Stratégies d'enseignement pour améliorer les résultats des élèves
Des recherches montrent que l'enseignement efficace peut améliorer les compétences en résolution de problèmes chez les élèves.
― 7 min lire
Table des matières
Beaucoup d'étudiants ne sont pas prêts pour l'apprentissage futur parce qu'ils ne savent pas comment choisir la bonne méthode pour résoudre des problèmes ou quand l'utiliser. On peut diviser les étudiants en trois groupes :
- Apprenants par cœur : Ces étudiants s'accrochent à une seule méthode et ne changent pas d'approche.
- Touche-à-tout : Ces étudiants connaissent différentes méthodes mais ont du mal à savoir quand les utiliser.
- Apprenants sélectifs : Ces étudiants savent quelle méthode utiliser et quand l'appliquer.
Les recherches montrent que les apprenants sélectifs s'en sortent souvent mieux que les apprenants par cœur et les touche-à-tout. Cette étude examine comment des stratégies d'enseignement explicites peuvent aider les apprenants par cœur et les touche-à-tout à améliorer leurs compétences, surtout en logique et en probabilité.
L'Étude
Dans cette étude, on se concentre sur l'enseignement de deux types de compétences :
- Connaissance des stratégies : Savoir quelle méthode de résolution de problème utiliser.
- Connaissance du timing : Savoir quand utiliser une méthode spécifique.
On a utilisé deux types d'aides pédagogiques :
- Chaînage direct (FC) : C'est une méthode où les étudiants commencent avec ce qu'ils savent et avancent vers le but.
- Chaînage inverse (BC) : Là, les étudiants commencent par le but et travaillent à rebours pour trouver les infos nécessaires.
Pendant les cours de logique, les étudiants ont appris ces deux méthodes. Certains ont reçu des instructions sur comment utiliser la méthode BC avec des exemples et des indications sur quand changer de méthode. Après six semaines, tous les étudiants ont appris la probabilité mais uniquement via la méthode BC.
Résultats
Les résultats ont montré que les étudiants qui ont reçu un enseignement supplémentaire (groupe expérimental) ont performé beaucoup mieux que ceux qui n'en ont pas eu (groupe témoin). Plus important, les apprenants par cœur ont fait des progrès significatifs, presque au même niveau que les apprenants sélectifs.
Différences d'apprentissage
C'est clair que certains étudiants s'adaptent mieux à différents environnements d'apprentissage que d'autres. Cela peut être dû à des compétences manquantes comme des méthodes de résolution de problèmes ou des compétences métacognitives. La Métacognition consiste à être conscient de son propre processus d'apprentissage, y compris la façon de planifier, surveiller et évaluer son approche de l'apprentissage.
Stratégies d'enseignement
Des recherches ont examiné différentes façons d'enseigner des stratégies de résolution de problèmes, y compris des stratégies de lecture pour les plus jeunes. Les résultats indiquent que les étudiants enseignés de manière explicite ont mieux réussi aux tests par rapport à ceux qui ont appris par des méthodes traditionnelles.
Dans notre étude, on s'est spécifiquement concentré sur les stratégies FC et BC. On a découvert que bien que les étudiants utilisaient souvent les deux méthodes, ceux qui comprenaient quand et pourquoi utiliser chaque méthode avaient généralement de meilleurs résultats que ceux qui ne le savaient pas.
Exemples résolus
Un exemple résolu est une solution étape par étape à un problème. Utiliser des exemples résolus dans l'enseignement a montré qu'on pouvait améliorer les performances des étudiants, surtout au début de l'apprentissage d'une nouvelle compétence. L'idée, c'est que les étudiants apprennent mieux quand ils voient d'abord une solution complète avant d'essayer de résoudre des problèmes similaires eux-mêmes.
Notre approche a utilisé des exemples résolus dès le début des leçons de logique pour enseigner la méthode BC. En montrant aux étudiants comment résoudre correctement des problèmes, on visait à améliorer leur compréhension globale et leur capacité à appliquer ce qu'ils ont appris.
L'Importance du Timing
Beaucoup d'étudiants ont du mal parce qu'ils ne savent pas quand utiliser une méthode spécifique. Pour y remédier, on a inclus des indications dans notre enseignement qui encourageaient les étudiants à changer de méthode quand c'était approprié. Cette orientation était particulièrement ciblée sur les apprenants par cœur et les touche-à-tout qui avaient besoin d'aide supplémentaire.
Détails des tuteurs et de l'intervention
Notre étude a utilisé deux tuteurs en ligne : un pour la logique et un pour la probabilité.
