Mémoire à long terme: Stockage (Théorie du traitement de l'information)

Cette section traite du stockage de l'information dans la MLT (Mémoire à Long Terme). Bien que nos connaissances sur la MLT soient limitées car nous n'avons pas de fenêtre sur le cerveau, la recherche a brossé un tableau raisonnablement cohérent du processus de stockage.

La caractérisation de la MLT dans cette leçon implique une structure où les connaissances sont représentées comme des emplacements ou des nœuds dans des réseaux, avec des réseaux connectés (associés) les uns aux autres. Notez la similitude entre ces réseaux cognitifs et les réseaux neuronaux évoqués précédemment dans le cours. Lorsque nous discutons des réseaux, nous traitons principalement des connaissances déclaratives et des connaissances procédurales. Les connaissances conditionnelles sont abordées dans la section 7 du cours, ainsi que les activités métacognitives qui surveillent et dirigent le traitement cognitif. On suppose que la plupart des connaissances sont stockées dans la MLT sous forme de codes verbaux, mais le rôle de l'imagerie est également abordé à la fin de cette leçon.

The Nature of Propositions

Une proposition est la plus petite unité d'information qui puisse être jugée vraie ou fausse. Les propositions sont les unités de base de la connaissance et du sens dans la MLT (Anderson, 1990 ; Kosslyn, 1984 ; Norman & Rumelhart, 1975). Chacune des propositions suivantes est une proposition :

• La Déclaration d'indépendance a été signée en 1776.
• .
• Tante Frieda déteste les navets.
• Je suis bon en maths.
• Les personnages principaux sont introduits tôt dans une histoire.

Ces exemples de propositions peuvent être jugés vrais ou faux. Notez, cependant, que les gens peuvent être en désaccord sur leurs jugements. Carlos peut croire qu'il est mauvais en maths, mais son professeur peut croire qu'il est très bon.

La nature exacte des propositions n'est pas bien comprise. Bien qu'elles puissent être considérées comme des phrases, il est plus probable qu'il s'agisse des significations des phrases (Anderson, 1990). La recherche soutient l'idée que nous stockons l'information en mémoire sous forme de propositions plutôt que de phrases complètes. Kintsch (1974) a donné à des participants des phrases à lire qui étaient de même longueur mais variaient en nombre de propositions qu'elles contenaient. Plus une phrase contenait de propositions, plus il fallait de temps aux participants pour la comprendre. Cela implique que, bien que les étudiants puissent générer la phrase : « La Déclaration d'indépendance a été signée en 1776 », ce qu'ils ont très probablement stocké en mémoire est une proposition contenant uniquement l'information essentielle (Déclaration d'indépendance : signé en 1776). À quelques exceptions près (par exemple, la mémorisation d'un poème), il semble que les gens stockent généralement des significations plutôt que des formulations précises.

Les propositions forment des réseaux composés de nœuds ou d'emplacements individuels. Les nœuds peuvent être considérés comme des mots individuels, bien que leur nature exacte soit inconnue, mais probablement abstraite. Par exemple, les étudiants qui suivent un cours d'histoire ont probablement un réseau de « cours d'histoire » comprenant des nœuds tels que « livre », « professeur », « lieu », « nom de l'élève assis à leur gauche », et ainsi de suite.

Propositional Networks

Les propositions sont formées selon un ensemble de règles. Les chercheurs ne s'entendent pas sur les règles qui constituent l'ensemble, mais ils croient généralement que les règles combinent les nœuds en propositions et, à leur tour, les propositions en structures ou réseaux d'ordre supérieur, qui sont des ensembles de propositions interdépendantes.

La théorie ACT d'Anderson (Anderson, 1990, 1993, 1996, 2000 ; Anderson et al., 2004 ; Anderson, Reder, & Lebiere, 1996) propose un modèle de réseau ACT-R (Adaptive Control of Thought-Rational) de la MLT avec une structure propositionnelle. ACT-R est un modèle d'architecture cognitive qui tente d'expliquer comment toutes les composantes de l'esprit fonctionnent ensemble pour produire une cognition cohérente (Anderson et al., 2004). Une proposition est formée en combinant deux nœuds avec un lien sujet-prédicat, ou association ; un nœud constitue le sujet et un autre nœud le prédicat. Les exemples sont (informations implicites entre parenthèses) : « Fred (est) riche » et « Faire du shopping (prend) du temps ». Un deuxième type d'association est le lien relation-argument, où la relation est un verbe (en signification) et l'argument est le destinataire de la relation ou ce qui est affecté par la relation. Les exemples sont « manger un gâteau » et « résoudre des énigmes ». Les arguments de relation peuvent servir de sujets ou de prédicats pour former des propositions complexes. Les exemples sont « Fred mange un gâteau » et « Résoudre des énigmes (prend) du temps ».

