Résolution de problèmes (Processus d'apprentissage cognitif)

L'une des formes de traitement cognitif les plus importantes qui se produisent souvent pendant l'apprentissage est la résolution de problèmes. La résolution de problèmes est un sujet d'étude depuis longtemps — du matériel historique est passé en revue dans cette section —, mais l'intérêt pour le sujet s'est développé avec la croissance des théories cognitives de l'apprentissage. Certains théoriciens considèrent la résolution de problèmes comme le processus clé de l'apprentissage, en particulier dans des domaines tels que les sciences et les mathématiques (Anderson, 1993). Bien que « résolution de problèmes » et « apprentissage » ne soient pas synonymes, la première est souvent impliquée dans la seconde, en particulier lorsque les apprenants peuvent exercer un certain degré d'autorégulation sur l'apprentissage et lorsque l'apprentissage implique des défis et des solutions non évidentes. Dans le scénario d'ouverture, Meg recommande de mettre davantage l'accent sur la résolution de problèmes.

Il existe un problème lorsqu'il y a une « situation dans laquelle vous essayez d'atteindre un objectif, et devez trouver un moyen d'y parvenir » (Chi & Glaser, 1985, p. 229). Le problème peut être de répondre à une question, de calculer une solution, de localiser un objet, de trouver un emploi, d'enseigner à un étudiant, etc. La résolution de problèmes fait référence aux efforts des personnes pour atteindre un objectif pour lequel elles n'ont pas de solution automatique.

Quels que soient le domaine de contenu et la complexité, tous les problèmes ont certains points communs. Les problèmes ont un état initial — le statut actuel ou le niveau de connaissances du résolveur de problèmes. Les problèmes ont un objectif — ce que le résolveur de problèmes tente d'atteindre. La plupart des problèmes exigent également que le résolveur décompose l'objectif en sous-objectifs qui, une fois maîtrisés (généralement séquentiellement), aboutissent à la réalisation de l'objectif. Enfin, les problèmes nécessitent l'exécution d'opérations (activités cognitives et comportementales) sur l'état initial et les sous-objectifs, qui modifient la nature de ces états (Anderson, 1990 ; Chi & Glaser, 1985).

Compte tenu de cette définition, toutes les activités d'apprentissage n'incluent pas la résolution de problèmes. La résolution de problèmes n'est probablement pas impliquée lorsque les compétences des élèves deviennent si bien établies qu'ils exécutent automatiquement des actions pour atteindre des objectifs, ce qui se produit avec de nombreuses compétences dans différents domaines. La résolution de problèmes peut également ne pas se produire dans l'apprentissage de bas niveau (éventuellement trivial), où les élèves savent ce qu'il faut faire pour apprendre. Cela semble être un problème à l'école Nikowsky Middle School, car les enseignants se concentrent sur les compétences de base nécessaires pour les tests. Dans le même temps, les élèves acquièrent de nouvelles compétences et de nouvelles utilisations pour des compétences apprises précédemment, de sorte que de nombreuses activités scolaires pourraient impliquer la résolution de problèmes à un moment donné pendant l'apprentissage.

Certaines perspectives historiques sur la résolution de problèmes sont examinées comme toile de fond aux vues cognitives actuelles : essais et erreurs, intuition et heuristiques.

Essai et erreur

Les recherches de Thorndike (1913b) avec des chats nécessitaient la résolution de problèmes ; le problème était de savoir comment s'échapper de la cage. Thorndike considérait la résolution de problèmes comme un processus d'essais et d'erreurs. L'animal était capable d'exécuter certains comportements dans la cage. À partir de ce répertoire comportemental, l'animal effectuait un comportement et en subissait les conséquences. Après une série de comportements aléatoires, le chat effectuait la réponse qui ouvrait la trappe menant à l'évasion. Après des essais répétés, le chat faisait moins d'erreurs avant d'effectuer le comportement d'évasion, et le temps nécessaire pour résoudre le problème diminuait. Le comportement d'évasion (réponse) est devenu lié aux indices (stimuli) dans la cage.

Nous utilisons parfois la méthode des essais et erreurs pour résoudre des problèmes ; nous effectuons simplement des actions jusqu'à ce que l'une d'elles fonctionne. Mais la méthode des essais et erreurs n'est pas fiable et souvent inefficace. Elle peut faire perdre du temps, ne jamais aboutir à une solution, conduire à une solution moins qu'idéale et avoir des effets négatifs. En désespoir de cause, un enseignant pourrait utiliser une approche par essais et erreurs en essayant différents matériels de lecture avec Kayla jusqu'à ce qu'elle commence à mieux lire. Cette approche pourrait être efficace, mais elle pourrait aussi l'exposer à des matériels qui s'avèrent frustrants et, par conséquent, retarder ses progrès en lecture.

Intuition

On considère souvent que la résolution de problèmes implique l'intuition, ou la prise de conscience soudaine d'une solution probable. Wallas (1921) a étudié de grands résolveurs de problèmes et a formulé un modèle en quatre étapes comme suit :

Les étapes de Wallas étaient descriptives et n'ont pas été soumises à une vérifification empirique. Les psychologues de la Gestalt ont également postulé qu'une grande partie de l'apprentissage humain était intuitive et impliquait un changement de perception. Les apprenants réfléchissaient d'abord aux ingrédients nécessaires pour résoudre un problème. Ils les intégraient de diverses manières jusqu'à ce que le problème soit résolu. Lorsque les apprenants arrivaient à une solution, ils le faisaient soudainement et avec intuition.

De nombreux résolveurs de problèmes rapportent avoir des moments d'intuition ; Watson et Crick ont eu des moments d'intuition en découvrant la structure de l'ADN (Lemonick, 2003). Une application pédagogique importante de la théorie de la Gestalt se trouvait dans le domaine de la résolution de problèmes, ou de la pensée productive (Duncker, 1945 ; Luchins, 1942 ; Wertheimer, 1945). La vision de la Gestalt soulignait le rôle de la compréhension—comprendre la signification d'un événement ou saisir le principe ou la règle sous-jacente à la performance. En revanche, la mémorisation par cœur—bien que souvent utilisée par les étudiants—était inefficace et rarement utilisée dans la vie en dehors de l'école

Les recherches de Katona (1940) ont démontré l'utilité de l'apprentissage des règles par rapport à la mémorisation. Dans une étude, on a demandé aux participants d'apprendre des séquences de nombres (par exemple, 816449362516941). Certains ont appris les séquences par cœur, tandis que d'autres ont reçu des indices pour faciliter l'apprentissage (par exemple, « Pensez aux nombres au carré »). Les apprenants qui ont déterminé la règle de génération des séquences les ont mieux retenues que ceux qui les ont mémorisées.

Les règles conduisent à un meilleur apprentissage et à une meilleure rétention que la mémorisation, car les règles donnent une description plus simple du phénomène, de sorte que moins d'informations doivent être apprises. De plus, les règles aident à organiser le matériel. Pour se souvenir d'une information, on se souvient de la règle, puis on remplit les détails. En revanche, la mémorisation implique de se souvenir de plus d'informations. La mémorisation est généralement inefficace car la plupart des situations ont une certaine organisation (Wertheimer, 1945). Les problèmes sont résolus en découvrant l'organisation de la situation et la relation des éléments avec la solution du problème. En arrangeant et en réarrangeant les éléments, les apprenants finissent par avoir un aperçu de la solution.

