L’intersection entre les technologies informatiques et la psychologie de l’éducation a profondément remodelé la manière dont les connaissances sont structurées, dispensées et évaluées au sein des environnements d’apprentissage modernes. Au cœur de cette transformation se trouve l’enseignement géré par ordinateur (en anglais, Computer-Managed Instruction ou CMI), une approche systématique qui exploite la puissance de calcul des systèmes automatisés non pas simplement pour diffuser du contenu, mais pour orchestrer, diagnostiquer et optimiser les trajectoires pédagogiques individuelles. En concevant l’ordinateur comme un régulateur métacognitif et organisationnel externe, cette méthodologie offre une réponse rigoureuse au défi historique de la personnalisation de masse des apprentissages scolaires, professionnels et universitaires.
Enseignement géré par ordinateur
1. Définition concise
L’enseignement géré par ordinateur (EGO) désigne un cadre pédagogique et technologique dans lequel un système informatique est employé pour planifier, orienter, évaluer et consigner le parcours d’apprentissage d’un individu. Contrairement aux approches où la machine remplace directement l’enseignant dans la transmission du savoir, l’EGO utilise des algorithmes d’évaluation et de prise de décision pour analyser les performances des apprenants, diagnostiquer leurs besoins conceptuels et leur prescrire des activités pédagogiques adaptées, qu’elles soient numériques, textuelles ou pratiques.
D’un point de vue psychologique et didactique, l’enseignement géré par ordinateur fonctionne comme un dispositif de régulation cybernétique de l’instruction. Il recueille continuellement des données psychométriques relatives aux acquisitions, applique des règles de décision prédéterminées inspirées des théories de l’apprentissage par maîtrise, et génère des prescriptions ciblées pour orienter l’élève vers des ressources pertinentes. Le système n’a pas nécessairement vocation à enseigner lui-même la matière au sens strict, mais à administrer l’écosystème éducatif de manière à maximiser l’efficience cognitive et temporelle de l’apprenant.
Dans le paradigme des sciences cognitives, l’EGO représente une externalisation partielle des fonctions de suivi diagnostique et de gestion de la charge pédagogique. En automatisant la collecte et le traitement des indicateurs de compétence, ce modèle libère l’enseignant des tâches bureaucratiques d’évaluation formative pour lui permettre d’intervenir de manière différenciée et qualitative auprès des élèves nécessitant une médiation humaine directe.
2. Étymologie et origine linguistique
L’expression est la traduction directe du concept anglophone Computer-Managed Instruction (CMI), formalisé à la fin des années 1960 au sein des départements de recherche en éducation et des laboratoires militaires américains. Le terme « enseignement » provient du latin classique insignire, signifiant « marquer d’un signe, distinguer, faire connaître », renvoyant à l’action de structurer et d’imprimer des savoirs dans l’esprit de l’apprenant.
Le verbe « gérer » découle du latin gerere, qui signifie « mener, exécuter, administrer une charge ». Cette racine étymologique souligne le caractère administratif, régulateur et décisionnel du dispositif, marquant une rupture sémantique fondamentale avec le simple acte d’instruire (instruere, équiper ou bâtir). Quant au vocable « ordinateur », il a été proposé en 1955 par le philologue Jacques Perret à la demande d’IBM France, dérivant du latin chrétien ordinator, désignant celui qui met de l’ordre, qui ordonne ou qui dispose avec méthode.
Dans la littérature francophone des sciences de l’éducation, le concept s’est installé au tournant des années 1970 et 1980 pour distinguer formellement la gestion algorithmique du cursus (Computer-Managed Instruction) de la délivrance directe de didacticiels (Computer-Assisted Instruction ou EAO, Enseignement assisté par ordinateur). La précision terminologique reflète la volonté d’isoler la composante décisionnelle et diagnostique de la composante purement médiatique du support d’apprentissage.