Les propositions sont liées entre elles lorsqu'elles partagent un élément commun. Les éléments communs permettent aux gens de résoudre des problèmes, de faire face aux exigences environnementales, de faire des analogies, et ainsi de suite. Sans éléments communs, le transfert ne se produirait pas ; toutes les connaissances seraient stockées séparément et le traitement de l'information serait lent. On ne reconnaîtrait pas que les connaissances pertinentes pour un domaine sont également pertinentes pour d'autres domaines.

La figure 'Exemple de réseau propositionnel' montre un exemple de réseau propositionnel. L'élément commun est « chat » parce qu'il fait partie des propositions : « Le chat a traversé la pelouse » et « Le chat a attrapé une souris ». On peut imaginer que la première proposition est liée à d'autres propositions relatives à sa maison, tandis que la seconde est liée à des propositions sur les souris.

Les preuves suggèrent que les propositions sont organisées en structures hiérarchiques. Collins et Quillian (1969) ont montré que les gens stockent l'information au plus haut niveau de généralité. Par exemple, le réseau MLT pour « animal » aurait stocké au plus haut niveau des faits tels que « bouge » et « mange ». Sous cette catégorie se trouveraient des espèces telles que « oiseaux » et « poissons ». Stockés sous « oiseaux » se trouvent « a des ailes », « peut voler » et « a des plumes » (bien qu'il y ait des exceptions : les poulets sont des oiseaux mais ils ne volent pas). Le fait que les oiseaux mangent et bougent n'est pas stocké au niveau de « oiseau » parce que cette information est stockée au niveau supérieur d'animal. Collins et Quillian ont constaté que les temps de récupération augmentaient à mesure que les concepts étaient stockés plus loin les uns des autres en mémoire.

L'idée d'organisation hiérarchique a été modifiée par des recherches montrant que l'information n'est pas toujours hiérarchique. Ainsi, « colley » est plus proche de « mammifère » que de « animal » dans une hiérarchie animale, mais les gens sont plus prompts à convenir qu'un colley est un animal qu'à convenir qu'il est un mammifère (Rips, Shoben, & Smith, 1973).

De plus, l'information familière peut être stockée à la fois avec son concept et au plus haut niveau de généralité (Anderson, 1990). Si vous avez une mangeoire pour oiseaux et que vous regardez souvent les oiseaux manger, vous pourriez avoir « manger » stocké à la fois avec « oiseaux » et « animaux ». Cette découverte ne diminue pas l'idée centrale que les propositions sont organisées et interconnectées. Bien que certaines connaissances puissent être organisées de manière hiérarchique, une grande partie de l'information est probablement organisée de manière moins systématique dans les réseaux propositionnels.

Connaissance déclarative

La connaissance déclarative (savoir que quelque chose est le cas) comprend les faits, les croyances, les opinions, les généralisations, les théories, les hypothèses et les attitudes envers soi-même, les autres et les événements mondiaux (Gupta & Cohen, 2002 ; Paris et al., 1983). Elle est acquise lorsqu'une nouvelle proposition est stockée dans la MLT, généralement dans un réseau propositionnel connexe (Anderson, 1990). La théorie ACT postule que la connaissance déclarative est représentée dans des blocs comprenant les informations de base plus les catégories connexes (Anderson, 1996 ; Anderson, Reder, & Lebiere, 1996).

Le processus de stockage fonctionne comme suit. Premièrement, l'apprenant reçoit de nouvelles informations, par exemple lorsque l'enseignant fait une déclaration ou que l'apprenant lit une phrase. Ensuite, les nouvelles informations sont traduites en une ou plusieurs propositions dans la MT de l'apprenant. Simultanément, les propositions connexes dans la MLT sont sollicitées. Les nouvelles propositions sont associées aux propositions connexes dans la MT par le biais du processus d'activation expansive (discuté dans la section suivante). À ce stade, les apprenants peuvent générer des propositions supplémentaires. Enfin, toutes les nouvelles propositions – celles reçues et celles générées par l'apprenant – sont stockées ensemble dans la MLT (Hayes-Roth & Thorndyke, 1979).