Köhler (1926) a réalisé des travaux bien connus sur la résolution de problèmes avec des singes sur l'île de Ténérife pendant la Première Guerre mondiale. Dans une expérience, Köhler a placé une banane juste hors de portée d'un singe dans une cage ; le singe pouvait aller chercher la banane en utilisant un long bâton ou en assemblant deux bâtons. Köhler a conclu que la résolution de problèmes était intuitive : les animaux ont examiné la situation, ont soudainement « vu » les moyens d'atteindre le but et ont testé la solution. Les premières tentatives de résolution de problèmes des singes ont échoué car ils ont essayé différentes stratégies inefficaces (par exemple, lancer un bâton sur la banane). Finalement, ils ont vu le bâton comme une extension de leurs bras et l'ont utilisé en conséquence.

Dans une autre situation (Köhler, 1925), l'animal pouvait voir le but mais ne pouvait pas l'atteindre sans se détourner et prendre un itinéraire indirect. Par exemple, l'animal pouvait se trouver dans une pièce avec une fenêtre et voir de la nourriture à l'extérieur. Pour atteindre le but, l'animal doit sortir de la pièce par une porte et emprunter un couloir qui mène à l'extérieur. En passant de la phase de présolution à la phase de solution, l'animal peut essayer un certain nombre d'alternatives avant de s'arrêter sur une et de l'employer. L'intuition s'est produite lorsque l'animal a testé une solution probable.

Un obstacle à la résolution de problèmes est la fixité fonctionnelle, ou l'incapacité de percevoir différentes utilisations pour les objets ou de nouvelles configurations d'éléments dans une situation (Duncker, 1945). Dans une étude classique, Luchins (1942) a donné à des individus des problèmes qui leur demandaient d'obtenir une quantité d'eau donnée en utilisant trois bocaux de différentes tailles. Les personnes âgées de 9 ans à l'âge adulte ont facilement appris la formule qui produisait toujours la quantité correcte. Dans l'ensemble de problèmes, il y avait des problèmes qui pouvaient être résolus à l'aide d'une formule plus simple. Les personnes ont généralement continué à appliquer la formule originale. Le fait de leur indiquer qu'il pourrait y avoir une solution plus simple a conduit certains à découvrir les méthodes plus simples, bien que beaucoup aient persisté avec la formule originale. Cette recherche montre que lorsque les élèves ne comprennent pas un phénomène, ils peuvent appliquer aveuglément un algorithme connu et ne pas comprendre qu'il existe des méthodes plus faciles. Cette nature de la résolution de problèmes liée à la procédure peut être surmontée lorsque différentes procédures sont mises en évidence pendant l'enseignement (Chen, 1999).

La théorie de la Gestalt avait peu de choses à dire sur la façon dont les stratégies de résolution de problèmes sont apprises ou sur la façon dont on pourrait enseigner aux apprenants à être plus intuitifs. Wertheimer (1945) pensait que les enseignants pouvaient aider à la résolution de problèmes en arrangeant les éléments d'une situation de manière à ce que les élèves soient plus susceptibles de percevoir comment les parties se rapportent au tout. De tels conseils généraux peuvent ne pas être utiles aux enseignants.

Une autre façon de résoudre les problèmes consiste à utiliser des heuristiques, qui sont des méthodes générales de résolution de problèmes qui emploient des principes (règles empiriques) qui mènent généralement à une solution (Anderson, 1990). La liste des opérations mentales impliquées dans la résolution de problèmes de Polya (1945/1957) est la suivante :

• Comprendre le problème.
• Élaborer un plan.
• Exécuter le plan.
• Revenir en arrière.

Comprendre le problème implique de poser des questions telles que « Quelle est l'inconnue ? » et « Quelles sont les données ? » Il est souvent utile de dessiner un diagramme représentant le problème et les informations données. Lors de l'élaboration d'un plan, on essaie de trouver un lien entre les données et l'inconnue. Décomposer le problème en sous-objectifs est utile, tout comme penser à un problème similaire et à la façon dont il a été résolu (c'est-à-dire utiliser des analogies). Il peut être nécessaire de reformuler le problème. Lors de l'exécution du plan, il est important de vérifier chaque étape pour s'assurer qu'elle est correctement mise en œuvre. Revenir en arrière signifie examiner la solution : Est-elle correcte ? Existe-t-il un autre moyen de l'atteindre ?

Bransford et Stein (1984) ont formulé une heuristique similaire connue sous le nom d'IDEAL (idéal) :

• Identifier le problème.
• Définir et représenter le problème.
• Explorer les stratégies possibles.
• Agir sur les stratégies.
• Revenir en arrière et évaluer les effets de vos activités.

Le modèle de résolution créative de problèmes (CPS) offre un autre exemple de cadre générique de résolution de problèmes (Treffinger, 1985 ; Treffinger & Isaksen, 2005). Ce modèle comprend trois composantes principales : comprendre le défi, générer des idées et se préparer à l'action (Treffinger, 1995 ; Treffinger & Isaksen, 2005). Des composantes métacognitives (par exemple, la planification, le suivi, la modification du comportement) sont présentes tout au long du processus.

Comprendre le défi commence par un objectif général ou une orientation pour la résolution de problèmes. Une fois que des données importantes (par exemple, des faits, des opinions, des préoccupations) sont obtenues, un objectif ou une question spécifique est formulé. La caractéristique de la génération d'idées est la pensée divergente pour produire des options permettant d'atteindre l'objectif. Se préparer à l'action comprend l'examen des options prometteuses et la recherche de sources d'aide et de moyens de surmonter la résistance.

Les heuristiques générales sont plus utiles lorsque l'on travaille avec un contenu inconnu (Andre, 1986). Elles sont moins efficaces dans un domaine familier, car à mesure que les compétences spécifiques au domaine se développent, les étudiants utilisent de plus en plus les connaissances procédurales établies. Les heuristiques générales présentent un avantage pédagogique : elles peuvent aider les étudiants à devenir des résolveurs de problèmes systématiques. Bien que l'approche heuristique puisse sembler inflexible, il existe en réalité une flexibilité dans la façon dont les étapes sont réalisées. Pour de nombreux étudiants, une heuristique sera plus systématique que leurs approches actuelles de résolution de problèmes et mènera à de meilleures solutions.

Newell et Simon (1972) ont proposé un modèle de traitement de l'information pour la résolution de problèmes qui comprenait un espace de problème avec un état initial, un état final et des chemins de solution possibles menant à travers des sous-objectifs et nécessitant l'application d'opérations. Le résolveur de problèmes forme une représentation mentale du problème et effectue des opérations pour réduire l'écart entre les états initial et final. Le processus consistant à opérer sur la représentation pour trouver une solution est appelé la recherche (Andre, 1986).

