Si la recette de la formation idéale reste encore à trouver, deux ingrédients semblent a priori essentiels : la curiosité et la surprise. Aujourd’hui, les nouveaux modèles issus de la recherche en neurosciences cognitives confirment cette intuition. Au-delà de traiter les informations qu’il reçoit, le cerveau anticipe celles à venir. S’engager et faire des erreurs, en nourrissant respectivement les besoins de curiosité et de surprise, permet de soutenir le cerveau dans les processus d’apprentissage.
Le paradigme classique des sciences cognitives attribue à la pensée humaine le rôle de système de traitement de l’information, dont le fonctionnement s’apparente à celui d’un ordinateur. Le cerveau, après réception des informations, effectue un traitement spécifique en vue d’émettre une réponse adaptée (motrice, verbale, émotionnelle…). A partir de l’ensemble des expériences vécues, le cerveau élabore par inférences un modèle mental interne du monde extérieur. Par exemple, si l’on demande à un enfant de dessiner un soleil, il représentera la plupart du temps un disque jaune entouré d’un ensemble de traits. Si l’on donne la même consigne à un astrophysicien, son dessin sera sans doute bien différent. L’enfant et le scientifique n’ont simplement pas le même modèle mental : les informations qu’a reçu l’astrophysicien lui ont permis de modifier peu à peu sa représentation interne et personnelle de l’objet « soleil ».
Aujourd’hui, la recherche en neurosciences cognitives soutient l’idée selon laquelle le rôle du cerveau vis-à-vis du monde extérieur ne se limiterait pas à la réception d’informations en vue de construire un modèle mental. En réalité, en plus d’intégrer les informations qu’il reçoit, le cerveau émettrait une multitude d’hypothèses sur les entrées sensorielles à venir, permettant d’anticiper le plus probable : c’est la notion de codage prédictif1. Cette nouvelle perspective permet de comprendre le rôle essentiel que joue l’erreur dans l’apprentissage : c’est parce que le cerveau s’attend à recevoir une certaine information que l’apparition d’une information contradictoire ou nouvelle bouleverse nos représentations. La surprise joue alors le rôle d’élément perturbateur obligeant le cerveau à être plus actif.
Le modèle du codage prédictif permet d’expliquer un certain nombre de phénomènes illustrant le rôle prospectif du cerveau. Par exemple, lorsque l’on présente à un individu la suite de lettres suivante : A…B…A…B…A…B…A… il va naturellement s’attendre à voir la lettre « B » apparaître ensuite. L’absence de la lettre, ou son remplacement par une autre lettre, va déclencher dans le cerveau une activité électrique remarquable, qui s’observe chaque fois qu’une prédiction est invalidée. Ce signal d’erreur va alors se propager dans l’ensemble du cortex cérébral afin de réajuster le modèle mental et d’affiner le réseau d’hypothèses. Cette conception permet de comprendre ce qu’il se passe dans le cerveau lorsque l’on fait des erreurs lors d’une séance d’apprentissage, et que c’est véritablement en faisant des erreurs que nous apprenons. En ce sens, apprendre, c’est réajuster sans cesse son réseau d’hypothèses.
Dans l’éventail des anticipations que notre cerveau réalise sans cesse, certaines n’ont même pas besoin d’une expérience préalable pour se former. C’est là une autre arme du cerveau prédictif, il génère des probabilités a priori. Etayées par d’autres hypothèses et des indices de vraisemblance, de nouvelles prédictions spontanées sont élaborées. Dès lors, cette caractéristique probabiliste du fonctionnement cognitif témoigne du rôle essentiel de la surprise. Les événements inattendus contredisent les probabilités, déclenchent des signaux d’erreurs, et permettent de diminuer les effets de l’habituation comme l’inattention, le désengagement et l’ennui.
En résumé, le modèle du cerveau prédictif inclut à la fois un panel d’hypothèses formulées a priori (basées sur des probabilités) et un mécanisme simple et efficace d’apprentissage par inférence. Si faire des erreurs est essentiel dans le processus d’apprentissage, cela implique de se mettre en situation de mobiliser ses connaissances, notamment par les tests. L’intérêt ici est double : d’une part, les mises en situation permettent à l’apprenant d’ajuster son réseau d’hypothèses et d’autre part, de faire l’état des lieux de ce qu’il sait et ne sait pas. En ce sens, répéter les phases de test favorise la métacognition, cette capacité de réflexivité sur nos propres processus mentaux.
En 2006, des chercheurs américains ont tenté de déterminer les proportions idéales entre le nombre de tests et de moments d’étude. Pour 3 moments d’étude et 1 phase de test, l’oubli des apprenants et de 52%. En revanche, étudier 1 fois et se tester 3 fois permet de diminuer fortement le taux d’oubli, il n’est plus que de 14% ! Cela semble contre-intuitif, mais il est plus efficace d’étudier moins pour se tester plus.
Le modèle prédictif du fonctionnement cérébral permet d’expliquer la richesse et la puissance des processus d’apprentissage. Il repose sur deux piliers : l’anticipation par génération d’hypothèses, et le feedback informatif sous forme de signaux d’erreurs.
En pratique :
– Anticipation par génération d’hypothèses : cet ingrédient suppose l’engagement actif de l’individu dans son apprentissage. C’est en essayant de faire des liens avec ses connaissances antérieures, en imaginant comment appliquer et transférer les nouvelles connaissances, que les processus prospectifs se mettent en place.
– Le feedback informatif sous forme de signaux d’erreurs : cet élément implique de multiplier les phases de test et de retour d’information de la part du formateur à l’issue du test. Cette phase n’a pas seulement pour objectif de purement évaluer, mais aussi de permettre à l’apprenant de se positionner sur ce qu’il sait et ce qu’il doit corriger. Cet état des lieux permet ainsi à l’apprenant de réorganiser, actualiser, modifier ou consolider ses connaissances.
Pierre Travaglini, Concepteur Pédagogique
Sources :
– Roediger, H. L., Ill, & Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. Psychological Science, 17(3).
– Wacongne, C., Changeux, J-P., Dehaene, S. (2012) A neuronal model of predictive coding accounting for the mismatch negativity. J Neurosci, 32(11).
Les biais cognitifs sont aujourd’hui fréquemment mis en avant comme facteurs explicatifs de certaines de nos décisions. Nous proposons dans ce billet d’explorer ces biais à travers deux exemples, la portée des connaissances sur les biais et leurs limites. Quelles pensées implicites se cachent-elles derrière le recours aux biais ou au contraire derrière la critique […]
Qu’est-ce que le mobile learning ? Que dit la recherche à ce sujet ? Quelles sont les opportunités induites par cette modalité pédagogique ? Quels sont les points d’attention ? Quels sont les facteurs clés de succès pour un apprentissage en mobile learning ? Autant de questions auxquelles répond Dorothée Cavignaux-Bros, Docteure en Sciences l’Education et de la Formation et […]
Comment faciliter la mémorisation d’informations diffusées via un diaporama en formation ? Vous est-il déjà arrivé, en tant qu’apprenant d’avoir le sentiment que les slides projetées étaient trop remplies, ou en tant que formateur d’avoir l’impression que votre groupe ne vous écoutait pas ?