La figure 'Stockage des connaissances déclaratives' illustre ce processus. Supposons qu'un enseignant présente une unité sur la Constitution américaine et dise à la classe : “Le vice-président des États-Unis siège en tant que président du Sénat, mais ne vote pas à moins qu'il n'y ait égalité.” Cette déclaration peut solliciter d'autres connaissances propositionnelles stockées dans la mémoire des élèves concernant le vice-président (par exemple, élu avec le président, devient président lorsque le président décède ou démissionne, peut être destitué pour crimes de trahison) et le Sénat (par exemple, 100 membres, deux élus de chaque État, mandats de 6 ans). En combinant ces propositions, les élèves devraient en déduire que le vice-président voterait si 50 sénateurs votaient pour un projet de loi et 50 votaient contre.

Des problèmes de stockage peuvent survenir lorsque les élèves ne disposent d'aucune proposition préexistante à laquelle relier de nouvelles informations. Les élèves qui n'ont jamais entendu parler de la Constitution américaine et qui ne savent pas ce qu'est une constitution ne réagiront pas lorsqu'ils entendront le mot pour la première fois. Des informations conceptuellement dénuées de sens peuvent être stockées dans la MLT, mais les élèves apprennent mieux lorsque les nouvelles informations sont liées à quelque chose qu'ils connaissent. Montrer aux élèves un fac-similé de la Constitution américaine ou le relier à quelque chose qu'ils ont étudié (par exemple, la Déclaration d'indépendance) leur donne un référent à relier aux nouvelles informations.

Même lorsque les élèves ont étudié des documents connexes, ils peuvent ne pas les relier automatiquement aux nouvelles informations. Souvent, les liens doivent être rendus explicites. Lors de la discussion sur la fonction du vice-président au Sénat, les enseignants pourraient rappeler aux élèves la composition du Sénat américain et les autres rôles du vice-président. Les propositions partageant un élément commun ne sont liées dans la MLT que si elles sont actives simultanément dans la MT. Ce point permet d'expliquer pourquoi les élèves pourraient ne pas voir comment les nouveaux documents se rapportent aux anciens, même si le lien est clair pour l'enseignant. L'enseignement qui établit le mieux les réseaux propositionnels dans l'esprit des apprenants intègre la révision, l'organisation des documents et des rappels de choses qu'ils connaissent mais auxquelles ils ne pensent pas actuellement.

Comme pour de nombreux processus de mémoire, la signification, l'organisation et l'élaboration facilitent le stockage des informations en mémoire. La signification est importante car les informations significatives peuvent être facilement associées aux informations préexistantes en mémoire. Par conséquent, moins de répétition est nécessaire, ce qui économise de l'espace et du temps d'informations dans la MT. Les élèves dont il est question dans le scénario d'ouverture ont du mal à donner un sens à l'algèbre, et les enseignants expriment leur frustration de ne pas enseigner le contenu de manière significative.

Une étude de Bransford et Johnson (1972) fournit une illustration frappante du rôle de la signification dans le stockage et la compréhension. Considérez le passage suivant :

La procédure est en fait assez simple. Tout d'abord, vous rangez les choses en différents groupes. Bien sûr, une pile peut suffire selon la quantité à faire. Si vous devez aller ailleurs en raison du manque d'installations, c'est l'étape suivante, sinon vous êtes plutôt bien installé. Il est important de ne pas en faire trop. C'est-à-dire qu'il est préférable de faire trop peu de choses à la fois que trop. À court terme, cela peut ne pas sembler important, mais des complications peuvent facilement survenir. Une erreur peut aussi coûter cher. Au début, toute la procédure semblera compliquée. Bientôt, cependant, cela deviendra juste une autre facette de la vie. Il est difficile de prévoir la fin de la nécessité de cette tâche dans un avenir immédiat, mais on ne sait jamais. Une fois la procédure terminée, on range à nouveau les matériaux en différents groupes. Ensuite, ils peuvent être remis à leur place appropriée. Finalement, ils seront réutilisés une fois de plus et tout le cycle devra alors être répété. Cependant, cela fait partie de la vie. (p. 722)

Sans connaissances préalables, ce passage est difficile à comprendre et à stocker en mémoire, car il est difficile de le relier aux connaissances existantes en mémoire. Cependant, savoir qu'il s'agit de “laver les vêtements” facilite la mémorisation et la compréhension. Bransford et Johnson ont constaté que les élèves qui connaissaient le sujet se souvenaient d'environ deux fois plus que ceux qui n'en étaient pas conscients. L'importance de la signification dans l'apprentissage a été démontrée dans de nombreuses autres études (Anderson, 1990 ; Chiesi, Spilich, & Voss, 1979 ; Spilich, Vesonder, Chiesi, & Voss, 1979).