3. Prononciation et forme grammaticale
Sur le plan phonétique, le terme se transcrit dans l’alphabet phonétique international sous la forme : /ɑ̃.sɛ.ɲə.mɑ̃ ʒe.ʁe paʁ ɔʁ.di.na.tœʁ/. Il s’agit d’un syntagme nominal masculin singulier composé d’un nom noyau (« enseignement »), qualifié par un participe passé à valeur adjectivale (« géré »), lui-même complété par un syntagme prépositionnel d’agentivité instrumentale (« par ordinateur »).
Le terme s’emploie principalement au singulier lorsqu’il renvoie au modèle conceptuel global ou à la modalité éducative en tant que discipline. Au pluriel (« des enseignements gérés par ordinateur »), il désigne des cursus, programmes ou dispositifs institutionnels particuliers exploitant cette architecture. Dans la littérature technique et de recherche, l’acronyme EGO est parfois utilisé, bien que l’acronyme anglophone international CMI demeure très fréquent au sein des publications de psychométrie et de technologie éducative.
En contexte phrastique, l’expression fonctionne généralement comme sujet ou complément d’objet direct de verbes dénotant l’implémentation, l’évaluation ou la modélisation (par exemple : « L’enseignement géré par ordinateur optimise la progression diagnostique », ou « Les chercheurs analysent l’efficacité de l’enseignement géré par ordinateur sur la rétention mnésique »).
4. Explication conceptuelle détaillée
Pour appréhender la portée de l’enseignement géré par ordinateur, il convient de distinguer avec netteté les flux d’information pédagogique et les flux d’information décisionnelle. Dans les modèles traditionnels d’enseignement programmé ou d’EAO, la machine constitue l’intermédiaire immédiat fournissant des textes, des images et des exercices interactifs à l’utilisateur. En revanche, dans l’EGO, la machine agit comme un régulateur en amont et en aval de l’activité cognitive. L’ordinateur stocke un modèle précis du domaine de connaissances, un modèle de l’apprenant décrivant ses états de maîtrise actuels, et une bibliothèque d’orientations pédagogiques.
Le cycle opérationnel standard de l’enseignement géré par ordinateur repose sur quatre fonctions interconnectées :
- L’évaluation diagnostique et formative : L’apprenant effectue des épreuves ciblées qui mesurent son niveau d’acquisition sur des objectifs comportementaux ou cognitifs spécifiques.
- Le profilage diagnostique : Le système compare les résultats de l’apprenant à des seuils de maîtrise prédéfinis pour identifier les lacunes spécifiques, les fausses conceptions ou les compétences consolidées.
- La prescription pédagogique : Sur la base du diagnostic, l’ordinateur formule des directives d’apprentissage individualisées. Ces prescriptions peuvent diriger l’apprenant vers la lecture d’un chapitre imprimé, le visionnage d’une conférence, la réalisation d’une manipulation de laboratoire, ou le suivi d’un module d’entraînement logiciel.
- L’archivage longitudinal et le reporting : L’historique complet des tentatives, des temps de latence et des taux de succès est agrégé dans des bases de données permettant aux éducateurs et aux psychologues scolaires de superviser les cohortes à un niveau granulaire.
Sur le plan psychologique, l’EGO matérialise l’idéal de l’individualisation des rythmes d’assimilation. Les postulats cognitivistes démontrent que l’exposition uniforme d’un groupe à un même rythme pédagogique génère d’importantes distorsions : les élèves les plus rapides subissent un désengagement par ennui, tandis que les élèves plus lents accumulent des déficits conceptuels cumulatifs. L’enseignement géré par ordinateur décorrèle le temps d’apprentissage de la séquence temporelle de la classe, autorisant chaque apprenant à progresser selon la vitesse requise par son architecture cognitive propre.
Un autre pan fondamental réside dans le feedback informationnel. Selon les principes de la psychologie de la motivation, un retour d’information immédiat, précis et dépourvu de jugement affectif négatif favorise le sentiment d’auto-efficacité décrit par Albert Bandura. L’EGO offre un miroir objectif des compétences acquises et des paliers restant à franchir, transformant l’erreur en indicateur d’ajustement cognitif plutôt qu’en sanction statutaire.