La première étape de la résolution de problèmes consiste à former une représentation mentale. Semblable à la première étape de Polya (comprendre le problème), la représentation nécessite de traduire les informations connues en un modèle en mémoire. La représentation interne consiste en des propositions, et éventuellement des images, dans la mémoire de travail (MT). Le problème peut également être représenté extérieurement (par exemple, sur papier, sur un écran d'ordinateur). Les informations contenues dans la MT activent les connaissances connexes dans la mémoire à long terme (MLT), et le résolveur finit par sélectionner une stratégie de résolution de problèmes. Lorsque les gens résolvent des problèmes, ils modifient souvent leur représentation initiale et activent de nouvelles connaissances, surtout si leur résolution de problèmes n'aboutit pas. Ainsi, la résolution de problèmes comprend l'évaluation des progrès vers l'objectif.

La représentation du problème détermine quelles connaissances sont activées en mémoire et, par conséquent, à quel point le problème est facile à résoudre (Holyoak, 1984). Si les résolveurs représentent incorrectement le problème en ne tenant pas compte de tous les aspects ou en ajoutant trop de contraintes, le processus de recherche est peu susceptible d'identifier un chemin de solution correct (Chi & Glaser, 1985). Peu importe la clarté avec laquelle les résolveurs raisonnent par la suite, ils n'atteindront pas une solution correcte à moins qu'ils ne forment une nouvelle représentation. Sans surprise, les programmes de formation à la résolution de problèmes consacrent généralement beaucoup de temps à la phase de représentation (Andre, 1986).

Comme les compétences (abordées précédemment), les stratégies de résolution de problèmes peuvent être générales ou spécififiques. Les stratégies générales peuvent être appliquées à des problèmes dans plusieurs domaines, quel que soit le contenu ; les stratégies spécififiques ne sont utiles que dans un domaine particulier. Par exemple, diviser un problème complexe en sous-problèmes (analyse des sous-objectifs) est une stratégie générale applicable à des problèmes tels que la rédaction d'un mémoire, le choix d'une spécialisation universitaire et la décision du lieu de résidence. Inversement, les tests que l'on pourrait effectuer pour classer des échantillons de laboratoire sont spécififiques à la tâche. Le développement professionnel offert aux enseignants de Nikowsky comprenait probablement des stratégies générales et spécififiques.

Les stratégies générales sont utiles lorsque l'on travaille sur des problèmes où les solutions ne sont pas immédiatement évidentes. Les stratégies générales utiles sont les stratégies de génération et de test, l'analyse moyens-fins, le raisonnement analogique et le brainstorming. Les stratégies générales sont moins utiles que les stratégies spécififiques au domaine lorsque l'on travaille avec un contenu très familier. Quelques exemples de résolution de problèmes dans des contextes d'apprentissage sont donnés dans le bloc ci-dessous :

Stratégie de génération et de test

La stratégie de génération et de test est utile lorsqu'un nombre limité de solutions de problèmes peuvent être testées pour voir si elles atteignent l'objectif (Resnick, 1985). Cette stratégie fonctionne mieux lorsque plusieurs solutions peuvent être ordonnées en termes de probabilité et qu'au moins une solution est susceptible de résoudre le problème.

À titre d'exemple, supposons que vous entrez dans une pièce, actionnez l'interrupteur, mais que la lumière ne s'allume pas. Les causes possibles incluent : l'ampoule est grillée ; l'électricité est coupée ; l'interrupteur est cassé ; la douille de la lampe est défectueuse ; le disjoncteur a sauté ; le fusible a sauté ; ou le câblage a un court-circuit. Vous allez probablement générer et tester la solution la plus probable (remplacer l'ampoule) ; si cela ne résout pas le problème, vous pouvez générer et tester d'autres solutions probables. Bien que le contenu n'ait pas besoin d'être très familier, certaines connaissances sont nécessaires pour utiliser cette méthode efficacement. Les connaissances antérieures établissent la hiérarchie des solutions possibles ; les connaissances actuelles influencent la sélection des solutions. Ainsi, si vous remarquez un camion de compagnie d'électricité dans votre quartier, vous détermineriez si l'alimentation est coupée.

Analyse moyens-fins

Pour utiliser l'analyse moyens-fins, on compare la situation actuelle avec l'objectif et on identififie les différences entre les deux (Resnick, 1985). Des sous-objectifs sont fixés pour réduire les différences. On effectue des opérations pour atteindre le sous-objectif, auquel point le processus est répété jusqu'à ce que l'objectif soit atteint.

Newell et Simon (1972) ont étudié l'analyse moyens-fins et ont formulé le General Problem Solver (GPS) - un programme de simulation informatique. Le GPS divise un problème en sous-objectifs, chacun représentant une différence par rapport à l'état actuel. Le GPS commence par la différence la plus importante et utilise des opérations pour éliminer cette différence. Dans certains cas, les opérations doivent d'abord éliminer une autre différence qui est une condition préalable à la plus importante.

L'analyse moyens-fins est une heuristique de résolution de problèmes puissante. Lorsque les sous-objectifs sont correctement identififiés, l'analyse moyens-fins est la plus susceptible de résoudre le problème. Un inconvénient est qu'avec des problèmes complexes, l'analyse moyens-fins taxe la mémoire de travail car on peut avoir à suivre plusieurs sous-objectifs. Oublier un sous-objectif entrave la résolution du problème.

L'analyse moyens-fins peut se dérouler de l'objectif à l'état initial (travail à rebours) ou de l'état initial à l'objectif (travail en avant). En travaillant à rebours, on commence par l'objectif et on se demande quels sous-objectifs sont nécessaires pour l'atteindre. On se demande ensuite ce qui est nécessaire pour atteindre ces sous-objectifs et ainsi de suite, jusqu'à ce que l'état initial soit atteint. Pour travailler à rebours, par conséquent, on planifie une série de mouvements, chacun conçu pour atteindre un sous-objectif. Travailler à rebours avec succès nécessite une bonne connaissance du domaine du problème pour déterminer les prérequis de l'objectif et des sous-objectifs.

Le travail à rebours est fréquemment utilisé pour prouver des théorèmes géométriques. On commence par supposer que le théorème est vrai et on travaille ensuite à rebours jusqu'à ce que les postulats soient atteints. Un exemple géométrique est montré dans la Figure 'Analyse moyens-fins appliquée à un problème de géométrie' Le problème est de résoudre pour l'angle m. En travaillant à rebours, les élèves réalisent qu'ils doivent déterminer l'angle n, car l'angle m = 180° est un angle n (ligne droite = 180°). En continuant à travailler à rebours, les élèves comprennent que parce que les lignes parallèles se croisent, l'angle correspondant d sur la ligne q est égal à l'angle n. En s'appuyant sur leurs connaissances géométriques, les élèves déterminent que l'angle d = l'angle a, qui est de 30°. Ainsi, l'angle n = 30°, et l'angle m = 180° - 30° = 150°.

