenger, 1991).
Pour ces chercheurs, l’apprentissage dépend de
l’activité du contexte et de la culture dans lesquels il se
déroule. Dans l’idéal, la connaissance doit être
présentée dans des contextes authentiques (Herrington et Oliver, 2000),
c’est à dire dans des situations qui exigent normalement cette
connaissance.
Les Learning Games souffrent néanmoins de certaines limites :
l’artificialité de la situation d’apprentissage
entraîne parfois des difficultés pour les apprenants à
transférer les connaissances apprises dans d’autres situations. Ce
caractère artificiel se trouve aussi bien dans les LG
informatisés, de part la virtualité de l’environnement et
des actions, que dans les LG non informatisés de par la manipulation
d’objets souvent peu réalistes par rapport à
l’activité simulée. Il a déjà
été montré qu’un tuteur humain pouvait pallier ce
problème et aider à expliciter les relations entre le jeu et le
monde réel. Ainsi, l’« experiential
learning » développée par Garris, Ahlers et Driskell (Garris et al., 2002) met en avant la nécessité du tutorat humain (débriefing,
étayage, ...) pour soutenir un apprentissage effectif. C’est
pourquoi dans notre approche des LG, le tutorat tient une place importante. Les
tuteurs régulent l’activité d’apprentissage, ils
analysent les évènements qui se déroulent dans le jeu, ils
illustrent les concepts dans d’autres situations, etc.
L’apprentissage par l’action doit être encadré
pour conduire à une abstraction des informations reçues.
1.2. Jeux sérieux en réalité mixte
Nous avons vu dans la partie précédente que les jeux
sérieux peuvent être des environnements intéressants pour
soutenir les apprentissages mais qu’ils ne permettent pas toujours le
transfert des connaissances construites à des situations réelles.
Nous avons vu que le tutorat humain pouvait être une solution pour pallier
ce problème en proposant des débriefings sur les situations
vécues dans le jeu et en illustrant les concepts abordés dans
d’autres cas. Nous pensons qu’une autre solution peut être
explorée, de façon complémentaire au tutorat. En effet,
proposer des situations de jeu plus proches des situations réelles permet
de notre point de vue de transférer plus facilement les apprentissages
lorsque les apprenants sont en situations réelles, en particulier
lorsqu’il est question de construction de compétences
professionnelles (par exemple des procédures à exécuter
dans des environnements complexes). Il existe des jeux d’entreprise en
salle s’appuyant sur des mises en situations pour favoriser la
construction de ce type de compétences. Ces jeux utilisent du
matériel, comme des blocs de construction ou des LEGO, que les apprenants
manipulent, comme des objets ou outils utilisés classiquement dans la
situation, pour apprendre en jouant un rôle (CIPE, 2013). Ce
type de formation a fait ses preuves mais le manque de réalisme des
objets manipulés ne permet pas toujours de faire passer les concepts
sous-jacents car ces objets demeurent trop symboliques et abstraits. Par
exemple, si un LEGO représente une pièce usinée, la limite
du symbolisme intervient lorsqu’il faut réaliser une action sur la
pièce. En effet, il sera difficile pour les apprenants d’adopter
une démarche inductive car certaines actions (une abrasion, une peinture)
et certains phénomènes observés (un défaut
d’aspect) ne seront à force plus identifiables ou
compréhensibles en regardant les pièces du fait de
l’accumulation de symboles. Pour augmenter le réalisme des objets
et des actions, nous pensons qu’une solution est d’utiliser des
techniques de réalité mixte.
Le terme Réalité Mixte (RM) fait référence
à un continuum qui connecte le monde physique et le monde virtuel,
englobant ainsi deux aspects (Milgram et Kishino, 1994) :
- la Réalité Augmentée (RA), le monde
réel étant enrichi par des informations virtuelles (comme dans les
cockpits d’avions par exemple),
- la Virtualité Augmentée (VA), le monde virtuel
étant alors enrichi par des objets bien réels (par exemple en
utilisant des interfaces tangibles pour manipuler des objets virtuels).
Différents dispositifs peuvent être utilisés pour la
RM : dispositifs mobiles (tablettes ou smartphone), lunettes see-through, table interactive avec interfaces tangibles, ... Ces
dispositifs permettent de contrôler et/ou représenter des
informations. Le fait d’ajouter des informations, non perceptibles
naturellement, à des objets réels est d’un
intérêt certain pour les situations d’apprentissage. Des
études, comme celle de Stedmon et Stone (Stedmon et Stone, 2001),
montrent qu’en augmentant les artefacts physiques avec des informations
associées, on facilite la compréhension de concepts techniques.
Plus récemment, David et al. (David et al., 2009) ont étudié comment des artefacts physiques (des machines
industrielles ou des ordinateurs) pouvaient être augmentés de
données numériques pour favoriser des apprentissages juste
à temps. Même s’il est encore trop tôt pour tirer des
conclusions sur les impacts de la RM sur l’apprentissage (Anastassova et Burkhardt, 2008),
il semble que les effets positifs attendus portent principalement sur
l’apprentissage à court-terme. Afin de dépasser cette
limite, nous pensons que des scénarios plus élaborés
doivent être conçus. Nous faisons l’hypothèse
qu’en couplant réalité mixte et jeu pour
l’apprentissage, il est alors possible de combiner, d’une part,
l’aspect motivant et situé de la RM et, d’autre part, le
côté ludique et la scénarisation d’activités
des LG. Cette hypothèse est le point de départ du projet SEGAREM
(Serious Games and Mixed Reality) dans lequel le travail
présenté dans cet article s’inscrit. SEGAREM vise à
apporter des réponses sur le plan des méthodes, modèles et
outils pour la production de dispositifs interactifs de formation innovants ;
les jeux sérieux en réalité mixte (abrégés en
MRLG pour Mixed Reality Learning Games). L’objectif principal de ce
projet est de mettre au point un prototype d’environnement de conception,
de production et d’exécution de MRLG.
Le travail présenté dans cet article se focalise sur
l’évaluation des apports de la RM vis à vis d’une
situation d’apprentissage par le jeu où des objets physiques sont
utilisés pour représenter des outils ou des objets du monde
réel. Notre hypothèse consiste à penser que le degré
de réalisme et l’immersion rendus possible par la RM permet une
meilleure compréhension des concepts de la formation.
Cet article est organisé de la façon suivante : dans la
section 2, nous décrivons la problématique de recherche et la
méthodologie de travail. Dans la section 3, nous présentons la
conception d’un environnement MRLG particulier, nommé Lea(r)nIT,
qui vise à former à la démarche Lean (Lean
Management) en utilisant des tables interactives multi-touch, des
interfaces tangibles et des tablettes. Dans la section 4, nous détaillons
une évaluation expérimentale avec ce MRLG et présentons les
résultats. L’article se termine par une discussion ainsi que par
une présentation de pistes de recherche dans le domaine.
2. Problématique et hypothèses de recherche
Les impacts sur l’apprentissage des jeux en
réalité mixte sont encore peu étudiés. Les questions
de recherche sur les MRLG peuvent être abordées selon deux angles.
D’un côté, certaines questions concernent
l’utilisabilité et plus généralement
l’étude de l’expérience utilisateur lors
d’activités faisant intervenir des MRLG. D’autre part, et cet
article se focalise sur ce point, la question de l’utilité peut
être traitée : quels types d’apprentissage sont
favorisés dans les MRLG par rapport à des situations sans
réalité mixte ? En particulier, nous avons identifié
trois hypothèses :
- H1 : à scénario pédagogique
équivalent, l’apprentissage est meilleur si la simulation des
outils et objets manipulés est réalisée en RM plutôt
que de façon symbolique.
