619 - Vers une nouvelle ingénierie pédagogique pour les environnements numériques d’apprentissage

Un état des lieux sera présenté pour situer la thématique du colloque dans le cadre de l’évolution récente de trois domaines qui contribuent à la conception des environnements numériques d’apprentissage (ENA) : 1) les théories d’apprentissage, d’enseignement et de design pédagogique, 2) la modélisation des connaissances et des compétences et 3) le génie logiciel.

Le développement des environnements numériques d’apprentissage et de la formation à distance a élargi le cercle des acteurs de l’éducation et de la formation ainsi que des chercheurs s’intéressant au domaine du design pédagogique. Cependant, en dehors du cercle restreint des personnes formées en technologie éducative, peu savent que de nombreuses méthodes de design pédagogique ont été développées depuis le début des années 1960. La plupart reprennent la démarche ADDIE (Analyse – Design – Développement – Implantation – Évaluation) avec quelques variantes. On a assisté, depuis, à une diversification graduelle des méthodes en fonction des approches théoriques de l’apprentissage qui les sous-tendent, des divers types de systèmes d’apprentissage à concevoir (multimédia, jeux sérieux, cours en ligne, etc.), des profils d’apprenants visés, des domaines de connaissances (domaine technique, etc.) et des modalités de formation (en présence, à distance, hybride).                                       

Cette communication vise à présenter un bilan commenté de diverses critiques qui sont adressées aux méthodes classiques de design pédagogique, en particulier celles associées à l’approche ADDIE ainsi que quelques orientations proposées par divers chercheurs à ce jour pour renouveler les manières de faire en matière de conception d’environnements d’apprentissage. Nous en tirerons des leçons pour orienter la recherche visant à améliorer les méthodes d’ingénierie pédagogique adaptées aux environnements numériques d’apprentissage.

La méthode d’ingénierie des systèmes d’apprentissage (MISA) (Paquette, 2002) a innové il y a une quinzaine d’année en intégrant la modélisation des connaissances au design pédagogique et aux principes du génie logiciel et cognitif. Elle propose quatre types de modèles : connaissances et compétences, scénario pédagogique, modèle médiatique et processus (logistique) de diffusion. Depuis, l’essor du Web des données ouvertes et liées (web-dol) fournit un ensemble croissant de modèles sous forme d’ontologies pouvant être intégrés comme composantes au niveau de la méthode et de ses variantes pour l’élaboration des CLOM, des environnements ludiques ou constructivistes.

Le but de la présentation est de mettre en évidence l’apport du Web sémantique pour l’IEA à l’aide des vocabulaires ouverts et liés disponibles sur le web pouvant servir dans le tronc commun de l’IEA ou dans ses variantes. Dans notre laboratoire, certains travaux ont été entrepris en ce sens pour la modélisation des scénarios ou des compétences. Par ailleurs, plusieurs des 16 typologies élaborées et intégrées à MISA peuvent être transformées en ontologies et diffusées sur le Web pour une plus large utilisation. La question des outils utilisant ces vocabulaires ne sera qu’effleurée, mais on revisitera le fonctionnement de certains d’entre eux pour discuter de leur évolution future. Un programme de recherche sera esquissé pour l’intégration des ontologies à l’ingénierie des environnements numériques d’apprentissage.

Dans les dernières années, on note un intérêt croissant pour l'exploitation « intelligente » des données en éducation, particulièrement dans le contexte émergent des cours en ligne ouverts et massifs, les CLOM (MOOC). En cela, l’enseignement s’inscrit dans un courant de société plus global qui vise à prendre de meilleures décisions par l’exploitation des données. Les entreprises, plus particulièrement les géants de l’Internet, ont été les premières à prendre le virage des données massives (big data). L’exploitation des données massives commence à faire des percées dans le secteur public, entre autres dans le secteur de la santé, et elle transformera bientôt l'éducation. On assiste donc à l’émergence d’une pédagogie pilotée par les données (data driven pedagogy). La promesse de la science des données (data science) en éducation est d'améliorer l'apprentissage, la motivation et la persévérance des apprenants en exploitant les données disponibles à la fois en quantité et en qualité.

Dans ce court exposé que nous émaillerons d’exemples pratiques afin de bien faire saisir les concepts, nous nous concentrerons sur l’analytique d’apprentissage (learning analytics). Nous nous intéressons plus particulièrement aux CLOM qui, par leur caractère massif, offrent la possibilité de recueillir de grandes quantités de données et par conséquent de réaliser des analyses statistiquement valables.

Actuellement, le concept de compétence est en train de devenir un vecteur commun pour la représentation des profils professionnels, la conception des programmes de formation et la détermination de profils des apprenants. Avec la diffusion des environnements numériques d’apprentissage (ENA) dans les situations et les dispositifs d’apprentissage tant formel qu'informel, de nombreuses recherches proposent des modèles et fournissent des pistes pour aider les institutions dans les processus de conception et de mise en œuvre d’ENA basés sur les compétences. Seulement, dans ces recherches, les compétences sont encore sujettes à diverses approches et techniques de modélisation.

L’objectif de notre communication est de fournir un état de l’art sur l’utilisation des compétences pour guider l’ingénierie et la personnalisation des scénarios pédagogiques dans les ENA. Plus spécifiquement, nous allons traiter de la représentation des compétences à l’aide des ontologies, des méthodes et des outils d’évaluation des compétences selon les acteurs impliqués ainsi que de l’assistance personnalisée en fonction des compétences. Nous identifierons les problèmes et les défis soulevés par la littérature dans ces domaines, en portant une attention particulière aux impacts de la massification de l’enseignement et de la personnalisation de l’apprentissage sur les problématiques dégagées.

L’ingénierie pédagogique dispose de méthodes permettant d’organiser et de structurer de manière cohérente l’ensemble des composantes en interaction dans les environnements d’apprentissage numériques. Cette approche se veut garante d’efficacité, de fiabilité, de robustesse et de réutilisabilité des environnements. Toutefois, la rigueur de l’ingénierie pédagogique apparaît difficilement applicable pour concevoir les MOOC en raison de la participation massive, de la forte hétérogénéité des participants et de l’absence de groupes cibles. À l’étape d’analyse, les informations requises pour cerner le problème d’apprentissage ne sont tout simplement pas disponibles. En l’absence d’assises solides pour orienter la conception, le concepteur ne peut prétendre que les participants seront en mesure de réaliser les apprentissages prescrits. On peut dès lors se demander si l’ingénierie pédagogique que nous pratiquons est adaptée à la conception d’environnements MOOC authentiquement ouverts.

Les MOOC nous invitent à repenser l’ingénierie pédagogique. Dans cette perspective, nous tenterons de répondre à deux questions. Quelle instrumentation l’environnement MOOC doit-il offrir aux participants en soutien à l’autorégulation de l’apprentissage et à la construction d’environnements personnels d’apprentissage? Quelle évolution envisager pour une ingénierie pédagogique qui favorise les apprentissages responsables et facilite la conception par l’apprenant de son propre environnement?