L'organisation facilite le stockage, car les documents bien organisés sont plus faciles à relier aux réseaux de mémoire préexistants que les documents mal organisés (Anderson, 1990). Dans la mesure où les documents peuvent être organisés en un arrangement hiérarchique, ils fournissent une structure prête à être acceptée dans la MLT. Sans réseau MLT existant, la création d'un nouveau réseau MLT est plus facile avec des informations bien organisées qu'avec des informations mal organisées.

L'élaboration, ou le processus d'ajout d'informations au matériel à apprendre, améliore le stockage, car en élaborant des informations, les apprenants peuvent être en mesure de les relier à quelque chose qu'ils connaissent. Grâce à l'activation expansive, le matériel élaboré peut être rapidement lié aux informations en mémoire. Par exemple, un enseignant pourrait discuter du volcan Etna. Les élèves qui peuvent élaborer ces connaissances en les reliant à leurs connaissances personnelles des volcans (par exemple, le mont St. Helens) seront en mesure d'associer les nouvelles et les anciennes informations en mémoire et de mieux retenir les nouveaux documents.

Activation expansive

L'activation expansive aide à expliquer comment les nouvelles informations sont liées aux connaissances dans la MLT (Anderson, 1983, 1984, 1990, 2000 ; Collins & Loftus, 1975). Les principes sous-jacents de base sont les suivants (Anderson, 1984) :

• La connaissance humaine peut être représentée comme un réseau de nœuds, où les nœuds correspondent à des concepts et les liens à des associations entre ces concepts.
• Les nœuds de ce réseau peuvent être dans divers états qui correspondent à leurs niveaux d'activation. Les nœuds les plus actifs sont traités “mieux”.
• L'activation peut se propager le long de ces chemins de réseau par un mécanisme par lequel les nœuds peuvent activer leurs nœuds voisins. (p. 61)

Anderson (1990) cite l'exemple d'un individu à qui l'on présente le mot chien. Ce mot est associé à d'autres concepts dans la MLT de l'individu tels que l'os, le chat et la viande. À leur tour, chacun de ces concepts est lié à d'autres concepts. L'activation du chien dans la MLT s'étendra au-delà du chien aux concepts liés, la propagation diminuant avec les concepts les plus éloignés du chien.

Un soutien expérimental à l'existence de l'activation expansive a été obtenu par Meyer et Schvaneveldt (1971). Ces chercheurs ont utilisé une tâche de temps de réaction qui présentait aux participants deux chaînes de lettres et leur demandait de décider si les deux étaient des mots. Les mots associés (pain, beurre) ont été reconnus plus rapidement que les mots non liés (infirmière, beurre).

L'activation expansive entraîne l'activation d'une plus grande partie de la MLT que les connaissances immédiatement associées au contenu de la MT. Les informations activées restent dans la MLT à moins qu'elles ne soient délibérément consultées, mais ces informations sont plus facilement accessibles à la MT. L'activation expansive facilite également le transfert de connaissances vers différents domaines. Le transfert dépend des réseaux propositionnels dans la MLT étant activés par le même indice, de sorte que les élèves reconnaissent que les connaissances sont applicables dans les domaines.

Schémas

Les réseaux propositionnels représentent de petits éléments de connaissance. Les schémas (ou schémas) sont de grands réseaux qui représentent la structure des objets, des personnes et des événements (Anderson, 1990). La structure est représentée par une série de “emplacements”, chacun correspondant à un attribut. Dans le schéma ou l'emplacement des maisons, certains attributs (et leurs valeurs) pourraient être les suivants : matériau (bois, brique), contenu (pièces) et fonction (habitation humaine). Les schémas sont hiérarchiques ; ils sont joints à des idées sus-jacentes (bâtiment) et à des idées subordonnées (toit).