- H2 : à scénario pédagogique
équivalent, l’apprentissage des concepts théoriques est
meilleur si la simulation des outils et objets manipulés est
réalisée en RM plutôt que de façon symbolique.
- H3 : à scénario pédagogique
équivalent, l’apprentissage des concepts pratiques est meilleur si
la simulation des outils et objets manipulés est réalisée
en RM plutôt que de façon symbolique.
Pour l’hypothèse H1, nous pensons que la formation avec un MRLG
va favoriser l’apprentissage grâce à la manipulation
d’objets moins symboliques, c’est à dire dont la
représentation est plus réaliste. Ce n’est pas
forcément une situation identique à la réalité qui
est visée (ce qui serait le cas pour l’apprentissage de gestes
techniques par exemple) mais le fait que les objets manipulés aient une
représentation réaliste à la fois par rapport à une
situation métier mais aussi au contexte de jeu qui a été
imaginé pour la formation. Concrètement, dans le cas des MRLG, un
objet (ex : une pièce à usiner) ou un outil (ex : un pistolet
à colle) seront réellement représentés par des
objets et outils ressemblants et non par des objets symboliques, comme des LEGO,
qui requièrent une plus grande charge cognitive pour être
associés à ce qu’ils représentent. Nous pensons ainsi
que la manipulation d’artefacts réalistes va favoriser la
compréhension globale des processus en jeu dans la situation
simulée. Par ailleurs, la réalité mixte va accentuer le
sentiment de plaisir, le dynamisme et l’immersion de l’apprenant. Il
a déjà été montré que ces facteurs pouvaient
créés des conditions favorables à l’apprentissage (Prince, 2004),
essentiellement en jouant sur la motivation de l’apprenant. De plus, nous
pensons que plus l’environnement est immersif, plus l’apprenant va
se sentir impliqué dans la simulation. L’engagement est aussi un
facteur important pour l’apprentissage.
Les hypothèses H2 et H3 vont permettre de préciser, dans le cas
où H1 serait vérifiée, si les MRLG favorisent
l’apprentissage de concepts théoriques, pratiques, ou les deux
à la fois. Nous pensons fortement que les aspects pratiques et
théoriques ne doivent pas être opposés, en particulier
lorsqu’il s’agit de former à des compétences
professionnelles. En formation professionnelle, l’utilisation de
simulation est une approche couramment employée car les connaissances et
les aptitudes ne peuvent pas être dissociées de
l’activité et des actions (Kriz, 2010).
Ainsi, nous croyons que pour l’hypothèse H2, un MRLG peut faciliter
une meilleure représentation des concepts, en établissant des
relations entre les concepts réels et les principes de plus haut niveau.
Ces relations peuvent prendre la forme de connexions entre des objets
réels et des informations virtuelles. De plus, les actions
étant plus réalistes dans un environnement MRLG,
l’activité réflexive des apprenants sur la situation est
moins artificielle.
Concernant l’hypothèse H3, les MRLG devraient supporter
l’apprentissage de procédures et de processus (le savoir-faire) en
étant plus à même de rendre compte de contraintes
liées à des gestes techniques par exemple. En plaçant les
apprenants dans des environnements très interactifs,
l’apprentissage par l’action peut être amélioré.
Suchman (Suchman, 1987) avance que les personnes raisonnent avec les objets de leur environnement
(action située). Les MRLG devraient pouvoir favoriser ce type
d’apprentissage situé et contextuel, en immergeant les apprenants
dans un monde parallèle qui favorise l’expérience
d’une autre réalité tout en portant une certaine forme
d’authenticité.
3. Jeu pour l’apprentissage en réalité mixte : une
étude de cas avec Lea(r)nIT
3.1. Méthodes et outils pour la conception de MRLG
Les MRLG s’appuient sur trois domaines
complémentaires: la réalité mixte, les jeux et la
pédagogie.
Dans le domaine de l’IHM, différents modèles permettent
de structurer le processus de conception en réalité mixte. Par
exemple, à un haut niveau d’abstraction, les modèles de
tâches (Jourde et al., 2010) permettent de structurer hiérarchiquement les buts et les actions des
utilisateurs sous forme d’arbres, alors qu’à un plus bas
niveau d’abstraction, les modèles d’interaction permettent de
décrire un système en réalité mixte, en distinguant
les éléments numériques des objets réels.
Dans le domaine du jeu, on retrouve des outils de support et d’aide au
développement. La phase de conception est quant à elle très
peu assistée par des méthodes et modèles. Elle est surtout
guidée selon les méthodes de travail propres à chaque
concepteur. Cependant, certains concepteurs de jeux ont tout de même
identifié les éléments principaux à prendre en
compte lors de la conception d’un jeu, par exemple l’objectif et le
sujet (Crawford, 1982).
Enfin, dans le domaine de l’éducation, des enseignants
écrivent des scénarios pédagogiques pour décrire des
unités d’apprentissage. En s’appuyant sur des théories
d’ingénierie pédagogique (instructional design), des
modèles et outils permettent de structurer et formaliser la description
de scénarios pédagogiques. La comparaison de trois de ces
modèles (IMS-LD, LDL et ISIS) montre que ces derniers ne sont pas assez
complets pour permettre de décrire l’ensemble des composants
d’un MRLG (Orliac et al., 2011).
En particulier, ils ne permettent pas de spécifier les dispositifs
utilisés dans un MRLG : la distinction entre les objets tangibles et les
objets numériques ne peut être précisée, pas plus que
la description de l’interface numérique ou encore la position des
objets physiques dans l’environnement.
À l’intersection des jeux et de la pédagogie, certains
outils ont pour objectif d’assister la conception de LG. On retrouve par
exemple EDoS (maintement appelé LEGADEE) (Masfisi-Schottman et al., 2010) ou encore ScenLRPG (Mariais et al., 2011).
Là encore, ces outils ne sont pas adaptés pour décrire des
interactions en RM.
En conclusion, les méthodes et outils utilisés dans les
différents domaines sont assez éloignés les uns des autres.
L’angle d’attaque des concepteurs est différent : gameplay et développement pour le domaine du jeu, organisation
pédagogique (architecture d’apprentissage) pour le domaine de la
pédagogie, et enfin description des interactions pour la
réalité mixte. Chacun de ces domaines utilisent un vocabulaire qui
lui est propre et que les autres concepteurs ne comprennent pas
forcément. Pour ces raisons, aucun de ces outils ou méthodes ne
peuvent être utilisés directement pour la conception de MRLG
et c’est pour cela que nous avons adopté une approche
combinant différents outils et méthodes. Nous proposons un
modèle de conception de MRLG accompagné d’un outil auteur
appelé MIRLEGADEE (Orliac et al., 2012).
Dans la suite de cet article, nous allons décrire la conception du
prototype de MRLG basé sur un LG existant mais non informatisé. En
adaptant un jeu existant, on s’assure d’une stabilité et
d’une efficacité en terme d’apprentissage et de jeu. Deux
types de transformations ont été opérés pour adapter
le jeu :
- une informatisation du jeu,
- une augmentation de certains types d’interaction.
3.2. Le jeu existant
De façon à limiter l’incidence des choix de conception,
en terme de pédagogie et de jeu, dans notre évaluation des impacts
de la réalité mixte, nous avons décidé
d’adapter un Serious Game déjà existant et de le
transposer en RM. Les résultats obtenus avec ce jeu sont
déjà connus et nous permettent d’avoir un cadre solide pour
pouvoir ensuite évaluer les impacts de la RM sur
l’apprentissage.
