Créer des dispositifs numériques pour une meilleure prise en compte de l’hétérogénéité scolaire des élèves

Trouver des contextes porteurs. PIXNIO

e.P3C (Pluralité des Contextes, Comportements et Compétences) est le fruit d’une réflexion concertée entre cadres et enseignants de l’éducation nationale, chercheurs et acteurs économiques, réunis en 2016 par le Rectorat de Clermont-Ferrand sous forme d’un consortium pour répondre à l’appel à projets e-FRAN (espaces de formation, de recherche et d’animation numériques).

Ce consortium intégre à ce jour une cinquantaine d’IA-IPR, de chefs d’établissements et d’enseignants, deux laboratoires de l’Université Clermont Auvergne et du CNRS (le Laboratoire de Psychologie Sociale et Cognitive/LAPSCO-UMR 6024 ; le Laboratoire d’Informatique, de Modélisation et d’Optimisation des Systèmes, LIMOS-UMR 6158), la Maison pour la Science en Auvergne (MPSA), l’Institut de Recherche pour l’Enseignement des Mathématiques (IREM), et deux entreprises (Maskott et Perfect Memory).

Son objectif : la création de dispositifs numériques innovants pour une meilleure prise en compte de l’hétérogénéité scolaire des élèves.

La toile de fond du projet e.P3C

La classe, cette cellule de base du système éducatif, est le plus souvent hétérogène. Au sein d’une même classe, les élèves diffèrent généralement les uns des autres s’agissant de leurs sensibilités et capacités cognitives propres, de leurs origines sociales et/ou migratoires, du niveau de soutien scolaire attaché à l’environnement familial, etc.

Les contenus délivrés à l’école étant quant à eux encore assez souvent uniformes, les difficultés scolaires sont dès lors inévitables.

Cette hétérogénéité demeure régulièrement débattue avec parfois la conviction – idéologiquement saturée – qu’elle représente un obstacle pour la réussite de tous les élèves alors même que la diversité du vivant (et donc l’hétérogénéité des élèves) est la règle.

De plus, des travaux scientifiques attestent ses effets souvent bénéfiques et montrent dans le même temps les influences contre-productives – stigmatisantes – du regroupement par niveau de compétences pour les élèves les plus faibles (et parfois même pour les plus forts ; Huguet et coll., 2009).

Précisément, en suggérant l’intérêt de diversifier les contextes d’apprentissage et les modes d’accès au savoir, les recherches en psychologie sociale et cognitive offrent des repères innovants pour la prise en charge non stigmatisante de l’hétérogéité scolaire.

S’agissant des mathématiques, par exemple, les mêmes individus peuvent échouer ou réussir un même exercice selon que sa présentation est formalisée ou fait au contraire écho à un problème de la vie quotidienne (pour un exemple classique cf. Carraher, Carraher, & Schliemann, 1985 ; pour d’autres illustrations avec des tâches Piagetiennes, cf. Light et Butterworth, 1992).

C’est aussi ce que nous enseigne la recherche sur les « schémas pragmatiques de raisonnement » (depuis Cheng et Holyoak, 1985) qui montre l’importance de l’expérience personnelle et des facteurs contextuels (et donc les insuffisances des approches strictement logico-mathématiques) pour comprendre la manière dont raisonne le sujet humain (jeune ou adulte).

En effet, de très nombreux travaux montrent que les difficultés scolaires expriment souvent davantage l’influence de représentations de soi construites au fil du temps par les élèves à l’égard de certaines disciplines ou objets d’apprentissage que leurs faiblesses, incompétences, ou limites supposées (Huguet, 2001 ; 2006, 2017 ; Huguet et Régner, 2007, 2009 ; Monteil & Huguet, 2013 ; Pansu et coll., 2017 ; Régner, 2010 ; Selimbegovic et coll., 2011, 2016).

Tous ces travaux (et d’autres conduits avec des primates non humains, cf. Demolliens, Isbaine, Takerkart, Huguet & Boussaoud, 2017) plaident pour une pluralité des contextes d’apprentissage et des modes d’accès au savoir dans le but d’augmenter la probabilité que tous les élèves expriment davantage sinon tout leur potentiel.

Or, les technologies numériques, en permettant des présentations plus variées de l’information, offrent des possibilités sans précédent pour développer cette stratégie.

Sur cette base, l’ambition du projet e.P3C est d’enrichir le répertoire des pratiques pédagogiques des enseignants pour créer ou renforcer les contextes susceptibles de permettre à des élèves nécessairement différents d’exprimer toutes leurs capacités, sans ségrégation aucune.

Collège connecté.

Une expérimentation à grande échelle

Testée sur 8000 collégiens et lycéens, la solution e.P3C couple une stratégie dite de la pluralité des contextes d’apprentissage à un système de tutorat intelligent (STI).

