L’adaptive learning au niveau micro

Blog / Nouvelles | 04-11-22

L’adaptive learning, ou apprentissage adaptatif, est un terme qui est largement utilisé, mais dont l’application réelle varie énormément. Comme le mot le suggère, l’”adaptativité” consiste à s’adapter. Lorsque l’on parle d’apprentissage, l’adaptativité signifie s’ajuster à l’apprenant. Vous pouvez ajuster le niveau, le rythme, le contenu et le support d’apprentissage. Alors que l’adaptive learning vise souvent à accompagner les apprenants en difficultés, il est aussi judicieux d’adapter un processus d’apprentissage pour ceux qui le trouvent très facile.

Souvent, l’adaptive learning est exécuté au niveau macro : avant un cours ou une formation, l’apprenant passe un test diagnostique et reçoit un parcours d’apprentissage personnalisé en fonction de ses résultats. Il peut donc suivre des cours qui correspondent aux forces et points d’amélioration décelés avec le test. Cela a l’air utile, mais ce n’est pas aussi efficace que cela. Voici pourquoi :

  • Tout d’abord, ces tests donnent rarement des indications quant au niveau de maîtrise réel d’une personne. Un test est une capture à un instant donné de la connaissance de cette personne. Cela reflète généralement un pic de connaissance temporaire. De plus, il faut prendre en compte le fait que cette personne aura pu trouver certaines bonnes réponses en répondant au hasard.
  • Ensuite, si vous arrêtez l’adaptativité à un test au tout début du programme d’apprentissage, que se passe-t-il ensuite ? Des formations en classe, avec des manuels, des PDF, des modules e-learning ? Ces méthodes, dites traditionnelles, sont peu efficaces sur le long terme car ne demandent aucun effort de réflexion. Vous pouvez facilement cliquer pour passer le module e-learning, ou suivre distraitement une leçon ou un webinar. Pourquoi faire cela alors qu’il y a des méthodes d’apprentissage innovantes qui ont démontré leur efficacité ?
  • Enfin, comment savoir si une personne comprend vraiment l’information ? Comment savoir si cette personne a) a lu le livre/manuel b) comprend l’information et c) sait comment l’appliquer en pratique ? Pour cela, il vous faut avoir plus d’indications sur le niveau de maîtrise réel et sur comment s’adapter à celui-ci.

Pour en savoir plus sur l’apprentissage adaptatif et de quelle manière il peut être appliqué, lisez l’article ‘Adopter l’apprentissage adaptatif.

Micro adaptivité

Chez Drillster, nous pensons que l’apprentissage adaptatif peut être mieux réalisé, plus efficace, plus approfondi et surtout, doit être fait au niveau micro. Si nous offrons la possibilité de réaliser un test diagnostic, nous appliquons également l’adaptive learning au niveau micro pour rendre l’apprentissage plus efficace et vraiment personnalisé pour chaque personne. 

Apprentissage efficace

Plus c’est adapté, mieux c’est. Nous appliquons cela à notre algorithme de différentes manières, à la fois sur le court et le long terme. Drillster est basée sur l’évaluation, ce qui signifie que les utilisateurs apprennent en répondant à des questions. A chaque question répondue, l’algorithme apprend quelque chose à propos de la personne : la réponse était-elle bonne ou mauvaise ? Est-ce que cette personne répond souvent correctement ou incorrectement aux questions liées à un élément de connaissance donné ? Quand cette personne a-t-elle pratiqué son drill pour la dernière fois ? Quelqu’un pourrait en effet répondre correctement à une question sans pour autant maîtriser la connaissance sur le sujet lié. La probabilité de trouver la bonne réponse au hasard est donc prise en compte, et les apprenants reçoivent plusieurs questions pour chaque élément de connaissance.

Rétention efficace

Toutes ces données sont utilisées pour choisir la prochaine question, déterminer quand quelqu’un a atteint le bon niveau de connaissance ou encore détecter lorsque ses connaissances sont passées sous le niveau requis. En effet, les connaissances peuvent être oubliées assez rapidement. En fonction de ses résultats, l’algorithme calcule donc le moment auquel un utilisateur doit remettre ses connaissances au bon niveau. Il recevra alors une notification l’invitant à pratiquer le drill concerné. Les questions qu’il recevra alors seront principalement concentrées sur les éléments qu’il maîtrisait le moins lors des précédentes sessions. Drillster s’assure aussi que les éléments que l’apprenant a réussi facilement sont toujours bien présents dans sa mémoire. S’il s’avère que les connaissances sont de mieux en mieux ancrées, l’intervalle auquel une personne est invitée à s’exercer à nouveau augmentera progressivement. Tout cela conduira à une compétence continue, même à long terme.

Compétence continue

L'algorithme Drillster calcule la courbe d'oubli individuelle et assure que les compétences et connaissances restent au bon niveau.


Vous voulez en savoir plus sur la valeur ajoutée que Drillster peut apporter dans votre contexte ? Parlons-en !

Réserver un créneau

 

Dominique Saint-Remy

Email: info@drillster.com
Phone: +33184880693