Comme autre exemple de travail à rebours, supposons qu'un étudiant ait un mémoire à rendre dans 3 semaines. La dernière étape avant de le remettre est de le relire (la veille de la date limite de remise). L'étape précédente consiste à taper et à imprimer la copie finale (prévoir 1 jour). Avant cela, on effectue les révisions finales (1 jour), on révise le mémoire (3 jours), et on tape et imprime la copie brouillon (1 jour). En continuant à travailler à rebours, on pourrait prévoir 5 jours pour écrire le brouillon, 1 jour pour le plan, 3 jours pour la recherche en bibliothèque, et 1 jour pour choisir un sujet. On prévoit un total de 17 jours à passer en partie à travailler sur le mémoire. Il faut donc commencer dans 4 jours à partir d'aujourd'hui.

Un deuxième type d'analyse moyens-fins est le travail en avant, parfois appelé ascension de la colline (Matlin, 2009 ; Mayer, 1992). Le résolveur de problèmes commence par la situation actuelle et la modifie dans l'espoir de se rapprocher de l'objectif. Plusieurs modifications sont généralement nécessaires pour atteindre l'objectif. Un danger est que le travail en avant procède parfois sur la base d'une analyse superficielle du problème. Bien que chaque étape représente une tentative d'atteindre un sous-objectif nécessaire, on peut facilement s'écarter sur une tangente ou arriver à une impasse car généralement on ne peut pas voir beaucoup d'alternatives à l'avance, mais plutôt seulement la prochaine étape (Matlin, 2009).

Comme exemple d'une stratégie de travail en avant, considérez des étudiants dans un laboratoire qui ont diverses substances dans des bocaux. Leur objectif est d'étiqueter les substances dans leurs bocaux. Pour ce faire, ils effectuent une série de tests sur les substances qui, s'ils sont correctement effectués, aboutiront à une solution. Cela représente une stratégie de travail en avant car chaque test rapproche les étudiants de leur objectif de classification de leurs substances. Les tests sont ordonnés, et les résultats montrent ce que les substances ne sont pas, ainsi que ce qu'elles pourraient être. Pour empêcher les étudiants de s'égarer, l'enseignant met en place la procédure avec soin et s'assure que les étudiants comprennent comment effectuer les tests.

Une autre stratégie générale de résolution de problèmes consiste à utiliser le raisonnement analogique, qui implique d'établir une analogie entre la situation problématique (la cible) et une situation avec laquelle on est familier (la base ou la source; Anderson, 1990; Chen, 1999; Hunt, 1989). On résout le problème dans le domaine familier, puis on relie la solution à la situation problématique (Holyoak & Thagard, 1997). Le raisonnement analogique implique d'accéder au réseau du domaine familier dans la mémoire à long terme (MLT) et de le cartographier sur (de le relier à) la situation problématique dans la mémoire de travail (MT) (Halpern, Hansen, & Riefer, 1990). Une application réussie exige que la situation familière soit structurellement similaire à la situation problématique, bien que les situations puissent différer dans leurs caractéristiques de surface (par exemple, l'une pourrait impliquer le système solaire et l'autre des structures moléculaires). Les sous-objectifs de cette approche consistent à relier les étapes du domaine original (familier) à celles du domaine de transfert (problème). Les étudiants utilisent souvent la méthode de l'analogie pour résoudre des problèmes dans les manuels. Des exemples sont traités dans le texte (domaine familier), puis les étudiants relient ces étapes aux problèmes qu'ils doivent résoudre.

Gick et Holyoak (1980, 1983) ont démontré la puissance de la résolution de problèmes analogique. Ils ont présenté aux apprenants un problème médical difficile et, par analogie, un problème militaire résolu. Le simple fait de leur donner le problème analogique ne les a pas automatiquement incités à l'utiliser. Cependant, leur donner un indice pour utiliser le problème militaire pour résoudre le problème médical a amélioré la résolution de problèmes. Gick et Holyoak ont également constaté que donner aux étudiants deux histoires analogues conduisait à une meilleure résolution de problèmes que de donner une seule histoire. Cependant, leur demander de résumer l'histoire analogue, de leur donner le principe sous-jacent à l'histoire pendant qu'ils la lisent, ou de leur fournir un diagramme illustrant le principe de résolution de problèmes n'a pas amélioré la résolution de problèmes. Ces résultats suggèrent que dans un domaine inconnu, les étudiants ont besoin de conseils pour utiliser les analogies et que plusieurs exemples augmentent la probabilité que les étudiants relient au moins un exemple au problème à résoudre.

Pour être le plus efficace possible, la résolution de problèmes analogique exige une bonne connaissance des domaines familier et problématique. Les étudiants ont souvent assez de difficulté à utiliser des analogies pour résoudre des problèmes, même lorsque la stratégie de résolution est mise en évidence. Avec des connaissances inadéquates, les étudiants sont peu susceptibles de voir la relation entre le problème et l'analogue. Même en supposant de bonnes connaissances, l'analogie est plus susceptible d'échouer lorsque les domaines familier et problématique sont conceptuellement dissemblables. Les apprenants peuvent comprendre comment combattre une bataille (le problème militaire) est similaire à combattre une maladie (le problème médical), mais ils peuvent ne pas saisir d'autres analogies (par exemple, combattre une tentative de rachat d'entreprise).

Les preuves développementales indiquent que, malgré ses difficultés, les enfants peuvent employer le raisonnement analogique (Siegler, 1989). Enseigner les analogies aux enfants—y compris ceux qui ont des troubles d'apprentissage—peut améliorer leur résolution de problèmes ultérieure (Grossen, 1991). L'utilisation d'études de cas et du raisonnement basé sur des cas peut aider à développer la pensée analogique (Kolodner, 1997). Les techniques efficaces pour utiliser les analogies consistent à faire verbaliser par l'enseignant adulte et l'enfant le principe de solution qui sous-tend les problèmes original et de transfert, à inciter les enfants à se rappeler des éléments de la structure causale du problème original et à présenter les deux problèmes de manière à ce que les structures causales passent du plus évident au moins évident (Crisafi & Brown, 1986). D'autres suggestions incluent l'utilisation de problèmes originaux et de transfert similaires, la présentation de plusieurs problèmes similaires et l'utilisation d'images pour illustrer les relations causales.

Cela ne veut pas dire que tous les enfants peuvent devenir des experts dans l'utilisation des analogies. La tâche est difficile et les enfants établissent souvent des analogies inappropriées. Comparativement aux élèves plus âgés, les plus jeunes ont besoin de plus d'indices, sont plus susceptibles d'être distraits par des caractéristiques perceptuelles non pertinentes et traitent l'information moins efficacement (Crisafi & Brown, 1986). La réussite des enfants dépend fortement de leurs connaissances sur le problème original et de leur habileté à encoder et à faire des comparaisons mentales, qui présentent de grandes différences individuelles (Richland, Morrison, & Holyoak, 2006; Siegler, 1989). Les enfants apprennent mieux les stratégies de résolution de problèmes lorsqu'ils les observent et les expliquent que lorsqu'ils se contentent de les observer (Crowley & Siegler, 1999).

La résolution de problèmes analogique est utile dans l'enseignement. Les enseignants ont souvent dans leurs classes des élèves dont la langue maternelle n'est pas l'anglais. Enseigner aux élèves dans leur langue maternelle est impossible. Les enseignants pourraient relier ce problème à l'enseignement aux élèves qui ont des difficultés d'apprentissage. Avec ces derniers, les enseignants procéderaient lentement, utiliseraient des expériences concrètes dans la mesure du possible et fourniraient beaucoup d'enseignement individualisé. Ils pourraient essayer les mêmes tactiques avec les élèves ayant une maîtrise limitée de l'anglais, tout en leur enseignant simultanément des mots et des phrases en anglais afin qu'ils puissent suivre le cours avec les autres élèves.