Nous avons choisi un jeu utilisé à l’INSA de Lyon au
département Génie Industriel qui permet d’enseigner les
concepts de la démarche Lean à des petits groupes
d’étudiants : le Buckingham Lean Game. La démarche
Lean est une méthode d’amélioration continue des
systèmes de production. L’objectif est de rechercher la performance
(en termes de productivité, de qualité, de délais et de
coûts) en éliminant les gaspillages. Les objectifs
d’apprentissage concernent à la fois des connaissances
théoriques (par exemple les différentes techniques
d’organisation de la production) et des compétences pratiques (par
exemples l’application d’outils pour rééquilibrer la
charge sur les postes de travail). Le jeu Buckingham Lean Game n’utilise aucune technologie informatique. Il permet, à
l’aide de briques LEGO, de simuler un système de production
fabriquant différentes gammes de produits. L’objectif est de
répondre à la demande d’un client et fabriquer les objets
sans aucun défaut qualité, en se plaçant dans une optique
d’amélioration continue. Les joueurs doivent équilibrer la
production pour pouvoir satisfaire la demande.
Concrètement, chaque joueur joue le rôle soit d’un
opérateur responsable d’un poste de travail de la ligne de
production (presse, assemblage, peinture, contrôle qualité,
entrepôt) soit du client. Les joueurs sont alors acteurs lors de la
simulation et travaillent sur un seul poste. Sur une table, simulant leur poste
de travail, ils manipulent, assemblent ou vérifient les objets
fabriqués en briques de LEGO. Des indications sur le mode
opératoire de chaque poste sont fournies aux joueurs avant le
début du jeu. La position de chaque table dans la classe décrit
l’implantation initiale de la ligne de production (cf. figure 1) : la
distance entre les tables, la cohérence entre le positionnement de chaque
poste de travail et le flux de production, ainsi que
l’impossibilité de déplacer la presse à cause de son
poids sont les contraintes initiales qui vont affecter l’efficacité
et la vitesse de production.
![](images/figure01.png)
Figure 1 • Plan de la ligne de
production simulée
À partir de cette configuration de base, une première phase de
simulation a lieu et la production commence. De nombreux problèmes sont
révélés lors de cette première simulation, en
particulier concernant l’entrepôt dans lequel il manque des produits
et le manutentionnaire qui est submergé. À la fin de la
simulation, l’enseignant introduit des indicateurs de Lean, utiles pour
l’analyse de l’activité, tels que le taux non qualité,
le taux de production, le taux d’éléments livré en
juste-à-temps, les surplus de production, le temps moyen de livraison, le
facteur stress, etc. Les étudiants analysent ces indicateurs avec
l’aide de l’enseignant puis proposent des améliorations
suivant la démarche du Lean. Ils établissent ainsi un plan
d’action et l’appliquent au système de production. Pour
vérifier et valider les effets de ces changements, d’autres
simulations sont réalisées (cf. figure 2).
![](images/figure02.png)
Figure 2 • Les différentes
étapes du jeu Buckingham Lean
Avec ce fonctionnement, les étudiants alternent entre observation,
planification et action. De plus, le scénario pédagogique est
adaptable et l’enseignant peut modifier le « fil
d’apprentissage » entre deux simulations lors du débriefing.
Cependant, ce jeu présente trois limites importantes :
- Premièrement, le jeu étant basé sur des
briques de LEGO, le lien entre les causes en situation (en usine) et celles de
la réalité de la simulation demande un effort d’abstraction
de haut niveau pour l’apprenant.
- Deuxièmement, la simulation ne prend pas en compte certains
phénomènes liés au hasard dans un système de
production : aucune panne n’est reproductible puisque c’est
l’apprenant qui simule la machine et que son but est d’atteindre les
objectifs de production quoiqu’il arrive.
- Troisièmement, les coûts sont difficiles à
prendre en compte dans ce jeu.
3.3. Conception de Lea(r)nIT
La conception de Lea(r)nIT repose sur l’instrumentation et
l’informatisation du jeu décrit précédemment.
L’architecture utilisée respecte l’architecture en trois
niveaux proposée par Delomier et al. (Delomier et al., 2012) : interfaces utilisateurs, comportement de jeu et moteur de jeu.
Les interfaces utilisateur ont été conçues de
façon à intégrer les environnements numériques et
physiques sur une grande variété de supports et
d’interactions. En ce sens, nous avons défini chaque poste comme
suit :
1) Le poste de presse est représenté sur une
table interactive avec interactions tactiles (équivalent aux boutons
poussoirs sur une presse réelle).
2) Le poste d’assemblage est représenté sur
une table interactive supportant des interactions tangibles. L’outil
physique (un pistolet à colle augmenté d’une led infrarouge)
est utilisé pour agir sur des données numériques (assembler
et coller les différents composants du produit manufacturé). Le
geste métier de ce poste de travail est donc reproduit comme sur un vrai
poste d’assemblage.
3) La finalisation des produits est effectuée sur une
table interactive supportant également les interactions tangibles.
L’utilisation d’un potentiomètre et d’un «
élément » de pointage physiques permet de reproduire les
gestes spécifiques à l’ajustement de
l’intensité et l’orientation du traitement appliqué
sur le produit.
4) L’entrepôt est représenté sur une
table Microsoft Pixel Sense. Différents espaces de travail sont
représentés et le tracking d’objets permet de supporter
différents gestes métiers tels que le réapprovisionnement
de matières premières.
5) Le chariot du manutentionnaire est quant à lui
représenté sur une tablette Android permettant de reproduire la
mobilité et versatilité des situations entre deux postes de
travail. Ainsi, lorsque le manutentionnaire se positionne sur le bord d’un
poste de travail ou à l’entrepôt, il peut déposer ou
prendre des produits.
6) Le contrôle qualité s’effectue sur un
iPod Touch, en interaction avec la table Pixel Sense.
7) Enfin, une application contrôle (sur PC) permet aux
expérimentateurs de contrôler l’ensemble du système et
de fournir un certain nombre d’indicateurs.
Quatre illustrations des dispositifs sont présentées par les
figures 3 et 4.
![](images/figure03.png)
Figure 3 • Poste de travail
d’assemblage et de spécification
Figure 4 • Connexion entre le poste de contrôle
qualité et les différents dispositifs mobiles
Ces choix de conception permettent d’évaluer différents
niveaux d’immersion dans le jeu grâce aux interactions «
numériques » (i.e. interactions directes sur des objets
numériques) et tangibles (i.e. interactions sur des objets
numériques via des objets physiques). Par exemple, le fait
d’introduire dans la version instrumentée du jeu des gestes
physiques permet de rendre compte de l’effort ou de la fatigue que peuvent
ressentir les opérateurs sur certains postes de travail sur une ligne de
production.
Concernant, la conception du moteur de jeu, l’un des enjeux principaux
était la modélisation d’un monde persistent pour assurer la
cohérence et l’intégrité des données du
système dans son ensemble, tous supports confondus. Le modèle
informatique adopté est décrit dans Delomier et al. (Delomier et al., 2012).
La transposition informatique du jeu permet de plus de faciliter le
contrôle du système non seulement dans son ensemble mais
également en finesse pour chaque sous-partie. En effet, différents
indicateurs, comme le nombre de pièces produites ou les temps de
production, sont fournis après chaque simulation induisant une
compréhension plus réaliste des tâches et des situations. De
plus, cette instrumentation nous donne l’opportunité
d’introduire des évènements plus réalistes, tels que
les pannes ou les produits avec des défauts qualité. De plus, nous
pouvons prendre en compte les coûts des améliorations mises en
place à chaque étape de la simulation.