5. Évolution historique
Les prémices de l’automatisation de l’instruction remontent aux années 1920 avec les machines à tester mécaniques de Sidney Pressey, conçues pour administrer des questionnaires à choix multiples et fournir une rétroaction immédiate. Néanmoins, il faut attendre l’essor des premiers ordinateurs centraux (mainframes) au cours des années 1960 pour que l’idée d’un pilotage global de la scolarité prenne forme conceptuelle et technique.
À la fin des années 1960, deux projets emblématiques ont jeté les fondations de l’EGO aux États-Unis : le système PLATO (Programmed Logic for Automatic Teaching Operations), développé à l’Université de l’Illinois par Donald Bitzer, et le projet TICCIT (Time-shared, Interactive, Computer-Controlled Information Television). Si PLATO s’est d’abord concentré sur l’instruction assistée directe, il a rapidement intégré des modules de gestion de curriculum à grande échelle, capables de suivre simultanément des centaines d’étudiants.
En parallèle, des chercheurs comme Robert Glaser au Learning Research and Development Center (LRDC) de l’Université de Pittsburgh ont conçu le modèle Individually Prescribed Instruction (IPI). Dans ce cadre, l’ordinateur servait spécifiquement à corriger les tests quotidiens des écoliers, à enregistrer leurs scores et à imprimer chaque matin une feuille de travail personnalisée prescrivant les tâches à réaliser en classe. L’IPI constitue l’incarnation historique la plus pure de l’enseignement géré par ordinateur d’inspiration behavioriste et psychométrique.
Dans les décennies 1970 et 1980, l’armée américaine a investi massivement dans des systèmes CMI pour former ses techniciens et militaires de carrière, notamment à travers le projet Advanced Instructional System (AIS) sur la base aérienne de Lowry. Ces systèmes ont démontré qu’une gestion informatisée des modules de formation réduisait le temps global d’apprentissage de 20 à 30 % sans perte de rétention notionnelle.
Avec l’avènement de la micro-informatique dans les années 1990 et l’expansion planétaire du Web à partir des années 2000, l’EGO s’est métamorphosé. Les architectures rigides sur serveurs centraux ont cédé la place aux environnements numériques d’apprentissage et aux plateformes de gestion de l’apprentissage (en anglais, Learning Management System ou LMS). Aujourd’hui, les principes fondamentaux de l’EGO sont intégrés dans les systèmes d’apprentissage adaptatif dopés aux modèles probabilistes et à l’intelligence artificielle générative.
6. Fondements théoriques
L’enseignement géré par ordinateur s’appuie sur une convergence de courants théoriques en psychologie expérimentale, en psychométrie et en sciences de l’ingénierie cognitive. Trois piliers théoriques majeurs sous-tendent sa structure fonctionnelle :
Le premier ancrage réside dans la théorie de l’apprentissage par maîtrise (Mastery Learning), formulée initialement par John B. Carroll (1963) et théorisée par Benjamin Bloom (1968). Selon ce modèle, presque tous les étudiants sont capables d’atteindre un niveau d’excellence pour peu qu’on leur accorde le temps nécessaire et que l’instruction soit structurée selon une séquence rigoureuse d’objectifs préalables. L’EGO incarne la mise en œuvre pratique de cette idée : le passage à l’unité pédagogique suivante est conditionné par la démonstration d’un seuil critique de maîtrise lors d’une évaluation diagnostique standardisée.
Le second pilier théorique découle du béhaviorisme opérant de B. F. Skinner. L’enseignement programmé skinnérien postule que l’apprentissage est maximisé par la décomposition des concepts en fragments minimaux (ou unités fonctionnelles), suivis immédiatement d’une réponse active de l’organisme et d’un renforcement positif. Dans l’EGO, ce renforcement prend la forme d’un feedback de validation et de la levée des verrous d’accès aux modules supérieurs, canalisant le comportement de l’apprenant vers l’atteinte des cibles prescrites.