Tuteur de logique : Ce tuteur a enseigné aux étudiants comment résoudre des problèmes de preuves logiques. Les étudiants pouvaient utiliser soit FC soit BC pour trouver la réponse. On a modifié le tuteur de logique pour inclure des exemples résolus spécifiquement axés sur la méthode BC et des indications pour encourager le changement de stratégies quand c'était nécessaire.
Tuteur de probabilité : Le tuteur de probabilité se concentrait uniquement sur la méthode BC, où les étudiants devaient résoudre des problèmes en écrivant des équations.
Les étudiants ont complété les deux tuteurs dans le cadre de leurs devoirs, et leur effort a été noté plutôt que leur performance.
Catégorisation des étudiants
Avant de commencer le tuteur de logique, on devait classer les étudiants en groupes Apprenant par cœur, Touche-à-tout ou Sélectif en fonction de leur approche pour résoudre des problèmes lors des tests initiaux. Un classificateur de forêt aléatoire a été formé sur des données antérieures pour prédire à quelle catégorie chaque étudiant appartiendrait.
Évaluation des résultats
Après avoir terminé les deux tuteurs, on a comparé la performance des étudiants dans les groupes Expérimental et Contrôle sur plusieurs critères.
Les résultats ont montré que le groupe expérimental a largement surpassé le groupe témoin en logique et en probabilité. Les apprenants par cœur ont particulièrement bénéficié de l'intervention et ont montré une forte amélioration.
Rattraper le retard sur les apprenants sélectifs
Notre analyse a aussi examiné si les apprenants par cœur et les touche-à-tout du groupe expérimental pouvaient rattraper les apprenants sélectifs. On a découvert que les apprenants par cœur et les touche-à-tout s'en sortaient aussi bien dans les deux matières, avec des apprenants par cœur dépassant même les apprenants sélectifs dans certains cas.
Comportement de changement de stratégie
Un point clé de notre étude a examiné à quelle fréquence les étudiants changeaient de FC à BC pendant le tuteur de logique. On a mesuré ce comportement pour voir comment les interventions pédagogiques affectaient leur prise de décision. Les résultats ont indiqué que les étudiants par cœur et les touche-à-tout qui ont reçu des indications étaient meilleurs pour changer de stratégies par rapport à leurs pairs qui n'ont pas reçu d'intervention.
Conclusions
Cette étude a révélé que l'enseignement explicite aux étudiants sur comment et quand utiliser différentes stratégies de résolution de problèmes peut grandement soutenir leur apprentissage. En particulier, les étudiants qui manquaient de ces compétences métacognitives ont le plus bénéficié de l'instruction explicite.
Nos résultats soulignent l'importance de la connaissance des stratégies et du timing pour préparer les étudiants à l'apprentissage futur. Cependant, on a aussi reconnu que notre approche pourrait être améliorée en incorporant des tuteurs qui soutiennent plusieurs stratégies plutôt qu'une seule, pour explorer comment les étudiants pourraient s'adapter à différentes situations d'apprentissage.
En résumé, l'enseignement explicite des stratégies de résolution de problèmes peut aider à améliorer les résultats d'apprentissage des étudiants, surtout pour ceux qui ont des difficultés avec les compétences métacognitives. Cela peut mener à une meilleure préparation pour les futures tâches d'apprentissage et une augmentation générale du succès des étudiants.
Titre: Preparing Unprepared Students For Future Learning
Résumé: Based on strategy-awareness (knowing which problem-solving strategy to use) and time-awareness (knowing when to use it), students are categorized into Rote (neither type of awareness), Dabbler (strategy-aware only) or Selective (both types of awareness). It was shown that Selective is often significantly more prepared for future learning than Rote and Dabbler (Abdelshiheed et al., 2020). In this work, we explore the impact of explicit strategy instruction on Rote and Dabbler students across two domains: logic and probability. During the logic instruction, our logic tutor handles both Forward-Chaining (FC) and Backward-Chaining (BC) strategies, with FC being the default; the Experimental condition is taught how to use BC via worked examples and when to use it via prompts. Six weeks later, all students are trained on a probability tutor that supports BC only. Our results show that Experimental significantly outperforms Control in both domains, and Experimental Rote catches up with Selective.
Auteurs: Mark Abdelshiheed, Mehak Maniktala, Song Ju, Ayush Jain, Tiffany Barnes, Min Chi
Dernière mise à jour: 2023-03-18 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2303.11960
Source PDF: https://arxiv.org/pdf/2303.11960
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.