Brewer et Treyens (1981) ont trouvé un soutien à la recherche pour la nature sous-jacente des schémas. On a demandé aux individus d'attendre dans un bureau pendant une brève période, après quoi ils ont été amenés dans une pièce où ils ont écrit tout ce dont ils pouvaient se souvenir du bureau. Le rappel reflète la forte influence d'un schéma pour le bureau. Ils se sont souvenus correctement que le bureau avait un bureau et une chaise (attributs typiques) mais pas que le bureau contenait un crâne (attribut non typique). Les livres sont un attribut typique des bureaux ; bien que le bureau n'ait pas de livres, de nombreuses personnes se sont incorrectement souvenues des livres.

Les schémas sont importants pendant l'enseignement et pour le transfert (Matlin, 2009). Une fois que les élèves ont appris un schéma, les enseignants peuvent activer ces connaissances lorsqu'ils enseignent tout contenu auquel le schéma est applicable. Supposons qu'un instructeur enseigne un schéma général pour décrire les formations géographiques (par exemple, montagne, volcan, glacier, rivière). Le schéma peut contenir les attributs suivants : hauteur, matériau et activité. Une fois que les élèves ont appris le schéma, ils peuvent l'utiliser pour classer les nouvelles formations qu'ils étudient. Ce faisant, ils créeraient de nouveaux schémas pour les différentes formations.

Connaissance procédurale

La connaissance procédurale, ou connaissance de la façon d'effectuer des activités cognitives (Anderson, 1990 ; Gupta & Cohen, 2002 ; Hunt, 1989 ; Paris et al., 1983), est essentielle à une grande partie de l'apprentissage scolaire. Nous utilisons la connaissance procédurale pour résoudre des problèmes mathématiques, résumer des informations, parcourir des passages et effectuer des techniques de laboratoire.

La connaissance procédurale peut être stockée sous forme de codes verbaux et d'images, tout comme la connaissance déclarative est stockée. La théorie ACT postule que la connaissance procédurale est stockée sous forme de système de production (Anderson, 1996 ; Anderson, Reder, & Lebiere, 1996). Un système de production (ou production) est un réseau de séquences condition–action (règles), dans lequel la condition est l'ensemble des circonstances qui activent le système et l'action est l'ensemble des activités qui se produisent (Anderson, 1990 ; Andre, 1986 ; voir la section suivante). Les systèmes de production semblent conceptuellement similaires aux réseaux neuronaux.

Les systèmes de production et les modèles connexionnistes fournissent des paradigmes pour examiner le fonctionnement des processus d'apprentissage cognitifs (Anderson, 1996, 2000 ; Smith, 1996). Les modèles connexionnistes représentent une perspective relativement nouvelle sur l'apprentissage cognitif. À ce jour, il existe peu de recherches sur les modèles connexionnistes qui soient pertinentes pour l'éducation. Des sources supplémentaires fournissent de plus amples informations sur les modèles connexionnistes (Bourne, 1992 ; Farnham-Diggory, 1992 ; Matlin, 2009 ; Siegler, 1989).

Systèmes de production

ACT—une théorie de l'activation—spécifie qu'un système de production (ou production) est un réseau de séquences condition–action (règles), dans lequel la condition est un ensemble de circonstances qui activent le système et l'action est l'ensemble des activités qui se produisent (Anderson, 1990, 1996, 2000 ; Anderson, Reder, & Lebiere, 1996 ; Andre, 1986). Une production consiste en des énoncés si–alors : Les énoncés si (la condition) incluent le but et les énoncés de test, et les énoncés alors sont les actions. Par exemple :

• SI je vois deux nombres et qu'ils doivent être additionnés,
• ALORS décider lequel est le plus grand et commencer par ce nombre et compter jusqu'au suivant. (Farnham-Diggory, 1992, p. 113)

Bien que les productions soient des formes de connaissances procédurales auxquelles des conditions (connaissances conditionnelles) peuvent être attachées, elles incluent également des connaissances déclaratives.