Le troisième pilier est issu de la théorie de la charge cognitive, développée par John Sweller. En déléguant la métacognition organisationnelle à l’ordinateur, l’EGO vise à réduire la charge cognitive extrinsèque de l’étudiant. Celui-ci n’a plus à se demander quelles activités aborder, quel document consulter en priorité ou comment planifier ses révisions : le système externalise ces décisions, permettant à l’apprenant de consacrer l’intégralité de ses ressources de mémoire de travail à l’intégration des schémas de connaissances complexes.
7. Composantes clés, types et dimensions
Une architecture complète d’enseignement géré par ordinateur s’articule autour de modules fonctionnels distincts travaillant en étroite synergie :
- La banque d’items d’évaluation : Répertoire sécurisé de questions, exercices et mises en situation étalonnées selon les modèles de la théorie de réponse aux items (TRI), permettant de générer des tests parallèles équivalents en difficulté et en précision.
- Le modèle de l’apprenant (registre d’états) : Profil numérique dynamique consignant le niveau de compétence estimé pour chaque objectif pédagogique, les temps passés, les taux de reprise après échec et le style d’engagement comportemental.
- Le moteur de prescription et d’aiguillage : Algorithme déterministe ou probabiliste qui croise les données du profil apprenant avec le graphe de dépendance des compétences pour déterminer l’action pédagogique optimale suivante (par exemple : révision, approfondissement ou passage au test sommatif).
- La base de ressources didactiques : Catalogue structuré de matériaux pédagogiques hétérogènes (textes, vidéos, exercices en ligne, séances de tutorat en présentiel) référencés par métadonnées pédagogiques normalisées.
- Le tableau de bord décisionnel de l’instructeur : Interface analytique restituant aux éducateurs les profils de vulnérabilité de la classe, les taux d’abandon prédictifs et les items d’évaluation présentant un pouvoir discriminant insuffisant.
On distingue traditionnellement plusieurs dimensions d’implémentation de l’EGO : les systèmes statiques, appliquant des règles d’embranchement fixes (si le score est inférieur à 70 %, renvoyer au chapitre 3), et les systèmes adaptatifs dynamiques, qui recalculent à chaque interaction la probabilité de réussite future en fonction des théories psychométriques contemporaines.
8. Exemples et cas illustratifs
Pour illustrer le fonctionnement empirique de l’enseignement géré par ordinateur, considérons le parcours d’une étudiante de premier cycle universitaire en psychologie, confrontée au cours de biostatistique et d’analyse de données quantitatives :
L’étudiante se connecte au portail géré par ordinateur pour aborder le module sur l’analyse de variance factorielle (ANOVA). Le système lui soumet initialement un pré-test diagnostique de huit questions évaluant les prérequis conceptuels : la variance inter-groupe, la variance intra-groupe et la distribution de Fisher. L’étudiante répond correctement aux questions théoriques, mais commet des erreurs systématiques sur le calcul des degrés de liberté associés aux termes d’interaction.
Le moteur d’EGO n’affiche pas simplement une note chiffrée globale ; il génère une feuille de route pédagogique personnalisée. L’étudiante reçoit la prescription suivante : « Consulter la fiche méthodologique n° 4 sur les plans factoriels, puis exécuter l’exercice de calcul guidé sur les degrés de liberté ». Dès que l’étudiante valide cet entraînement spécifique, le système lui débloque un micro-test de vérification. Ayant démontré cette fois une maîtrise à 100 %, elle est automatiquement réorientée vers le tronc principal du cours portant sur le calcul des effets d’interaction.
Dans un contexte militaire ou industriel, l’EGO a été appliqué à la maintenance des aéronefs. Les mécaniciens effectuaient des simulations d’évaluation sur écran ; le système diagnostiquait que certains opérateurs omettaient systématiquement une étape critique de sécurité lors du démontage hydraulique. Au lieu d’imposer à tout le bataillon une révision intégrale du cursus de 40 heures, le CMI convoquait uniquement les techniciens ciblés pour une séance de rattrapage en atelier supervisée par un instructeur en chair et en os, optimisant drastiquement le coût et la disponibilité opérationnelle des équipes.