Cette analogie est appropriée parce que les élèves ayant des problèmes d'apprentissage et les élèves qui parlent peu anglais ont des difficultés en classe. D'autres analogies pourraient être inappropriées. Les élèves non motivés ont également des difficultés d'apprentissage. En les utilisant pour l'analogie, l'enseignant pourrait offrir aux élèves ayant une maîtrise limitée de l'anglais des récompenses pour l'apprentissage. Cette solution n'est pas susceptible d'être efficace parce que le problème des élèves ayant une maîtrise limitée de l'anglais est d'ordre pédagogique plutôt que motivationnel.

Le remue-méninges est une stratégie générale de résolution de problèmes qui est utile pour formuler des solutions possibles à un problème (Isaksen & Gaulin, 2005 ; Mayer, 1992 ; Osborn, 1963). Les étapes du remue-méninges sont les suivantes :

• Définir le problème.
• Générer autant de solutions que possible sans les évaluer.
• Décider de critères pour juger les solutions potentielles.
• Utiliser ces critères pour sélectionner la meilleure solution.

Un remue-méninges réussi exige que les participants s'abstiennent de critiquer les idées jusqu'à ce que toutes les idées soient générées. De plus, les participants peuvent générer des idées qui s'appuient les unes sur les autres. Ainsi, les idées « folles » et inhabituelles doivent être encouragées (Mayer, 1992).

Comme pour la résolution de problèmes analogique, la quantité de connaissances que l'on a sur le domaine du problème affecte le succès du remue-méninges, car une meilleure connaissance du domaine permet de générer plus de solutions potentielles et de critères pour juger de leur faisabilité. Le remue-méninges peut être utilisé individuellement, bien que l'interaction de groupe conduise généralement à plus de solutions.

Le remue-méninges se prête bien à de nombreuses décisions pédagogiques et administratives prises dans les écoles. Il est particulièrement utile pour générer de nombreuses idées variées, voire uniques (Isaksen & Gaulin, 2005). Supposons qu'un nouveau directeur d'école constate un faible moral du personnel. Les membres du personnel conviennent qu'une meilleure communication est nécessaire. Les responsables de niveau se réunissent avec le directeur, et le groupe arrive aux solutions potentielles suivantes : organiser une réunion hebdomadaire avec le personnel, envoyer un bulletin hebdomadaire (électronique), afficher des avis sur un tableau d'affichage, organiser des réunions hebdomadaires avec les responsables de niveau (après quoi ils rencontrent les enseignants), envoyer fréquemment des messages d'information par courrier électronique, faire des annonces par le système de sonorisation. Le groupe formule deux critères : (a) peu chronophage pour les enseignants et (b) perturbation minimale des cours. En gardant ces critères à l'esprit, ils décident que le directeur doit envoyer un bulletin hebdomadaire et des courriers électroniques fréquents, et rencontrer les responsables de niveau en groupe. Bien qu'elles prennent du temps, les réunions entre le directeur et les responsables de niveau seront plus ciblées que celles entre le directeur et l'ensemble du personnel.

La résolution de problèmes est souvent impliquée dans l'apprentissage, mais les concepts ne sont pas synonymes. Selon une perspective contemporaine du traitement de l'information (Anderson, 1990, 1993, 2000), la résolution de problèmes implique l'acquisition, la rétention et l'utilisation de systèmes de production, qui sont des réseaux de séquences condition-action (règles) dans lesquels les conditions sont les ensembles de circonstances qui activent le système et les actions sont les ensembles d'activités qui se produisent (Anderson, 1990 ; Andre, 1986). Un système de production consiste en des énoncés si-alors. Les énoncés si (la condition) comprennent le but et les énoncés de test, alors que les énoncés alors sont les actions.

Les productions sont des formes de connaissance procédurale qui incluent la connaissance déclarative et les conditions dans lesquelles ces formes sont applicables. Les productions sont représentées dans la MLT sous forme de réseaux propositionnels et sont acquises de la même manière que les autres connaissances procédurales. Les productions sont également organisées de manière hiérarchique avec des productions subordonnées et superordonnées. Pour résoudre deux équations à deux inconnues, on représente d'abord une inconnue en termes de la deuxième inconnue (production subordonnée), après quoi on résout pour la deuxième inconnue (production) et on utilise cette valeur pour résoudre pour la première inconnue (production superordonnée).

Les productions peuvent être générales ou spécifiques. Les productions spécifiques s'appliquent au contenu dans des domaines bien définis. En revanche, les heuristiques sont des productions générales car elles s'appliquent à divers contenus. Une analyse moyens-fins pourrait être représentée comme suit (Anderson, 1990) :

Si le but est de transformer l'état actuel en l'état but et que D est la plus grande différence entre les états -> Alors définir comme sous-buts :

1. Éliminer la différence D
2. Convertir l'état résultant en l'état but.

Une deuxième production devra alors être employée avec l'énoncé si-alors, « Si le but est d'éliminer la différence D. » Cette séquence se poursuit jusqu'à ce que les sous-buts aient été identifiés à un niveau spécifique ; ensuite, des règles spécifiques au domaine sont appliquées. En bref, les productions générales sont décomposées jusqu'au niveau auquel la connaissance spécifique au domaine est appliquée. Les systèmes de production offrent un moyen de relier les procédures de résolution de problèmes générales et spécifiques. D'autres stratégies de résolution de problèmes (par exemple, le raisonnement analogique) peuvent également être représentées comme des productions.

L'apprentissage scolaire qui est hautement réglementé peut ne pas nécessiter de résolution de problèmes. La résolution de problèmes n'est pas applicable lorsque les étudiants ont un but et un moyen clair de l'atteindre. La résolution de problèmes devient plus importante lorsque les enseignants s'éloignent d'un enseignement rigide et très réglementé et encouragent une pensée plus originale et critique de la part des étudiants. C'est ce sur quoi les enseignants de Nikowsky ont travaillé après leur rencontre avec Meg. Il y a un mouvement dans l'éducation pour encourager la résolution de problèmes par les étudiants, et de nombreux éducateurs croient que cette tendance se poursuivra. En attendant, les étudiants doivent apprendre des stratégies de résolution de problèmes générales et spécifiques afin de pouvoir gérer ces exigences supplémentaires associées à l'apprentissage.

Comme pour l'acquisition de compétences, les chercheurs ont identifié des différences entre les novices et les experts en résolution de problèmes (Anderson, 1990, 1993 ; Bruning et al., 2004 ; Resnick, 1985). Une différence concerne les exigences imposées à la mémoire de travail (MT). Les experts en résolution de problèmes n'activent pas de grandes quantités d'informations potentiellement pertinentes ; ils identifient les caractéristiques clés du problème, les relient aux connaissances de base et génèrent une ou un petit nombre de solutions potentielles (Mayer, 1992). Les experts réduisent les problèmes complexes à une taille gérable en séparant l'espace du problème de l'environnement de la tâche plus vaste, qui comprend le domaine des faits et des connaissances dans lequel le problème est intégré (Newell & Simon, 1972). Couplé au fait que les experts peuvent conserver plus d'informations dans la MT (Chi, Glaser, & Farr, 1988), ce processus de réduction conserve les informations pertinentes, élimine les informations non pertinentes, s'inscrit dans les limites de la MT et est suffisamment précis pour permettre une solution.