4. Étude expérimentale et résultats
4.1. Description du protocole expérimental
De façon à
évaluer les effets potentiels que peuvent avoir les LG en
réalité mixte sur l’apprentissage, nous avons comparé
deux cas de figure : un groupe de participants a utilisé le jeu original
avec les briques de LEGO et des tables classiques pour simuler les postes de
travail, un autre groupe de participant a utilisé le jeu Lea(r)nIT
décrit précédemment. Le premier groupe est appelé
groupe contrôle et correspond à la « condition LEGO ». Le
second groupe correspond à la « condition Lea(r)nIT ».
Chaque groupe était constitué de 7 participants recrutés
parmi des étudiants volontaires du département Génie
Industriel de l’INSA de Lyon et des doctorants du laboratoire LIRIS. Pour
la première condition, le groupe était constitué de 6
hommes et 1 femme âgés entre 22 et 26 ans. Le deuxième
groupe était constitué de 2 hommes et 5 femmes, eux aussi
âgés entre 22 et 26 ans. Nous tenons à préciser
dès maintenant que nous n’avons pas pris en compte le genre dans
notre étude étant donnée la faible taille des
échantillons. Une étude à plus grande échelle serait
nécessaire pour tirer des conclusions à ce niveau.
L’ensemble des participants des deux conditions, n’avait pas de
connaissances approfondies sur la démarche Lean. Une formation
d’une heure a donc été réalisée une semaine
avant la session expérimentale pour leur donner les connaissances de base
nécessaires à la réalisation du jeu.
Pour chaque condition, la session d’expérimentation s’est
déroulée en 4 heures avec trois étapes distinctes : 1)
courte présentation du projet de recherche et passation d’un
pré-test permettant d’évaluer l’état des
connaissances des participants sur les principes du Lean; 2) la session du jeu
à proprement parler et 3) passation d’un post-test pour
évaluer l’état des connaissances sur le Lean et recueil de
l’expérience utilisateur.
Pour le cœur de l’expérimentation (la deuxième
étape), nous avons fait appel à un enseignant de la
démarche Lean au département Génie Industriel de
l’INSA de Lyon. La session de jeu a commencé par une
présentation de la ligne de production, des différents postes de
travail et des sept différents rôles que les participants pouvaient
prendre. Une première simulation s’est ensuite
déroulée pendant 20 minutes et a été suivie
d’un débriefing au cours duquel les participants ont analysé
les gaspillages, les performances et les flux de production. Ils ont ensuite
choisi des améliorations dans une liste d’améliorations
possibles. Ces améliorations ont ensuite été
déployées sur les postes de travail concernés et une
deuxième simulation a été lancée pendant encore 20
minutes. Le débriefing suivant a permis aux participants d’observer
et analyser les effets des améliorations choisies.
Comme mentionné précédemment, l’évaluation
de l’expérimentation a été réalisée
à l’aide de deux questionnaires. Le premier, appelé
questionnaire pré ou post test, a été utilisé avant
la session de jeu puis juste après pour pouvoir mesurer
l’évolution des connaissances des sujets sur les concepts du Lean.
Il a été conçu pour répondre à
l’hypothèse H1, mais également plus finement aux
hypothèses H2 et H3, avec des questions relatives à la
compréhension des concepts théoriques ou pratiques. Pour H2, les
apprentissages que l’on veut mesurer sont ceux qui portent sur la
philosophie Lean de façon générale. Il est question entre
autre de notion de valeur, concept central dans la démarche Lean, des
deux piliers fondateurs de la démarche, à savoir le
juste-à-temps (fournir le bon service ou produit au bon moment et en
bonne quantité) et la qualité (fournir bon du premier coup), ou
encore sur les caractéristiques des standards, les différents
types de gaspillages, etc. Les concepts pratiques développés dans
le scénario pédagogique et sur lesquels portent les questions
d’évaluation correspondent à des améliorations
possibles, comme l’application de la méthode des 5S pour ranger et
optimiser un poste de travail, ou encore savoir mesurer et améliorer le
temps de traversée du produit dans l’usine (Lead Time)
impactant sur les délais de livraison du client.
Le second questionnaire a été utilisé pour mesurer
l’expérience utilisateur, l’utilisabilité du jeu en
réalité mixte et la perception des participants concernant leur
apprentissage.
4.2. Résultats
4.2.1. Évaluation de l’expérience utilisateur avec
Lea(r)nIT
Comme nous venons de le mentionner, l’expérience utilisateur a
été évaluée à partir d’un questionnaire
qui a été proposé aux élèves après
l’utilisation de Lea(r)nIT. Il était composé de questions
fermées dont les réponses étaient données selon une
échelle à quatre niveaux (0= pas du tout d’accord, 1=
plutôt pas d’accord ; 2= plutôt d’accord, 3 =
complètement d’accord). Le tableau 1 montre que les
étudiants qui ont utilisé Lea(r)nIT ont des avis plutôt
positifs à propos de l’utilité, de la pertinence, du
caractère ludique et de la facilité d’utilisation (avec des
résultats moyens respectivement de 2,6, 2,6, 2,6 et 2,3). Le point de vue
des étudiants est relativement homogène (l’écart type
maximum est en effet à 0,7).
Je pense que Lea(r)nIT est : |
Moyenne |
Écart type |
Min |
Max |
Utile |
2,6 |
0,5 |
2,0 |
3,0 |
Pertinent |
2,6 |
0,5 |
2,0 |
3,0 |
Drôle |
2,6 |
0,7 |
1,0 |
3,0 |
Facile à utiliser |
2,3 |
0,7 |
1,0 |
3,0 |
Tableau 1 • Avis des étudiants
à propos de la conception générale de Lea(r)nIT
Nous avons demandé aux participants leur niveau
d’intérêt et leur sentiment de réussite dans la
réalisation des étapes de simulation et
d’amélioration. Le tableau 2 montre que les étudiants ont
éprouvé de l’intérêt vis à vis de
Lea(r)nIT à la fois pour les étapes de simulation et
d’amélioration (avec des valeurs moyennes respectivement de m=2,6
et m=2,7). De plus ils se sont sentis capable de réaliser les deux
activités (avec des valeurs moyennes respectivement de m=2,4 et m=2,6).
On peut noter que les étudiants ont le sentiment d’avoir mieux
réussi à réaliser les étapes
d’amélioration que les étapes de simulation.
Quand j’utilise Lea(r)nIT : |
Moyenne |
Écart type |
Min |
Max |
Je suis intéressé par les phases de simulation |
2,6 |
0,5 |
2,0 |
3,0 |
Je suis intéressé par les phases
d’amélioration |
2,7 |
0,5 |
2,0 |
3,0 |
J’ai réussi à faire les phases de simulation |
2,4 |
0,5 |
2,0 |
3,0 |
J’ai réussi à faire les phases
d’amélioration |
2,6 |
0,5 |
2,0 |
3,0 |
Tableau 2 • Intérêt et
réussite à l’usage
Nous avons ensuite demandé aux participants le niveau de ressenti de
différentes émotions lors de l’utilisation de Lea(r)nIT. Les
tableaux 3 et 4 montrent les réponses moyennes exprimées. Les
émotions les plus souvent exprimées (tableau 3) sont positives
comme le plaisir (m=2,4), l’excitation (m=2,1) et la joie (m=1,9).