9. Mesure et évaluation
La validité d’un système d’enseignement géré par ordinateur repose entièrement sur la solidité de ses outils de mesure psychologique et d’évaluation pédagogique. Deux approches psychométriques dominent l’évaluation au sein de ces dispositifs :
L’évaluation critériée (criterion-referenced testing) constitue le cœur historique de l’EGO. Contrairement à l’évaluation normative, qui classe les individus les uns par rapport aux autres sur une courbe de Gauss, l’approche critériée mesure la performance d’un candidat par rapport à un seuil absolu de compétence préétabli. L’étudiant est évalué sur ce qu’il est capable de faire de façon autonome, garantissant que l’ordinateur ne valide un jalon que si les compétences de base sont acquises avec certitude.
La théorie de réponse aux items (TRI), particulièrement sous la forme de tests adaptatifs informatisés (CAT), a élevé la précision de la mesure dans les CMI modernes. Grâce aux modèles logistiques à un, deux ou trois paramètres (modèle de Rasch), la difficulté de chaque question posée par le système est calibrée en continu selon les réponses antérieures de l’apprenant. Ce mécanisme permet d’évaluer le trait latent de compétence avec un nombre d’items significativement plus réduit et une erreur type de mesure minimale.
Par ailleurs, l’EGO capture des métriques comportementales fines, telles que les temps de latence de réponse, le nombre d’hésitations, les retours en arrière et les temps d’exposition aux ressources didactiques. L’analyse de ces traces informatiques permet de déceler des phénomènes psychologiques sous-jacents comme la fatigue cognitive, le désengagement progressif ou des stratégies de réponse aléatoires.
10. Applications et portée pratique
L’enseignement géré par ordinateur a essaimé dans une multitude de domaines éducatifs, cliniques et organisationnels, démontrant sa polyvalence opératoire :
En milieu universitaire et scolaire, l’EGO fournit l’infrastructure essentielle des modèles de classe inversée (flipped classroom). Les étudiants effectuent leurs vérifications de lecture et diagnostics préparatoires en ligne sous le contrôle de la plateforme logicielle, ce qui permet à l’enseignant de moduler son cours magistral ou ses travaux dirigés en présentiel en se focalisant exclusivement sur les notions qui ont fait trébucher la majorité de la cohorte.
Dans la formation continue en entreprise, les organisations recourent aux systèmes CMI pour standardiser et certifier les compétences critiques, notamment en matière de conformité réglementaire, de sécurité industrielle ou de gestion des risques. Le système certifie en temps réel le niveau de conformité légale des collaborateurs, délivre automatiquement les renouvellements d’habilitation et signale aux services de ressources humaines les personnes ayant besoin d’une formation de recyclage.
En psychologie clinique et en réhabilitation cognitive, des adaptations directes de l’EGO sont mobilisées pour le réentraînement des fonctions exécutives chez des patients cérébrolésés ou atteints de troubles neurodéveloppementaux (comme le TDAH). L’ordinateur administre des exercices d’attention sélective, de mémoire de travail ou de flexibilité mentale, augmentant ou diminuant graduellement la difficulté de la tâche selon les progrès enregistrés, tout en transmettant au neuropsychologue un bilan hebdomadaire complet des performances motrices et cognitives.
11. Recherche et données empiriques
Depuis plus d’un demi-siècle, la littérature scientifique s’est penchée sur l’efficacité relative de l’enseignement piloté par l’informatique. Les méta-analyses pionnières de James A. Kulik et de ses collègues au cours des années 1980 et 1990 ont constitué des références incontournables. En agrégeant des centaines d’études contrôlées menées dans l’enseignement secondaire et supérieur, Kulik a montré que les systèmes d’enseignement géré par ordinateur (CMI) et d’enseignement assisté par ordinateur (CAI) amélioraient les résultats scolaires moyens d’environ 0,30 à 0,40 écart-type par rapport à l’instruction traditionnelle seule.