Les experts emploient souvent une stratégie de progression en identifiant le format du problème et en générant une approche adaptée (Mayer, 1992). Cela implique généralement de diviser le problème en parties et de résoudre les parties séquentiellement (Bruning et al., 2004). Les novices en résolution de problèmes, cependant, tentent souvent de résoudre les problèmes de manière fragmentaire, en partie à cause de la moins bonne organisation de leur mémoire. Ils peuvent procéder par essais et erreurs ou essayer de remonter de ce qu'ils essaient de trouver aux données du problème—une stratégie inefficace s'ils ne connaissent pas les sous-étapes nécessaires (Mayer, 1992). Leurs analyses moyens–fins sont souvent basées sur les caractéristiques superficielles des problèmes. En mathématiques, les novices génèrent des formules à partir de leur mémoire lorsqu'ils sont confrontés à des problèmes formulés en mots. Essayer de stocker un excès d'informations dans la MT encombre leur pensée (Resnick, 1985).

Les experts et les novices diffèrent également en termes de connaissances spécifiques au domaine, bien qu'ils semblent avoir des connaissances comparables en matière de stratégies générales de résolution de problèmes (Elstein, Shulman, & Sprafka, 1978 ; Simon, 1979). Les experts possèdent des structures de mémoire à long terme (MLT) plus vastes et mieux organisées dans leur domaine d'expertise (Chi et al., 1981). Plus les experts peuvent utiliser de connaissances pour résoudre des problèmes, plus ils sont susceptibles de les résoudre et meilleure est l'organisation de leur mémoire, ce qui facilite l'efficacité.

Des différences qualitatives sont évidentes dans la façon dont les connaissances sont structurées dans la mémoire (Chi, Glaser, & Rees, 1982). Les connaissances des experts sont organisées de manière plus hiérarchique. Les experts ont tendance à classer les problèmes en fonction de la « structure profonde », tandis que les novices s'appuient davantage sur les caractéristiques superficielles (Hardiman, Dufresne, & Mestre, 1989). Il est intéressant de noter que la formation des novices à reconnaître les caractéristiques profondes améliore leurs performances par rapport à celles des novices non formés.

Les novices réagissent généralement aux problèmes en fonction de la façon dont ils sont présentés ; les experts réinterprètent les problèmes pour révéler une structure sous-jacente, une structure qui correspond très probablement à leur propre réseau de MLT (Resnick, 1985). Les novices tentent de traduire directement les informations données en formules et de résoudre pour les quantités manquantes. Plutôt que de générer des formules, les experts peuvent initialement dessiner des diagrammes pour clarifier les relations entre les aspects du problème. Ils construisent souvent une nouvelle version du problème. Au moment où ils sont prêts à effectuer des calculs, ils ont généralement simplifié le problème et effectuent moins de calculs que les novices. Tout en travaillant, les experts surveillent mieux leurs performances pour évaluer les progrès vers l'objectif et la valeur de la stratégie qu'ils utilisent (Gagné et al., 1993).

Enfin, les experts passent plus de temps à planifier et à analyser. Ils sont plus réfléchis et ne procèdent pas tant qu'ils n'ont pas une stratégie en tête. Moore (1990) a constaté que les enseignants expérimentés passent plus de temps à planifier que les enseignants moins expérimentés, ainsi que plus de temps à explorer de nouvelles salles de classe. Une telle planification facilite la mise en œuvre de la stratégie.

En résumé, les différences entre les novices et les experts en résolution de problèmes sont nombreuses. Comparés aux novices, les experts :

• Possèdent plus de connaissances déclaratives
• Ont une meilleure organisation hiérarchique des connaissances
• Passent plus de temps à planifier et à analyser
• Reconnaissent plus facilement les formats de problèmes
• Représentent les problèmes à un niveau plus profond
• Surveillent leurs performances plus attentivement
• Comprennent mieux la valeur de l'utilisation de stratégies

Le raisonnement se réfère aux processus mentaux impliqués dans la génération et l'évaluation d'arguments logiques (Anderson, 1990). Le raisonnement aboutit à une conclusion à partir de pensées, de perceptions et d'assertions (Johnson-Laird, 1999) et implique de travailler sur des problèmes pour expliquer pourquoi quelque chose s'est produit ou ce qui va se produire (Hunt, 1989). Les compétences de raisonnement comprennent la clarification, la base, l'inférence et l'évaluation (Ennis, 1987; Quellmalz, 1987).

Clarification

La clarification exige d'identifier et de formuler des questions, d'analyser des éléments et de définir des termes. Ces compétences impliquent de déterminer quels éléments d'une situation sont importants, ce qu'ils signifient et comment ils sont liés. Parfois, des questions scientifiques sont posées, mais d'autres fois, les étudiants doivent développer des questions telles que « Quel est le problème, l'hypothèse ou la thèse ? » La clarification correspond à la phase de représentation de la résolution de problèmes ; les étudiants définissent le problème pour obtenir une représentation mentale claire. Peu de raisonnement productif se produit sans un énoncé clair du problème.

Base

Les conclusions des gens sur un problème sont étayées par des informations provenant d'observations personnelles, de déclarations d'autrui et d'inférences antérieures. Juger de la crédibilité d'une source est important. Ce faisant, il faut distinguer entre fait, opinion et jugement raisonné. Supposons qu'un suspect armé d'une arme à feu soit appréhendé près du lieu d'un meurtre. Le fait que le suspect ait eu une arme à feu lors de son arrestation est un fait. Les tests de laboratoire sur l'arme, les balles et la victime conduisent au jugement raisonné que l'arme a été utilisée dans le crime. Quelqu'un qui enquête sur l'affaire pourrait être d'avis que le suspect est l'assassin.

Inférence

Le raisonnement scientifique se déroule de manière inductive ou déductive. Le raisonnement inductif fait référence au développement de règles générales, de principes et de concepts à partir de l'observation et de la connaissance d'exemples spécifiques (Pellegrino, 1985). Il exige la détermination d'un modèle et de ses règles d'inférence associées (Hunt, 1989). Les gens raisonnent de manière inductive lorsqu'ils extraient des similitudes et des différences entre des objets et des événements spécifiques et parviennent à des généralisations, qui sont testées en les appliquant à de nouvelles expériences. Les individus conservent leurs généralisations tant qu'elles sont efficaces, et ils les modifient lorsqu'ils font l'expérience de preuves conflictuelles.