Quelques étudiants ont exprimés un sentiment d’euphorie
(m=1,4) ou de surprise (m=1,4). La plupart des étudiants n’ont pas
exprimé d’émotions négatives. Quelques
étudiants ont exprimé un sentiment de stress (tableau 4) à
l’idée de faire des erreurs de production (m=1,6) ou des erreurs
d’usage de la station de travail (m=1,1). Quelques étudiants ont
aussi exprimé l’impression qu’ils n’arriveraient pas
à suivre le rythme de production imposé par la chaîne lors
de la simulation (m=1,3).
Quand j’utilise Lea(r)nIT, je ressens : |
Moyenne |
Écart type |
Min |
Max |
Du plaisir |
2,4 |
0,5 |
2,0 |
3,0 |
De l’excitation |
2,1 |
1,0 |
0,0 |
3,0 |
De la joie |
1,9 |
1,0 |
0,0 |
3,0 |
De l’euphorie |
1,4 |
0,7 |
0,0 |
2,0 |
De la surprise |
1,4 |
0,5 |
1,0 |
2,0 |
De la perplexité |
0,6 |
0,7 |
0,0 |
2,0 |
De l’embarras |
0,4 |
0,7 |
0,0 |
2,0 |
De la déception |
0,3 |
0,7 |
0,0 |
2,0 |
De la peur |
0,1 |
0,3 |
0,0 |
1,0 |
De la tristesse |
0,0 |
0,0 |
0,0 |
0,0 |
Du dégout |
0,0 |
0,0 |
0,0 |
0,0 |
De l’anxiété |
0,0 |
0,0 |
0,0 |
0,0 |
Du mépris |
0,0 |
0,0 |
0,0 |
0,0 |
Tableau 3 • Émotions
ressenties par les participants
Quand j’utilise Lea(r)nIT, je suis stressé à
l’idée de : |
Moyenne |
Écart type |
Min |
Max |
Faire des erreurs de production |
1,6 |
0,5 |
1,0 |
2,0 |
Faire des erreurs d’utilisation de la station de travail |
1,1 |
0,8 |
0,0 |
2,0 |
Ne pas réussir à suivre le rythme de la production |
1,3 |
0,9 |
0,0 |
2,0 |
Tableau 4 • Stress ressenti par les
participants
4.2.2. Évaluation des apprentissages
4.2.2.1. Sentiment
d’apprentissage
Les sentiments d’apprentissage exprimés par les participants
sont présentés dans le tableau 5. Ils ont le sentiment
d’avoir compris les concepts généraux du Lean (m=2,3 pour le
groupe LEGO et m=2,7 pour le groupe Lea(r)nIT) et se sentent capable de mettre
en application ces concepts dans des cas concrets (m=2,1 pour le groupe LEGO et
m=2,4 pour le groupe Lea(r)nIT). Les valeurs sont très comparables dans
les deux groupes. D’ailleurs, si on fait un t-test (tableau 6) les
écarts de valeurs concernant le sentiment d’apprentissage et la
capacité de mise en œuvre ne sont pas significatifs (avec
respectivement des valeurs p=0,19 et p=0,4).
On peut donc conclure que la perception d’apprentissage est similaire
dans les deux groupes.
|
|
Moyenne |
Ecart type |
Min |
Max |
Condition LEGO |
Je comprends les concepts généraux du Lean |
2,3 |
0,5 |
2,0 |
3,0 |
|
Je suis capable d’appliquer les concepts du Lean dans des cas
concrets |
2,1 |
0,6 |
1,0 |
3,0 |
Condition Lea(r)nIT |
Je comprends les concepts généraux du Lean |
2,7 |
0,5 |
2,0 |
3,0 |
|
Je suis capable d’appliquer les concepts du Lean dans des cas
concrets |
2,4 |
0,5 |
2,0 |
3,0 |
Tableau 5 • Sentiments
d’apprentissage des participants
t-test |
t |
p-value |
|
Sentiment de compréhension des concepts |
-1,367 |
0,199 |
Non significatif |
Sentiment de capacité de mise en œuvre des concepts |
0,866 |
0,403 |
Non significatif |
Tableau 6 • Différence dans
les sentiments d’apprentissage des participants
4.2.2.2. Niveau de connaissance des participants avant les formations
Le tableau 7 montre le niveau de connaissances
des élèves, avant les formations, concernant les concepts du Lean.
Les résultats sont regroupés selon que les questions qui ont
été posées concernent des éléments
théoriques ou pratiques du Lean. On peut noter que les participants du
groupe Lea(r)nIT ont des résultats généraux
légèrement supérieurs que ceux du groupe LEGO (m=13,4 pour
le groupe LEGO et m=14,9 pour Lea(r)nIT). Plus spécifiquement, le groupe
Lea(r)nIT a de meilleurs résultats sur les questions théoriques
(m=8,4 pour le groupe LEGO vs m=10,8 pour le groupe Lea(r)nIT ) alors que le
groupe LEGO a de meilleurs résultats sur les question pratiques (m=5 pour
le groupe LEGO vs m=4 pour le groupe Lea(r)nIT). On peut remarquer que
globalement les deux groupes ont de meilleurs résultats sur les questions
théoriques que sur les questions pratiques.
Nous avons analysé si les différences entre les deux groupes
étaient significatives en utilisant un t-test. Les résultats
présentés dans le tableau 8 montrent qu’il n’y a pas
de différence significative sur l’état des connaissances
initiales à propos du Lean entre les deux groupes à la fois sur le
plan général (p=0,634) et sur les connaissances théoriques
(p=0,201) ou pratiques (p=0,540). Nous pouvons donc en conclure que le niveau de
connaissances initiales relatif au Lean des participants est équivalent
avant l’expérimentation pour les deux groupes.
|
Avant l’expérimentation |
Moyenne |
Écart type |
Min |
Max |
Condition LEGO
|
Ensemble des connaissances |
13,4 |
5,1 |
6,2 |
23,7 |
Connaissances théoriques |
8,4 |
3,1 |
5 |
14,3 |
Connaissances pratiques |
5 |
3 |
0 |
9,5 |
Condition Lea(r)nIT
|
Ensemble des connaissances |
14,9 |
5 |
9,5 |
23,5 |
Connaissances théoriques |
10,8 |
3 |
7 |
15,5 |
Connaissances pratiques |
4 |
2 |
0,5 |
8 |
Tableau 7 • Résultats au test
de connaissances avant l’expérimentation
t-test avant l’expérimentation |
t |
p-value |
|
Ensemble des connaissances |
-0,489 |
0,634 |
Non significatif |
Connaissances théoriques |
-1,353 |
0,201 |
Non significatif |
Connaissances pratiques |
0,631 |
0,540 |
Non significatif |
Tableau 8 • Différence entre
les groupes dans les connaissances en Lean avant
l’expérimentation
4.2.2.3. Niveau de connaissance des participants après les
formations
Le tableau 9 montre le niveau de connaissances
des élèves, après les formations. On peut voir que le
groupe Lea(r)nIT a de meilleurs résultats sur l’ensemble des
compétences que le groupe LEGO (m=15,9 pour le groupe LEGO vs m=21,9 pour
le groupe Lea(r)nIT). Le groupe Lea(r)nIT a en particulier de meilleurs
résultats concernant les questions théoriques (m=8,5 pour le
groupe LEGO vs m=13,3 pour le groupe Lea(r)nIT). Les résultats sont aussi
meilleurs concernant les questions pratiques mais de manière bien moins
marquée (m=7,4 pour le groupe LEGO vs m=7,6 pour le groupe Lea(r)nIT).
Les deux groupes ont de meilleurs résultats sur les questions
théoriques que sur les questions pratiques.