L'apprentissage des procédures pour effectuer des compétences se produit souvent lentement (J. Anderson, 1982). Premièrement, les apprenants représentent une séquence d'actions en termes de connaissances déclaratives. Chaque étape de la séquence est représentée comme une proposition. Les apprenants abandonnent progressivement les indices individuels et intègrent les étapes distinctes en une séquence continue d'actions. Par exemple, les enfants qui apprennent à additionner une colonne de nombres ont tendance initialement à effectuer chaque étape lentement, voire à la verbaliser à voix haute. Au fur et à mesure qu'ils deviennent plus compétents, l'addition devient une partie d'une séquence automatique et fluide qui se produit rapidement et sans attention délibérée et consciente. L'automaticité est une caractéristique centrale de nombreux processus cognitifs (par exemple, l'attention, la récupération) (Moors & De Houwer, 2006). Lorsque les processus deviennent automatiques, cela permet au système de traitement de se consacrer aux parties complexes des tâches.

Une contrainte majeure sur l'apprentissage des compétences est la limitation de la taille de la MT (Baddeley, 2001). Les procédures seraient apprises plus rapidement si la MT pouvait contenir simultanément toutes les propositions de connaissances déclaratives. Comme ce n'est pas le cas, les étudiants doivent combiner les propositions lentement et s'arrêter périodiquement pour réfléchir (par exemple, “Que dois-je faire ensuite ?”). La MT contient un espace insuffisant pour créer de grandes procédures dans les premières étapes de l'apprentissage. Au fur et à mesure que les propositions sont combinées en petites procédures, ces dernières sont stockées dans la MT simultanément avec d'autres propositions. De cette façon, de plus grandes productions sont progressivement construites.

Ces idées expliquent pourquoi l'apprentissage des compétences se déroule plus rapidement lorsque les étudiants peuvent effectuer les compétences prérequises (c'est-à-dire, lorsqu'elles deviennent automatiques). Lorsque ces dernières existent en tant que productions bien établies, elles sont activées dans la MT en même temps que de nouvelles propositions à intégrer. Dans l'apprentissage de la résolution de problèmes de division longue, les étudiants qui savent multiplier se contentent de rappeler la procédure lorsque cela est nécessaire ; elle n'a pas besoin d'être apprise en même temps que les autres étapes de la division longue. Bien que cela ne semble pas être le problème dans le scénario d'ouverture, l'apprentissage de l'algèbre est difficile pour les étudiants ayant des lacunes en compétences de base (par exemple, l'addition, la multiplication), car même les problèmes d'algèbre simples deviennent difficiles à résoudre correctement. Les enfants ayant des troubles de la lecture semblent manquer de la capacité de traiter et de stocker efficacement l'information en même temps (de Jong, 1998).

Dans certains cas, il est difficile de spécifier les étapes en détail. Par exemple, la pensée créative peut ne pas suivre la même séquence pour chaque étudiant. Les enseignants peuvent modéliser la pensée créative pour inclure des auto-questions telles que : “Y a-t-il d'autres possibilités ?” Chaque fois que les étapes peuvent être spécifiées, les démonstrations par l'enseignant des étapes d'une procédure, suivies d'une pratique étudiante, sont efficaces (Rosenthal & Zimmerman, 1978).

Un problème avec l'apprentissage des procédures est que les étudiants pourraient les considérer comme des séquences rigides à suivre, qu'elles soient appropriées ou non. Les psychologues de la Gestalt ont montré comment la fixité fonctionnelle, ou une approche inflexible d'un problème, entrave la résolution de problèmes (Duncker, 1945). Suivre obstinément une séquence pendant l'apprentissage peut aider à son acquisition, mais les apprenants doivent également comprendre les circonstances dans lesquelles d'autres méthodes sont plus efficaces.

Parfois, les étudiants surapprennent les procédures de compétences au point qu'ils évitent d'utiliser des procédures alternatives plus faciles. Dans le même temps, il existe peu ou pas d'alternatives pour de nombreuses procédures que les étudiants apprennent (par exemple, le décodage des mots, l'addition des nombres, la détermination de l'accord sujet–verbe). Le surapprentissage de ces compétences au point de la production automatique devient un atout pour les étudiants et facilite l'apprentissage de nouvelles compétences (par exemple, tirer des inférences, rédiger des dissertations) qui nécessitent la maîtrise de ces compétences de base.