Certains des types de tâches les plus courants utilisés pour évaluer le raisonnement inductif sont les problèmes de classification, de concept et d'analogie. Considérez l'analogie suivante (Pellegrino, 1985) :

• sucre : sucré :: citron : ______
• jaune aigre fruit presser thé

Les opérations mentales appropriées représentent un type de système de production. Initialement, l'apprenant représente mentalement les attributs critiques de chaque terme de l'analogie. Elle active des réseaux dans la MLT impliquant chaque terme, qui contiennent des attributs critiques des termes, y compris des concepts subordonnés et superordonnés. Ensuite, elle compare les caractéristiques de la première paire pour déterminer le lien. « Sucré » est une propriété du sucre qui implique le goût. Elle recherche ensuite dans le réseau « citron » pour déterminer laquelle des cinq caractéristiques énumérées correspond en signification à « citron » comme « sucré » le fait à « sucre ». Bien que les cinq termes soient très probablement stockés dans son réseau « citron », seul « aigre » implique directement le goût.

Les enfants commencent à afficher un raisonnement inductif de base vers l'âge de 8 ans. Avec le développement, les enfants peuvent raisonner plus rapidement et avec des éléments plus complexes. Cela se produit parce que leurs réseaux de MLT deviennent plus complexes et mieux liés, ce qui réduit à son tour la charge sur la MT. Pour aider à favoriser la pensée inductive, les enseignants pourraient utiliser une approche de découverte guidée dans laquelle les enfants apprennent différents exemples et essaient de formuler une règle générale. Par exemple, les enfants peuvent collecter des feuilles et formuler des principes généraux concernant les tiges, les veines, les tailles et les formes des feuilles de différents arbres. Les enseignants pourraient poser un problème aux élèves, tel que « Pourquoi le métal coule-t-il dans l'eau mais les navires métalliques flottent-ils ? » Plutôt que de dire aux élèves comment résoudre le problème, l'enseignant pourrait fournir du matériel et les encourager à formuler et à tester des hypothèses pendant qu'ils travaillent sur la tâche. Phye (1997; Klauer & Phye, 2008) a discuté des méthodes et des programmes d'enseignement efficaces qui ont été utilisés pour enseigner le raisonnement inductif aux étudiants.

Le raisonnement déductif fait référence à l'application de règles d'inférence à un modèle formel d'un problème pour décider si des instances spécifiques suivent logiquement. Lorsque les individus raisonnent de manière déductive, ils passent de concepts généraux (prémisses) à des instances spécifiques (conclusions) pour déterminer si ces dernières découlent des premiers. Une déduction est valide si les prémisses sont vraies et si la conclusion découle logiquement des prémisses (Johnson-Laird, 1985, 1999).

Les processus de raisonnement linguistique et déductif sont intimement liés (Falmagne & Gonsalves, 1995; Polk & Newell, 1995). Un type de problème de déduction est la série à trois termes (Johnson-Laird, 1972). Par exemple,

• Si Karen est plus grande que Tina, et ->; (génération du modèle)
• Si Mary Beth n'est pas aussi grande que Tina, alors ->; (reaffirmation du modèle)
• Qui est la plus grande ? => (modèle complet)

Les processus de résolution de problèmes employés avec ce problème sont similaires à ceux discutés précédemment. Initialement, on forme une représentation mentale du problème, telle que , . On travaille ensuite vers l'avant en combinant les propositions ( ) pour résoudre le problème. Les facteurs développementaux limitent la compétence des enfants à résoudre de tels problèmes. Les enfants peuvent avoir de la difficulté à conserver les informations pertinentes du problème dans la MT et peuvent ne pas comprendre le langage utilisé pour exprimer les relations.

Un autre type de problème de raisonnement déductif est le syllogisme. Les syllogismes sont caractérisés par des prémisses et une conclusion contenant les mots tous, aucun et certains. Les prémisses suivantes sont des exemples :

• Tous les professeurs d'université sont paresseux. -> (généralisation contextuelle)
• Certains étudiants diplômés ne sont pas paresseux. -> (exclusion contextuelle)
• Aucun étudiant de premier cycle n'est paresseux. -> (disposition de la controverse)

Un exemple de syllogisme est le suivant :

• Tous les élèves de la classe de Ken sont bons en maths. -> (suggestion de prémisse)
• Tous les étudiants qui sont bons en maths iront à l'université. -> (formation de biais)
• (Par conséquent) Tous les élèves de la classe de Ken iront à l'université. -> (hypothèse générale)

Les chercheurs débattent des processus mentaux que les gens utilisent pour résoudre les syllogismes, y compris si les gens représentent l'information sous forme de diagrammes de Venn (cercles) ou de chaînes de propositions (Johnson-Laird, 1985). Une analyse de système de production des syllogismes donne une règle de base : Un syllogisme est vrai seulement s'il n'y a aucun moyen d'interpréter les prémisses pour impliquer le contraire de la conclusion; c'est-à-dire qu'un syllogisme est vrai à moins qu'une exception à la conclusion ne puisse être trouvée. La recherche doit examiner les types de règles que les gens appliquent pour tester si les prémisses d'un syllogisme permettent une exception.

Différents points de vue ont été proposés pour expliquer les mécanismes du raisonnement déductif (Johnson-Laird, Byrne, & Tabossi, 1989). Un point de vue soutient que le raisonnement se déroule sur la base de règles d'inférence formelles. Les gens apprennent les règles (par exemple, la règle du modus ponens régit les énoncés « si p alors q ») et font ensuite correspondre les instances aux règles.

Un deuxième point de vue connexe postule des règles spécifiques au contenu. Elles peuvent être exprimées sous forme de productions de sorte que des instances spécifiques déclenchent les règles de production. Ainsi, une production peut impliquer toutes les voitures et peut être déclenchée lorsqu'une voiture spécifique (« ma marque X ») est rencontrée.

Un troisième point de vue soutient que le raisonnement dépend de procédures sémantiques qui recherchent des interprétations des prémisses qui sont des contre-exemples aux conclusions. Selon ce point de vue, les gens construisent un ou plusieurs modèles mentaux pour les assertions qu'ils rencontrent (interprétations des prémisses); les modèles diffèrent en structure et sont utilisés pour tester la logique de la situation. Les étudiants peuvent ré-encoder à plusieurs reprises le problème en fonction de l'information; ainsi, la déduction est en grande partie une forme de raisonnement verbal (Polk & Newell, 1995). Johnson-Laird et ses collègues (Johnson-Laird, 1999; Johnson-Laird, Byrne, & Schaeken, 1992; Johnson-Laird et al., 1989) ont étendu cette analyse sémantique à diverses classes d'inférences (par exemple, celles impliquant si, ou, et, non, et des quantificateurs multiples). D'autres recherches aideront également à déterminer les implications pédagogiques de ces analyses théoriques.

Évaluation

L'évaluation implique l'utilisation de critères pour juger de la pertinence d'une solution à un problème. Lors de l'évaluation, les étudiants abordent des questions telles que : « Les données sont-elles suffisantes pour résoudre le problème ? » « Ai-je besoin de plus d'informations ? » et « Mes conclusions sont-elles basées sur des faits, des opinions ou des jugements raisonnés ? » L'évaluation implique également de décider de ce qui devrait se passer ensuite, c'est-à-dire de formuler des hypothèses sur les événements futurs en supposant que la résolution de problèmes est correcte jusqu'à présent.