De surcroît, les travaux de Kulik et Fletcher ont invariablement mis en évidence un gain d’efficience temporelle spectaculaire : les apprenants encadrés par des systèmes informatisés atteignaient les mêmes critères de maîtrise en consacrant 30 à 50 % de temps en moins que leurs pairs placés en enseignement magistral conventionnel. Cette économie de temps cognitif confirme la pertinence de l’instruction sur mesure.
Les recherches ultérieures menées par Richard E. Mayer sur les principes de l’apprentissage multimédia et par John Hattie dans son ouvrage de synthèse Visible Learning ont affiné ces constats. Hattie a relevé que l’impact des technologies éducatives n’était pas magique en soi, mais dépendait intimement de la qualité du feedback fourni. Lorsque l’ordinateur agit comme un amplificateur d’évaluation formative et fournit un guidage adaptatif individualisé (caractéristiques centrales du CMI), les tailles d’effet atteignent le seuil critique d’efficacité pédagogique d’au moins d = 0,40.
Des études récentes issues du champ de l’apprentissage analytique (learning analytics) confirment également que la détection précoce du risque de décrochage via les indicateurs de l’EGO permet d’accroître les taux de rétention dans les formations en ligne massives ouvertes (MOOC) de 15 à 25 %, pour peu que les alertes soient suivies de rétroactions humaines adaptées.
12. Considérations culturelles et interculturelles
La transposition de l’enseignement géré par ordinateur à travers divers contextes culturels et linguistiques soulève des défis psychosociaux significatifs. L’architecture même de l’EGO véhicule des postulats pédagogiques ancrés dans l’individualisme et l’utilitarisme anglo-saxon : l’autonomie absolue de l’apprenant, la valorisation de la progression solitaire et la primauté de la rationalité instrumentale.
Dans les cultures valorisant un modèle d’apprentissage collectiviste ou fondé sur la relation hiérarchique directe maître-disciple, l’introduction d’un superviseur algorithmique impersonnel peut susciter des résistances profondes. Les apprenants habitués à une médiation humaine affective risquent de percevoir l’évaluation continue par la machine comme une forme de surveillance disciplinaire intrusive plutôt que comme un levier d’émancipation cognitive.
Par ailleurs, la validité transculturelle des banques d’items utilisées pour l’évaluation diagnostique pose problème. Le biais culturel inhérent aux formulations textuelles ou aux contextes d’exemples peut pénaliser artificiellement les étudiants issus de minorités culturelles ou de milieux socio-économiques défavorisés. Pour éviter que le modèle de l’apprenant n’interprète à tort un biais d’acculturation linguistique comme un déficit intellectuel ou conceptuel, les concepteurs doivent veiller à étalonner rigoureusement les tests selon les procédures de fonctionnement différentiel d’item (DIF).
13. Critiques, débats et limites
Malgré ses bénéfices empiriquement attestés, l’enseignement géré par ordinateur fait l’objet de vives critiques théoriques et pratiques au sein de la communauté des sciences de l’éducation :
Le principal reproche adressé à l’EGO traditionnel concerne son atomisation excessive du savoir. En décomposant la connaissance en une multitude d’objectifs comportementaux mesurables et isolés, le système favorise une maîtrise morcelée des détails au détriment de la pensée critique, de la synthèse holistique et de la créativité divergente. Les détracteurs soutiennent que si l’EGO convient parfaitement à l’acquisition de compétences techniques procédurales ou algorithmiques, il s’avère particulièrement mal outillé pour évaluer les compétences complexes de haut niveau, telles que l’argumentation épistémologique ou la négociation éthique.
Une deuxième limite réside dans le phénomène de conformisme pédagogique et de « bachotage » automatisé (teaching to the test). Face à un système algorithmique qui conditionne sa progression à la réussite de tests précis, l’étudiant a tendance à développer des heuristiques superficielles orientées vers la performance plutôt que vers la compréhension profonde, apprenant les modèles types de questions pour franchir les seuils plutôt que d’intégrer durablement les concepts.