On pourrait soutenir qu'enseigner les compétences de résolution de problèmes ou d'inférence aux étudiants qui sont déficients en faits mathématiques de base et en compétences de décodage, respectivement, n'a guère de sens. La recherche montre qu'une mauvaise compréhension des faits numériques de base est liée à une faible performance dans les tâches arithmétiques complexes (Romberg & Carpenter, 1986), et un décodage lent est lié à une mauvaise compréhension (Calfee & Drum, 1986 ; Perfetti & Lesgold, 1979). Non seulement l'apprentissage des compétences est affecté, mais l'auto-efficacité en souffre également.

La pratique est essentielle pour établir des connaissances procédurales de base (Lesgold, 1984). Dans les premières étapes de l'apprentissage, les étudiants ont besoin d'une rétroaction corrective soulignant les parties de la procédure qu'ils ont mises en œuvre correctement et celles qui nécessitent une modification. Souvent, les étudiants apprennent certaines parties d'une procédure, mais pas d'autres. Au fur et à mesure que les étudiants acquièrent des compétences, les enseignants peuvent souligner leurs progrès dans la résolution de problèmes plus rapidement ou plus précisément.

Le transfert des connaissances procédurales se produit lorsque les connaissances sont liées dans la MLT avec un contenu différent. Le transfert est facilité en demandant aux étudiants d'appliquer les procédures au contenu différent et en modifiant les procédures si nécessaire. Les stratégies générales de résolution de problèmes sont applicables à un contenu académique varié. Les étudiants apprennent leur généralité en les appliquant à différentes matières (par exemple, la lecture, les mathématiques).

Les productions sont pertinentes pour l'apprentissage cognitif, mais plusieurs questions doivent être abordées. La théorie ACT postule un ensemble unique de processus cognitifs pour rendre compte de divers phénomènes (Matlin, 2009). Cette vision est en conflit avec d'autres perspectives cognitives qui délimitent différents processus en fonction du type d'apprentissage (Shuell, 1986). Rumelhart et Norman (1978) ont identifié trois types d'apprentissage. L'accrétion implique l'encodage de nouvelles informations en termes de schémas existants ; la restructuration (création de schémas) est le processus de formation de nouveaux schémas ; et l'ajustement (évolution des schémas) fait référence à la modification lente et au raffinement des schémas qui se produisent lors de leur utilisation dans divers contextes. Ceux-ci impliquent différentes quantités de pratique : beaucoup pour l'ajustement et moins pour l'accrétion et la restructuration.

ACT est essentiellement un programme informatique conçu pour simuler l'apprentissage de manière cohérente. En tant que tel, il peut ne pas aborder la gamme de facteurs impliqués dans l'apprentissage humain. Une question concerne la façon dont les gens savent quelle production utiliser dans une situation donnée, surtout si les situations se prêtent à l'utilisation de différentes productions. Les productions peuvent être ordonnées en termes de probabilité, mais un moyen de décider quelle production est la meilleure étant donné la circonstance doit être disponible. La question de savoir comment les productions sont modifiées est également préoccupante. Par exemple, si une production ne fonctionne pas efficacement, les apprenants la rejettent-ils, la modifient-ils ou la conservent-ils, mais cherchent-ils plus de preuves ? Quel est le mécanisme pour décider quand et comment les productions sont modifiées ?

Une autre préoccupation concerne l'affirmation d'Anderson (1983, 1990) selon laquelle les productions commencent comme des connaissances déclaratives. Cette hypothèse semble trop forte étant donné les preuves que cette séquence n'est pas toujours suivie (Hunt, 1989). Parce que la représentation des procédures de compétences comme des éléments de connaissances déclaratives est essentiellement une étape sur la voie de la maîtrise, on peut se demander si les étudiants devraient apprendre les étapes individuelles. Les étapes individuelles ne seront finalement pas utilisées, il peut donc être préférable de consacrer du temps à permettre aux étudiants de les pratiquer. Fournir aux étudiants une liste d'étapes auxquelles ils peuvent se référer au fur et à mesure qu'ils développent progressivement une procédure facilite l'apprentissage et améliore l'auto-efficacité (Schunk, 1995).

Enfin, on peut se demander si les systèmes de production, tels qu'ils sont généralement décrits, ne sont rien de plus que des associations élaborées stimulus-réponse (S-R) (Mayer, 1992). Les propositions (éléments de connaissances procédurales) sont liées dans la mémoire de sorte que lorsqu'un élément est amorcé, d'autres sont également activés. Anderson (1983) a reconnu la nature associationniste des productions, mais estime qu'elles sont plus avancées que les simples associations S-R parce qu'elles incorporent des buts. À l'appui de ce point, les associations ACT sont analogues aux connexions de réseaux neuronaux. Peut-être, comme c'est le cas avec les théories behavioristes, ACT peut expliquer la performance mieux qu'il ne peut expliquer l'apprentissage. Ces questions et d'autres (par exemple, le rôle de la motivation) doivent être abordées par la recherche et liées à l'apprentissage des compétences académiques afin de mieux établir l'utilité des productions dans l'éducation.