Les résultats du tableau 10 montrent que, selon un t-test, les
différences entre les deux groupes sont significatives si on
considère l’ensemble des connaissances (p=0,059) et les
connaissances théoriques (p=0,003) alors qu’elles ne le sont
pas si on considère les connaissances pratiques (p=0,869).
|
Après l’expérimentation |
Moyenne |
Écart type |
Min |
Max |
LEGO condition
|
Ensemble des connaissances |
15,9 |
4,3 |
9,5 |
22,25 |
Connaissances théoriques |
8,5 |
2,4 |
5 |
12 |
Connaissances pratiques |
7,4 |
2,4 |
3,5 |
11,5 |
Lea(r)nIT condition
|
Ensemble des connaissances |
21,9 |
4,1 |
15,8 |
28,3 |
Connaissances théoriques |
13,3 |
2,2 |
11,3 |
18,3 |
Connaissances pratiques |
7,6 |
2,8 |
2,8 |
10,8 |
Tableau 9 • Résultats au test
de connaissances après l’expérimentation
t-test après l’expérimentation |
t |
p-value |
|
Ensemble des connaissances |
-2,081 |
0,059 |
Significatif |
Connaissances théoriques |
-3,626 |
0,003 |
Significatif |
Connaissances pratiques |
-0,168 |
0,869 |
Non significatif |
Tableau 10 • Différence entre
les groupes dans les connaissances en Lean après
l’expérimentation
Nous pouvons en conclure que les participants du groupe Lea(r)nIT ont
globalement plus appris que les étudiants du groupe LEGO. Donc
l’hypothèse H1 est validée. De plus, les participants qui
ont utilisé Lea(r)nIT ont au final une meilleure compréhension des
concepts théoriques que les étudiants du groupe LEGO. Donc
l’hypothèse H2 est validée. Cependant nous n’avons pas
pu montrer que l’utilisation de Lea(r)nIT procurait une meilleure
construction de compétences pratiques. L’hypothèse H3
n’est donc pas validée et nous dégageons des raisons
possibles dans la partie suivante.
4.3. Discussion
Les résultats généraux à propos de
l’utilisabilité et de l’expérience utilisateur sont
très positifs. Les étudiants pensent que la conception
générale de Lea(r)nIT est bonne. Ils pensent en particulier que
Lea(r)nIT est utile, pertinent, amusant et facile à utiliser. Ils se
déclarent intéressés à utiliser Lea(r)nIT à
la fois pour réaliser les étapes de simulation et
d’amélioration de l’activité proposée. Ils ont
le sentiment de bien réussir à réaliser ces deux
étapes en l’utilisant. Ils expriment des émotions
très positives comme le plaisir, l’excitation, la joie et ne
ressentent pas d’émotions négatives comme l’embarras,
la déception, la peur, la tristesse, le dégout ou la
colère. Ils n’expriment pas non plus de sentiment de stress
lié au rythme de l’activité ou aux erreurs que la
manipulation des dispositifs de RM induirait. Ainsi, nous pouvons conclure que
la conception de Lea(r)nIT n’engendre pas de problème
d’utilisabilité.
Sur le plan des apprentissages, les premiers résultats
présentés ici sont encourageants. En effet, notre étude
montre que l’apprentissage est meilleur si les outils et objets
manipulés lors de la formation sont réalisés en RM
plutôt que de façon plus symbolique comme c’est le cas avec
les LEGO. La justification de ce résultat est liée selon nous au
fait que le degré de réalisme et l’immersion rendus possible
par la RM permettent aux participants de faire plus simplement le lien entre les
éléments avec lesquels ils interagissent dans le jeu et la
réalité de l’activité qui est simulée. En
effet, le paradigme de l’apprentissage par l’action suppose
qu’en plaçant l’apprenant dans une situation où les
gestes et l’interaction sont plus réalistes, l’action
située sera mieux définie et l’expérience
vécue plus propice aux apprentissages.
Nous nous interrogions sur les possibles différences d’impacts
sur l’apprentissage des concepts théoriques et pratiques. En effet,
si l’environnement et les actions sont plus réalistes, on peut
s’attendre, d’une part, à ce que les participants aient une
meilleure prise de recul sur leurs activités ainsi qu’une meilleure
compréhension des enjeux et méthodes de la situation qui est
représentée (concepts théoriques). On peut
s’attendre, d’autre part, à ce que la maîtrise des
gestes et attitudes soit plus grande (concepts pratiques). Notre étude
montre que les concepts théoriques du domaine sont mieux compris
s’il y a usage de la RM dans le Serious Game, en revanche aucune
amélioration significative n’a été observée
sur les concepts pratiques.
Nous pensons que ces résultats sont liés aux objectifs
pédagogiques de la formation et au scénario du jeu initial sur
lequel nous nous sommes appuyé. En effet, les aspects pratiques du Lean
qui sont vus dans la formation consistent à comprendre comment mettre en
œuvre des méthodologies (comme les 5S) et comment contrôler le
déroulement de la production (par des activités de type mesure du
temps de transfert d’une pièce par exemple). Les aspects
théoriques consistent à comprendre la philosophie de la
méthode Lean, les différents éléments de la
production sur lesquels il est intéressant d’agir et comment ces
changements améliorent le processus industriel à plus grande
échelle. Le scénario du jeu et le fait de jouer des rôles
aident surtout les participants à se mettre à la place des
opérateurs, comprendre quel est leur travail et les
bénéfices ou contraintes liés au déploiement
d’une démarche Lean. Les gestes réalisés sur les
plateformes de travail, en utilisant des techniques de RM, ne visent donc pas
l’acquisition de certaines compétences pratiques liées aux
objectifs pédagogiques. Le seul rôle qui expérimente une
compétence pratique est l’observateur qui mesure les temps de
production à l’aide d’un chronomètre au cours de
l’activité. Ses mesures servent principalement à alimenter
les discussions lors des phases de débriefing avec l’enseignant.
C’est en effet à ce moment que les compétences pratiques de
la formation sont discutées et approfondies. Le travail de
l’observateur et les débriefings étant
réalisés de manière équivalente dans les deux cas,
l’absence de différences d’apprentissage sur les concepts
pratiques est justifiée. En revanche, notre expérimentation montre
bien que l’ajout d’interaction en RM lors des phases de simulation
aide les participants à mieux comprendre les concepts théoriques
liés au Lean. En effet, les concepts théoriques sont
présentés rapidement à l’oral pour les deux groupes
en début de formation, expérimentés de manière
différenciée lors des phases de simulation et discutés eux
aussi, de manière équivalente pour les deux groupes lors des
phases de débriefing. Nous pouvons donc bien conclure que c’est
l’ajout des techniques de RM qui améliore la compréhension
générale de la méthode Lean et de la manière de la
mettre en œuvre.
Pour améliorer l’apprentissage sur les concepts pratiques, nous
pensons qu’il serait utile de développer des interactions utilisant
de la RM lors des phases d’amélioration pour soutenir
l’étape de débriefing et de discussion sur
l’intérêt de proposer telle ou telle amélioration. On
peut imaginer par exemple qu’à l’issue des simulations, les
élèves manipulent des artefacts représentatifs des
méthodes d’observation et de contrôle du Lean, proposent des
stratégies d’amélioration, réorganisent la ligne de
production et visualisent sur le poste de contrôle, par le biais
d’une simulation à horizon d’une journée ou
d’une semaine, les impacts sur la production. Les élèves
pourraient faire ce travail dans un premier temps individuellement puis discuter
les différents choix en groupe sur la base des effets qu’ils
produisent. On peut imaginer aussi que ces choix soient testés et
discutés en groupe en utilisant une table multi-touch et des
interfaces tangibles et qu’une discussion globale soit ensuite faite sur
la base de la solution proposée collaborativement. Ces activités
auraient pour conséquence d’approfondir les discussions et ainsi la
compréhension des méthodes de déploiement du Lean.