Enfin, le débat éthique et sociotechnique contemporain pointe les dangers de la surveillance algorithmique continue et de la standardisation des parcours. La transformation de l’acte d’apprendre en une suite ininterrompue de points de données peut induire une anxiété d’évaluation chronique chez les apprenants les plus vulnérables. De plus, les boîtes noires algorithmiques employées dans certains systèmes d’IA adaptatifs récents manquent cruellement d’explicabilité pour les enseignants, dépossédant ces derniers de leur jugement professionnel d’évaluation clinique.
14. Termes connexes et distinctions
Pour clarifier le positionnement de l’enseignement géré par ordinateur dans le paysage des technologies de l’éducation, il est crucial de le distinguer de concepts voisins souvent amalgamés :
- Enseignement assisté par ordinateur (EAO / CAI) : L’EAO se concentre sur l’interaction directe entre l’étudiant et le logiciel dans la délivrance du contenu (didacticiels, simulations, drill-and-practice). L’EGO se situe à un niveau supérieur d’orchestration : il gère le plan de cours et prescrit des activités pouvant inclure des modules EAO, mais aussi des lectures hors ligne ou des interactions avec un enseignant.
- Système de gestion de l’apprentissage (LMS) : Le LMS est l’infrastructure logicielle moderne (ex. Moodle, Canvas) qui héberge les cours, gère les inscriptions et dépose les fichiers. L’EGO est la logique pédagogique et décisionnelle sous-jacente qui peut être implémentée au sein d’un LMS pour gouverner le parcours adaptatif.
- Tuteur intelligent (STI / ITS) : Alors que l’EGO traditionnel gère le cursus au niveau macroscopique (orientation d’une unité à l’autre en fonction de tests globaux), le système tuteur intelligent modélise en direct le raisonnement pas à pas de l’apprenant à l’intérieur même d’un problème complexe pour fournir des étayages cognitifs instantanés.
- Apprentissage adaptatif (Adaptive Learning) : Terme générique contemporain désignant l’ensemble des technologies qui modifient dynamiquement l’expérience pédagogique selon les profils de données ; l’EGO constitue l’ancêtre conceptuel direct de ces plateformes adaptatives.
15. Résumé et points clés
L’enseignement géré par ordinateur (EGO / CMI) représente un paradigme d’ingénierie éducative dans lequel l’informatique est mise au service du pilotage systématique, du diagnostic et de la prescription pédagogique personnalisée. Fondé sur les principes du béhaviorisme opérant, de la théorie de l’apprentissage par maîtrise de Bloom et de la psychométrie critériée, il vise à faire coïncider le rythme de transmission avec les dispositions cognitives de chaque apprenant.
En déchargeant les acteurs éducatifs des tâches fastidieuses de correction sommative et de planification logistique, l’EGO optimise le temps d’apprentissage et fournit une vision analytique sans précédent sur la dynamique des acquisitions individuelles et collectives. Néanmoins, son efficacité demeure tributaire d’une granularité didactique raisonnée, d’une modélisation éthique des données d’évaluation et de la préservation indispensable de la relation pédagogique humaine, indispensable à l’épanouissement des compétences cognitives et affectives supérieures.
Références
- Bloom, B. S. (1968). Learning for mastery. Evaluation Comment, 1(2), 1-12.
- Carroll, J. B. (1963). A model of school learning. Teachers College Record, 64(8), 723-733. https://doi.org/10.1177/016146816306400801
- Glaser, R. (1968). Adapting the elementary school curriculum to individual performance. Dans Proceedings of the 1967 Invitational Conference on Testing Problems (pp. 3-36). Educational Testing Service.
- Hattie, J. (2009). Visible learning: A synthesis of over 800 meta-analyses relating to achievement. Routledge. https://doi.org/10.4324/9780203887332
- Kulik, C. L. C., & Kulik, J. A. (1991). Effectiveness of computer-based instruction: An updated analysis. Computers in Human Behavior, 7(1-2), 75-94. https://doi.org/10.1016/0747-5632(91)90030-5
- Mayer, R. E. (2009). Multimedia learning (2e éd.). Cambridge University Press. https://doi.org/10.1017/CBO9780511811677
- Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257-285. https://doi.org/10.1207/s15516709cog1202_4