Le raisonnement déductif peut également être affecté par le contenu indépendamment de la logique. Wason (1966) a placé quatre cartes (montrant A B 2 3) devant les participants. On leur a dit que chaque carte contenait une lettre d'un côté et un nombre de l'autre, et on leur a donné une règle conditionnelle : « Si une carte a un A sur une face, alors elle a un 2 sur l'autre. » Leur tâche consistait à sélectionner les cartes qui devaient être retournées pour déterminer si la règle était vraie. Bien que la plupart des participants aient choisi la carte A et que beaucoup aient également choisi le 2, peu ont choisi le 3 ; cependant, elle doit être retournée car s'il y a un A de l'autre côté, alors la règle est fausse. Lorsque le contenu a été modifié en une généralisation quotidienne (par exemple, lettre = couleur des cheveux, nombre = couleur des yeux, A = cheveux blonds, 2 = yeux bleus), la plupart des gens ont fait les sélections correctes (Wason et Johnson-Laird, 1972). Ces résultats témoignent de l'importance de ne pas supposer de généralisation dans le raisonnement, mais plutôt de donner aux étudiants l'expérience de travailler sur différents types de contenu.

Les processus métacognitifs interviennent dans tous les aspects du raisonnement scientifique. Les apprenants surveillent leurs efforts pour s'assurer que les questions sont correctement posées, que les données provenant de sources adéquates sont disponibles et utilisées pour tirer des conclusions, et que des critères pertinents sont employés dans l'évaluation. L'enseignement du raisonnement nécessite une instruction sur les compétences et sur les stratégies métacognitives. La charge cognitive semble également importante. Le raisonnement scientifique est difficile si plusieurs sources d'informations doivent être traitées simultanément, ce qui sollicite la mémoire de travail. Carlson et al. (2003) ont constaté que les performances des élèves en sciences bénéficiaient de deux procédures conçues pour réduire la charge cognitive : des diagrammes et des instructions qui minimisaient la quantité d'informations à traiter en même temps.

Les liens entre l'apprentissage et la résolution de problèmes suggèrent que les étudiants peuvent apprendre des heuristiques et des stratégies et devenir de meilleurs résolveurs de problèmes (Bruning et al., 2004). De plus, pour que l'information soit liée dans la mémoire, il est préférable d'intégrer la résolution de problèmes au contenu académique (comme Meg l'a recommandé dans le scénario d'ouverture) plutôt que d'enseigner la résolution de problèmes avec des programmes autonomes. Nokes, Dole et Hacker (2007) ont constaté que l'enseignement des heuristiques peut être intégré à l'enseignement en classe sans sacrifier l'apprentissage du contenu par les étudiants.

Andre (1986) a énuméré plusieurs suggestions tirées de la théorie et de la recherche et qui sont utiles pour former les étudiants aux compétences en résolution de problèmes, en particulier en ce qui concerne la représentation des productions en mémoire.

• Fournir aux étudiants des représentations métaphoriques. Un passage analogique concret donné aux étudiants avant un passage pédagogique facilite l'apprentissage à partir du passage cible.
• Demander aux étudiants de verbaliser pendant la résolution de problèmes. La verbalisation des pensées pendant la résolution de problèmes peut faciliter les solutions aux problèmes et l'apprentissage.
• Utiliser des questions. Poser aux étudiants des questions qui les obligent à mettre en pratique les concepts qu'ils ont appris ; de nombreuses questions de ce type peuvent être nécessaires.
• Fournir des exemples. Donner aux étudiants de nombreux exemples résolus montrant l'application des stratégies de résolution de problèmes. Les étudiants peuvent avoir des difficultés à voir par eux-mêmes comment les stratégies s'appliquent aux situations.
• Coordonner les idées. Montrer comment les productions et les connaissances sont liées les unes aux autres et dans quel ordre elles pourraient devoir être appliquées.
• Utiliser l'apprentissage par la découverte. L'apprentissage par la découverte facilite souvent le transfert et la résolution de problèmes mieux que l'enseignement par l'exposé. La découverte peut obliger les étudiants à générer des règles à partir d'exemples. La même chose peut être accomplie par l'enseignement par l'exposé, mais la découverte peut mieux se prêter à certains contenus (par exemple, les expériences scientifiques).
• Donner une description verbale. Fournir aux étudiants une description verbale de la stratégie et de ses règles d'application peut être utile.
• Enseigner des stratégies d'apprentissage. Les apprenants peuvent avoir besoin d'aide pour utiliser des stratégies d'apprentissage efficaces.
• Utiliser de petits groupes. Un certain nombre d'études ont montré que l'apprentissage en petits groupes aide à développer les compétences des étudiants en résolution de problèmes. Les membres du groupe doivent être tenus responsables de leur apprentissage, et tous les étudiants doivent participer au travail.
• Maintenir un climat psychologique positif. Les facteurs psychologiques sont importants pour une résolution de problèmes efficace. Minimiser l'anxiété excessive chez les étudiants et aider à créer un sentiment d'auto-efficacité chez les étudiants pour améliorer leurs compétences.

Une autre suggestion pédagogique est d'introduire progressivement la résolution de problèmes, ce qui peut être particulièrement utile pour les étudiants qui ont peu d'expérience en la matière. Cela peut se faire en utilisant des exemples résolus (Atkinson, Renkl, & Merrill, 2003 ; Renkl & Atkinson, 2003 ; discuté plus loin dans la section de ce cours). Les manuels de mathématiques, par exemple, énoncent souvent une règle ou un théorème, suivi d'un ou plusieurs exemples résolus. Les étudiants résolvent ensuite des problèmes comparables en appliquant les étapes des exemples résolus (un type de raisonnement analogique). Renkl et Atkinson ont recommandé de s'appuyer sur des exemples dans les premières étapes de l'apprentissage, puis de passer à la résolution de problèmes à mesure que les étudiants développent leurs compétences. Ce processus contribue également à minimiser les exigences sur la mémoire de travail, ou la charge cognitive que les apprenants ressentent. Ainsi, la transition pourrait se dérouler comme suit. Initialement, un exemple complet est donné, puis un exemple où une étape est omise. Avec chaque exemple suivant, une étape supplémentaire est omise jusqu'à ce que les apprenants atteignent la résolution de problèmes indépendante.

L'apprentissage par problèmes (APP ; Hmelo-Silver, 2004) offre une autre application pédagogique. Dans cette approche, les étudiants travaillent en groupe sur un problème qui n'a pas une seule bonne réponse. Les étudiants identifient ce qu'ils doivent savoir pour résoudre le problème. Les enseignants agissent comme des facilitateurs en fournissant une assistance mais pas de réponses. Il a été démontré que l'APP est efficace pour enseigner les compétences en résolution de problèmes et en autorégulation, mais la plupart des recherches ont été menées dans l'enseignement médical et pour les élèves doués (Evenson, Salisbury-Glennon, & Glenn, 2001 ; Hmelo-Silver, 2004). L'APP est utile pour l'exploration de problèmes significatifs. Parce qu'il prend du temps, les enseignants doivent tenir compte de sa pertinence compte tenu des objectifs pédagogiques.