Néanmoins, le fait de pouvoir voir les effets des choix sur des
simulations en accéléré aurait pour conséquence de
limiter l’intérêt de les vivre en contexte simulé avec
de la RM. Pour garder le scénario global du jeu attractif, en particulier
le fait de jouer les phases de simulation, il faudrait ajouter des
éléments de jeu lors des phases d’amélioration et
laisser à l’enseignant la possibilité de définir les
éléments les plus adaptés selon les propositions des
élèves. Cette limite a par exemple été
soulignée par l’enseignante qui a réalisé la
formation. Cette personnalisation, qui impliquerait une modification du
scénario implémenté, ne faisait pas partie des objectifs
fixés dans cette recherche. Nous sommes cependant
intéressés à la prendre en compte dans une prochaine
itération à présent que les premières observations
ont été faites.
Ces résultats doivent être considéré cependant
avec prudence car la taille de l’échantillon de participants
était relativement petite (14 participants au total). Ceci est lié
aux contraintes expérimentales et aussi au jeu initial que nous avons
choisi de transposer. En effet, les sept rôles qui sont définis
dans le scénario contraignent le nombre de participants par
séance. De plus, nous avons demandé à la même
personne de faire l’animation de la formation dans les deux cas pour
limiter les biais liés à la manière de travailler de
l’enseignant. Dans la mesure où cette formation dure quatre heures
pour chaque groupe, il a été impossible pour cette personne
d’encadrer plus de groupes.
5. Conclusion
Nous avons constaté qu’il y avait
encore peu de travaux autour des MRLG (Mixed Reality Learning Games) et
que leurs effets sur l’apprentissage n’étaient pas
réellement mesurés. Le projet SEGAREM a pour objectif
d’étudier le processus de conception ainsi que
l’utilité de ces nouvelles formes d’interaction sur
l’apprentissage.
Dans le cadre de ce projet, nous avons conçu un MRLG appelé
Lea(r)nIT. De manière à tester les effets de la RM, nous avons
choisi d’adapter un Serious Game non numérique
déjà existant, le Buckingham Lean Game. Ce jeu est
notamment utilisé depuis plusieurs années dans une école
d’ingénieurs pour former les étudiants à la
démarche Lean. Le jeu consiste à faire tenir aux
élèves différents rôles dans une chaîne de
production (phase de simulation) de manière à les aider à
appréhender les gaspillages et perte de temps. Dans un deuxième
temps, les étudiants sont amener à réfléchir aux
différentes méthodes du Lean puis les mettent en application
(phase de débriefing et amélioration). Les rôles
correspondent à différents opérateurs d’une
chaîne de production (presse, assemblage, contrôle qualité,
....). De manière à simuler la production de pièces, les
élèves travaillent avec des boites en plastiques (pour
représenter les supports de stockage) et des blocs de LEGO (pour
représenter les pièces), qu’ils s’échangent et
qu’ils assemblent en suivant un processus de production fourni. Notre
travail de conception a consisté à remplacer l’utilisation
des LEGO par des techniques de RM. Le scénario du jeu ainsi que les
objectifs pédagogiques sont restés inchangés. Ainsi la
version MRLG de la formation utilise différents artefacts : 4 tables
interactives (3 ont été conçues spécifiquement dans
le cadre du projet, la dernière est une table Pixel Sense), une
tablette et un smartphone. En complément, des objets ont
été utilisés comme interfaces tangibles de manière
à accroître le sentiment d’immersion des apprenants dans
l’activité. Par exemple, un pistolet à colle a
été adapté de manière à pouvoir poser des
points de colle sur des pièces virtuelles qui sont manipulées sur
une table interactive représentant le poste d’assemblage.
Les deux situations ont ensuite été évaluées en
utilisant une méthode expérimentale. 14 participants
(étudiants d’école d’ingénieurs) ont
été soumis à deux conditions de formation : 7 pour la
situation LEGO et 7 pour la situation Lea(r)nIT. Les pré-tests et
post-tests sur l’état des connaissances ont montré que
l’utilisation de la RM impactait positivement l’apprentissage, en
particulier concernant la compréhension des concepts théoriques.
Les observations complémentaires montrent que ces résultats
s’expliquent principalement par une plus grande motivation, une meilleure
immersion et une meilleure expérience utilisateur. De plus, nous
pensons que le fait de réaliser des activités plus
réalistes aide les élèves à mieux se projeter dans
la simulation et ainsi à comprendre de manière plus fine les
dysfonctionnements qui justifient l’emploi de telle ou telle
méthode ainsi que les conséquences que cela peut avoir sur la
production. Les concepts théoriques de la formation sont ainsi compris
avec plus de sens. Néanmoins, nous n’avons pas identifié de
différences significatives sur les apprentissages concernant les concepts
pratiques. Nous pensons que ce résultat est lié à
l’organisation de la formation qui vise à former les
étudiants à découvrir la méthode et avoir une vision
globale de l’analyse de la situation et des améliorations possibles
que l’on peu faire. Nous pensons que nous aurions pu démontrer
l’avantage de l’utilisation de la RM sur la compréhension
fine d’aspects pratiques en modifiant le scénario
pédagogique lors des phases de débriefing, par exemple en
utilisant une table ou des tablettes tactile pour définir
collaborativement les améliorations possibles et en voir les effets
à plus ou moins long terme. Mais ce choix aurait nécessité
de repenser le scénario pédagogique dans sa globalité de
manière à garder l’étape de simulation de la
chaîne de production intéressante et conserver la découverte
graduelle des améliorations.
Nos résultats vont dans le même sens que ceux de Cuendet et
al. (Cuendet et al., 2012) qui montrent que l’utilisation d’interfaces tangibles tend à
modifier les comportements des apprenants, les encourage à manipuler plus
mais aussi parfois à réfléchir moins, ce qui peut dans ce
cas avoir un impact négatif sur les apprentissages. La
réalité mixte en formation ne doit pas être juste
considérée pour l’assistance qu’elle fournit pour la
réalisation de tâches manuelles. Elle doit être aussi vue
comme un moyen d’encourager une réflexion plus profonde chez les
élèves. Dans cette perspective, le rôle des enseignants
reste fondamental pour les aider à exploiter ces nouvelles
expériences vécues, prendre du recul sur leurs activités,
faire le lien avec les concepts présentés et ainsi mieux
apprendre. Ce rôle peut se manifester aussi dans la mise en œuvre du
dispositif par le choix, en cohérence avec le scénario
général, des activités à réaliser selon les
réactions et propositions des élèves. Cette
possibilité d’adaptation nous semble particulièrement utile
pour favoriser l’appropriation de ces dispositifs par les enseignants.
Elle constitue une de nos prochaines perspectives de recherche.
Remerciements
Cette recherche a été
réalisée dans le cadre du projet SEGAREM (SErious GAmes et
REalité Mixte). Les auteurs tiennent à remercier à la
fois la DGCIS (Direction Générale de la
Compétitivité, de l'Industrie et des Services) qui a
accepté de le financer, et les partenaires industriels, Symetrix et Total
Immersion, pour leur collaboration. Les auteurs tiennent aussi à exprimer
leur gratitude aux étudiants de l’INSA de Lyon et à leur
enseignante Lorraine Trilling, pour avoir accepté de participer à
l’expérimentation.