Concrètement, il s’agit de présenter un même objet d’apprentissage (un théorème, un principe de physique, un phénomène biologique ou historique) et leurs exercices afférents selon différentes modalités (des plus formelles aux plus ludiques ou concrètes), pour en augmenter la probabilité de compréhension par tous les élèves. Le tout au sein d’un STI capable de recommandations en fonction des actions, erreurs et succès de chacun dans toutes les modalités proposées.

L’efficacité de cette solution est évaluée à partir de tests de performance standardisés via une méthodologie expérimentale, en comparant les élèves utilisateurs du STI à ceux non utilisateurs ou exposés à une pédagogie innovante mais différente de celle testée dans les groupes expérimentaux (pédagogie par investigation adossée à l’action « La main à la pâte »).

Cette grande expérimentation intègre au total 39 collèges et lycées et 750 enseignants issues de 8 disciplines. Les indicateurs d’efficacité sont recueillis et centralisés sur une plateforme « big data » pour des analyses permettant de quantifier précisément les conséquences des actions entreprises (effets expérimentaux) en matière de performances scolaires mais aussi d’observables généralement ignorés dans la littérature sur le numérique éducatif (sur ce point, cf. Leroux, Monteil, & Huguet, 2017) : auto-évaluations dans les différentes disciplines scolaires, sensibilité à l’erreur, buts et stratégies d’auto-régulation, capacités de contrôle cognitif…

Très riches du fait de la variété des indicateurs considérés, ces analyses sont en outre combinées à des modélisations multi-niveaux pour tenir compte de la nature nécessairement emboitée des données individuelles en contexte scolaire (des élèves dans des classes dans des établissements) et éviter ainsi des interprétations par ailleurs souvent erronées liées à la confusion entre deux types de variance (la variabilité des données individuelles et la variabilité attachée aux classes et aux établissements).

Les résultats jugés les plus solides et les plus attractifs, outre leur diffusion dans des revues scientifiques spécialisées, feront l’objet d’un essaimage intra- et inter-académiques.

À ce jour, le projet e.P3C a généré plus de 90 réunions de travail (associant cadres/chefs d’établissements/enseignants, chercheurs, et acteurs économiques), 8 prototypes de STI, et la production de 200 000 données de pré-tests. Deux millions de données sont attendues après deux déploiements des protocoles à grande échelle (39 établissements) où l’efficacité des STI sera comparée à l’efficacité de méthodes alternatives déployées dans les groupes contrôles.


L’équipe e.P3C

  • Loreleï Cazenave (Laboratoire de Psychologie Sociale et Cognitive, LAPSCO UMR 6024, Université Clermont Auvergne & CNRS) ;

  • Marie-Claude Borion (Rectorat de Clermont-Ferrand et LAPSCO) ;

  • Mickaël Berthon (Laboratoire de Psychologie Sociale et Cognitive, LAPSCO UMR 6024, Université Clermont Auvergne & CNRS) ;

  • Pierre Chausse (Laboratoire de Psychologie Sociale et Cognitive, LAPSCO UMR 6024, Université Clermont Auvergne & CNRS) ;

  • Julien Guegan (Laboratoire de Psychologie Sociale et Cognitive, LAPSCO UMR 6024, Université Clermont Auvergne & CNRS) ;

  • Nicolas Rocher (Rectorat de Clermont-Ferrand) ;

  • Delphine Pailler (Rectorat de Clermont-Ferrand) ;

  • Rémi Cadet (Université Clermont Auvergne & Maison pour la Science en Auvergne) ;

  • Malika More (Université Clermont Auvergne & Institut de Recherche sur l’Enseignement des Mathématiques) ;

  • Norbert Maïonchi-Pino (Laboratoire de Psychologie Sociale et Cognitive, LAPSCO UMR 6024, Université Clermont Auvergne & CNRS) ;

  • Ruben Martinez (Université Clermont Auvergne, Laboratoire d’informatique, de modélisation et d’optimisation des systèmes, LIMOS UMR 6158, Université Clermont Auvergne & CNRS) ;

  • Marie Demolliens (Laboratoire de Psychologie Sociale et Cognitive, LAPSCO UMR 6024, Université Clermont Auvergne & CNRS) ;

  • Farouk Toumani (Université Clermont Auvergne, Laboratoire d’informatique, de modélisation et d’optimisation des systèmes, LIMOS UMR 6158, Université Clermont Auvergne & CNRS) ;

  • Benoît Petitcollot (Université Clermont Auvergne, Laboratoire d’informatique, de modélisation et d’optimisation des systèmes, LIMOS UMR 6158, Université Clermont Auvergne & CNRS) ;

  • Vincent Mazenod(Université Clermont Auvergne, Laboratoire d’informatique, de modélisation et d’optimisation des systèmes, LIMOS UMR 6158, Université Clermont Auvergne & CNRS) ;

  • Pascal Huguet (Porteur du projet e.P3C ; Laboratoire de Psychologie Sociale et Cognitive, LAPSCO UMR 6024, Université Clermont Auvergne & CNRS)