Modèles connexionnistes

Une ligne de théorisation récente sur les processus cognitifs complexes implique des modèles connexionnistes (ou connexionnisme, mais à ne pas confondre avec le connexionnisme de Thorndike discuté plus tôt dans le cours ; Baddeley, 1998 ; Farnham-Diggory, 1992 ; Smith, 1996). Comme les productions, les modèles connexionnistes représentent des simulations informatiques des processus d'apprentissage. Ces modèles relient l'apprentissage au traitement du système neuronal où les impulsions se déclenchent à travers les synapses pour former des connexions. L'hypothèse est que les processus cognitifs d'ordre supérieur sont formés en connectant un grand nombre d'éléments de base tels que les neurones (Anderson, 1990, 2000 ; Anderson, Reder, & Lebiere, 1996 ; Bourne, 1992). Les modèles connexionnistes incluent des représentations distribuées de la connaissance (c'est-à-dire, réparties sur un vaste réseau), un traitement parallèle (de nombreuses opérations se produisent en même temps) et des interactions entre un grand nombre d'unités de traitement simples (Siegler, 1989). Les connexions peuvent être à différents stades d'activation (Smith, 1996) et liées à l'entrée dans le système, à la sortie ou à une ou plusieurs couches intermédiaires.

Rumelhart et McClelland (1986) ont décrit un système de traitement distribué parallèle (PDP). Ce modèle est utile pour porter des jugements catégoriques sur l'information en mémoire. Ces auteurs ont fourni un exemple impliquant deux gangs et des informations sur les membres des gangs, y compris l'âge, l'éducation, l'état civil et l'occupation. En mémoire, les caractéristiques similaires de chaque individu sont liées. Par exemple, les membres 2 et 5 seraient liés s'ils avaient tous deux à peu près le même âge, étaient mariés et engagés dans des activités de gang similaires. Pour récupérer l'information sur le membre 2, nous pourrions activer l'unité de mémoire avec le nom de la personne, ce qui activerait à son tour d'autres unités de mémoire. Le modèle créé par cette propagation de l'activation correspond à la représentation de la mémoire pour l'individu. Borowsky et Besner (2006) ont décrit un modèle PDP pour prendre des décisions lexicales (par exemple, décider si un stimulus est un mot).

Les unités connexionnistes présentent une certaine similitude avec les productions en ce sens que les deux impliquent l'activation de la mémoire et des idées liées. Dans le même temps, des différences existent. Dans les modèles connexionnistes, toutes les unités sont identiques, tandis que les productions contiennent des conditions et des actions. Les unités sont différenciées en termes de modèle et de degré d'activation. Une autre différence concerne les règles. Les productions sont régies par des règles. Le connexionnisme n'a pas de règles établies. Les neurones “savent” comment activer les modèles ; après les faits, nous pouvons fournir une règle comme étiquette pour la séquence (par exemple, les règles pour nommer les modèles activés ; Farnham-Diggory, 1992).

Un problème avec l'approche connexionniste est d'expliquer comment le système sait laquelle des nombreuses unités en mémoire activer et comment ces activations multiples sont liées dans des séquences intégrées. Ce processus semble simple dans le cas de modèles bien établis ; par exemple, les neurones savent comment réagir à un téléphone qui sonne, à un vent froid et à un enseignant qui annonce : “Tout le monde fait attention !” Avec des modèles moins établis, les activations peuvent être problématiques. Nous pourrions également nous demander comment les neurones deviennent auto-activants en premier lieu. Cette question est importante car elle aide à expliquer le rôle des connexions dans l'apprentissage et la mémoire. Bien que la notion de connexions semble plausible et fondée sur ce que nous savons du fonctionnement neurologique, à ce jour, ce modèle a été plus utile pour expliquer la perception que l'apprentissage et la résolution de problèmes (Mayer, 1992). Ces dernières applications nécessitent des recherches considérables.