BIBLIOGRAPHIE
Abt
C. C. (1987) Serious games. University Press of America.
Anastassova M., Burkhardt J.-M. (2008) Automotive
technicians’ training as a community-of-practice: implications for the
design of an augmented reality teaching aid. Applied ergonomics, 40(4), p.713-721.
Cuendet S., Jermann P., Dillenbourg P. (2012) Tangible
interfaces: when physical-virtual coupling may be detrimental to learning. In Proceedings of the 26th Annual BCS Interaction Specialist Group Conference on
People and Computers, Swinton, UK, UK: British Computer Society,
p.49–58.
CIPE (2013), Centre International de la Pédagogie
d’Entreprise, http://www.cipe.fr/jeux-et-seminaires.html
Crawford C. (1982) The art of computer game
design. Osborne/McGraw-Hill.
David B., Yin, C., Chalon R. (2009) Contextual Mobile
Learning Strongly Related to Industrial Activities: Principles and Case Study, International Journal of Advanced Corporate Learning, Vol. 2 (3),
p.12-20.
Delomier F., David B., Chalon R. (2012): Conception et
mise en œuvre de Learning Games Collaboratifs Contextualisés. In
SYSCO - Première conférence francophone sur les systèmes
Collaboratifs, 28-30 sept. 2012.
De Freitas S., Neumann, T. (2009) The use of
‘exploratory learning’ for supporting immersive learning in virtual
environments, Computers and Education Journal, 52(2), p. 343-352.
Garris R., Ahlers R., Driskell J. (2002). Games,
motivation, and learning: A research and practice model. Simulation &
Gaming, 33(4), p. 441-467.
Herrington J., Oliver R. (2000). An instructional design
framework for authentic learning environments. Educational Technology
Research and Development, Vol. 48 (3), p. 23-48.
Joab M., Gouardères G. (2000) sous la dir.,
Simulation et formation professionnelle dans l’industrie, numéro
spécial de la revue Sciences et Techniques Éducatives (STE),
Hermès-Lavoisier, 232 p.
Jourde F., Laurillau Y., Nigay L. (2010) COMM notation
for specifying collaborative and multimodal interactive systems, Proceedings
of the 2nd ACM SIGCHI symposium on Engineering interactive computing
systems, p.125–134.
Kriz W.C. (2010). A Systemic-Constructivist Approach to
the facilitation and Debriefing of Simulations and Games. Simulation and
Gaming: An International Journal, 41, p. 663-680.
Lave J., Wenger E. (1991). Situated Learning.
Legitimate Peripheral Participation. Cambridge University Press.
Marfisi-Schottman I., George S., Tarpin-Bernard F. (2010)
Tools and Methods for Efficiently Designing Serious Games. Proceedings of 4th
Europeen Conference on Games Based Learning, Copenhagen, Denmark, p.
226-234.
Mariais,C., Michau F., Pernin J.-P., Mandran N. (2011)
Supporting Learning Role-Play Games Design: A Methodology and Visual Formalism
for Scenarios Description. Proceedings of the 5th European Conference on
Games Based Learning, Athens, Greece, p. 378-387.
Milgram P., Kishino F. (1994). A Taxonomy of Mixed
Reality Visual Displays. IEICE Transactions on Information and Systems, E77-D(12), pp.1321-1329.
Orliac C., George S., Michel C., Prévot P. (2011)
Can we use Existing Pedagogical Specifications to Design Mixed Reality Learning
Games? Proceedings of the 5th European Conference on Games Based
Learning, Athens, Greece, p. 440-448.
Orliac C., Michel C., George S. (2012). An Authoring Tool
to Assist the Design of Mixed Reality Learning Games, 7th European Conference
of Technology Enhanced Learning, Saarbrücken, Germany, September 2012,
p. 441-446
Prince M. (2004) Does Active Learning Work? A Review of
the Research. Journal of Engineering Education, Vol. 93, N°3, p.
223–231.
Stedmon A. W., Stone R. J. (2001). Re-viewing reality:
human factors of synthetic training environments. International Journal of
Human-Computer Studies, 55(4), p. 675-698.
Suchman L. (1987) Plans and situated actions : the
problem of human-machine communication, Cambridge University Press, New
York, 1987.
Squire K., Jenkins H. (2003), Harnessing the power of
games in education. Insight, vol. 3, n°1, p. 5-33.
A
propos des auteurs
Sébastien GEORGE est Professeur en informatique
à l’Université du Maine (IUT de Laval, laboratoire LIUM)
depuis 2013. Après l’obtention d’un doctorat en informatique
en 2001, il a travaillé au centre de recherche LICEF de la
Télé-université du Québec puis a rejoint
l’INSA de Lyon en 2002 (département informatique, laboratoire
LIRIS). Ses travaux portent sur les Environnements Informatiques pour
l’Apprentissage Humain (EIAH) et notamment pour le support à
l’apprentissage collectif. Il s’intéresse aux Interactions
Homme-Machine innovantes dans le contexte de l’éducation et de la
formation (jeux sérieux, réalité mixte).
Adresse : IUT Laval –
Département Informatique, 52 rue des docteurs Calmette et Guérin,
53020 Laval Cedex 9
Courriel : Sebastien.George@univ-lemans.fr
Toile : www.univ-lemans.fr/~sgeorge
Christine MICHEL est docteur en sciences de
l’information et de la communication et maitre de conférences en
informatique au sein de l’équipe SILEX du LIRIS de Lyon. Elle
étudie les usages des dispositifs d’apprentissage
instrumenté innovants en observant leur utilité vis a vis de la
construction de connaissance, leur utilisablité et
l’expérience utilisateur qui est construite au cours de l'usage.
Adresse : INSA de Lyon,
département GI, bât Jules Verne, 19 avenue Jean Capelle, 69621
Villeurbanne cedex, France
Courriel : Christine.Michel@insa-lyon.fr
Toile : liris.cnrs.fr/membres?idn=cmichel
Audrey SERNA est maître de conférences
à l’INSA de Lyon et membre de l’équipe SILEX du
laboratoire LIRIS. Elle détient depuis 2008 un doctorat en informatique
et sciences cognitives de l’INP de Grenoble et de
l’Université de Sherbrooke au Canada. Ses travaux de recherche se
concentrent sur l’usage des nouvelles technologies pour supporter les
activités des utilisateurs et favoriser leur autonomie dans ces
environnements complexes et pervasifs. Ses domaines d’intérêt
sont notamment les environnements pour l’apprentissage collaboratif et les
habitats intelligents pour la santé.
Adresse : INSA de Lyon,
département GI, bât Jules Verne, 19 avenue Jean Capelle, 69621
Villeurbanne cedex, France
Courriel : Audrey.Serna@insa-lyon.fr
Toile : liris.cnrs.fr/membres?idn=aserna
Luca BISOGNIN est consultant TICE & Innovations chez
Symetrix, société spécialisée dans
l’ingénierie de dispositifs de formation sur mesure. Pendant 3 ans
responsable R&D de cette même structure il a mené plusieurs
projets collaboratifs portant sur l’utilisation des technologies
numériques et contribué à la mise en œuvre de
dispositifs de formation innovants sur supports diversifiés (smartphones,
tablettes, table surface, plateformes pédagogiques multi-supports,
plateformes moodle personnalisées, etc.). Il a collaboré au
préalable sur des projets d’innovation portant sur la convergence
du e-learning et du knowledge management.
Adresse : Symetrix - Groupe SBT, 34, Av.
de l'Europe, 38100 Grenoble
Courriel : luca_bisognin@symetrix.fr
Toile : www.symetrix.fr
|