Maîtriser des structures et des systèmes : Compétences et jeux

By 22 May 2012

4. 4. 2. Maîtriser des structures et des systèmes : utiliser, généraliser, induire

Si l’on isole des éléments du réel, celui-ci devient incompréhensible. Pour être en mesure d’interagir efficacement avec lui, il faut donc comprendre les relations, les interactions entre ces éléments, leur structure implicite. Pour ce faire, il s’agit donc, dans un premier temps, d’être en mesure de classer des éléments (en connaître les caractéristiques et savoir les mettre en relation les uns avec les autres) et de comprendre des mécanismes (liens de cause à effet dans la transformation du réel par action des éléments les uns sur les autres). Il s’agit donc ici de passer d’une compréhension et d’une gestion d’éléments statiques à celle de systèmes dynamiques, le système étant le type de structure le plus complexe et le plus difficile à comprendre et à maîtriser, dans la mesure où il met en présence des éléments en grand nombre et diverses interactions entre ces éléments, chacun ayant un rôle et une fonction différents. Cette compétence, alliée à l’introduction de paramètres, peut mener à des habiletés “supérieures” telles que la découverte par induction de lois, c’est à dire la capacité à faire des inférences en manipulant les informations. Ce champ regroupe la formulation et la vérification d’hypothèses, l’élaboration de critères ou l’habileté à porter un jugement de pertinence.

La maîtrise de systèmes complexes est l’habileté requise pour les tâches de résolution de problèmes puisqu’elle demande à l’apprenant d’être actif d’un point de vue méta cognitif et donc d’utiliser le savoir à propos du savoir pour trouver des solutions. L’évolution de la technologie permet maintenant de créer des situations et univers complexes qui nécessitent exploration et mobilisation de diverses ressources cognitives.

Les simulations, que nous avons déjà évoquées en section [1.2.4], et sur lesquelles nous reviendrons un peu plus loin, conviennent tout particulièrement à l’étayage des processus métacognitifs et permettent de mettre en œuvre des apprentissages par découverte guidée. Si, autrefois, les simulations se concentraient presque uniquement sur le domaine scientifique, une diversification se fait jour et de nombreux programmes éducatifs apparaissent sur le marché, notamment dans le domaine des sciences humaines.

Le raisonnement inductif et l’abduction

Si on observe la structure d’un jeu vidéo, on s’aperçoit que le type d’opérations cognitives nécessaires à la progression dans l’espace interactif dans lequel le sujet est plongé le pousse à chercher à comprendre la logique du système puisque les règles ne sont pas, la plupart du temps, énoncées dès le départ. Pour pouvoir progresser dans un jeu vidéo complexe, l’apprenant est en effet amené à raisonner par induction et donc à comprendre, même de manière diffuse, la logique du système. Ce qui caractérise les jeux vidéo en général – et qui en explique d’ailleurs le succès – est qu’il n’est pas nécessaire, pour pouvoir jouer, d’en maîtriser parfaitement les règles, ce qui serait plutôt rébarbatif et dissuaderait plus d’un joueur. Plus un jeu sera complexe, plus le joueur devra mettre en oeuvre ses capacités de structuration et apprendre à raisonner par induction afin de construire et élaborer une cohésion au fur et à mesure de la progression dans l’interface graphique.

Pillay et al. (1999) suggèrent que jouer à des jeux vidéo peut rehausser les processus cognitifs, les capacités créatives, le raisonnement inductif, et la flexibilité dans la représentation interne en augmentant nos capacités à surmonter une “fixité fonctionnelle”, et l’habileté à générer un certain nombre d’hypothèses alternatives pour une situation problématique. Ils affirment également que les joueurs sont capables de gérer des ensembles d’informations sans charge cognitive externe. Il faut donc analyser et comprendre ces possibilités pour les utiliser dans la conception de jeux vidéo éducatifs Lorsque l’on demande aux joueurs de décrire les règles et les relations entre les objets et les personnages d’un jeu, on s’aperçoit qu’ils ont en réalité intégré des mondes virtuels très complexes et pourraient réussir l’examen le plus difficile sur ce sujet s’il en existait un… Cela montre qu’ils ont été en mesure de percevoir les relations sous-jacentes à la solution des problèmes posés dans l’espace d’interaction créé par le jeu et de les mettre en perspective afin de se donner les moyens d’orchestrer leur progression et d’en maîtriser progressivement les principes. Dans un jeu de simulation de type SimCity, par exemple, le joueur se retrouve face à un cas, un problème complexe qu’il va devoir appréhender dans son ensemble et sous divers angles. Les règles du jeu devront donc être induites au fur et à mesure de l’interaction et le problème posé devra être ainsi structuré en appliquant ces règles au fil des constats consécutifs aux conséquences des décisions prises. En évoluant dans l’univers créé par le jeu, le joueur tenterait donc de dégager une logique, d’en induire les règles en généralisant l’observation de certaines occurrences. Et c’est au travers de cette démarche qu’il serait en mesure de poursuivre sa progression.

Pour Patricia Greenfield (1996), ce processus de découverte par induction est composé de deux caractéristiques majeures :

-x- Un processus purement inductif qui va du particulier au général et permet au joueur de se créer ses propres règles afin de progresser dans son interaction.

-x- Un processus plus déductif qui reprend des généralisations établies au préalable (et considérées comme des hypothèses) pour les tester avec de nouvelles données.

Il s’agit donc, pour le joueur, d’induire les règles du jeu par un processus d’essais et d’erreurs, tâtonnements successifs, qu’elle décrit comme une “méthode de mise à l’épreuve d’hypothèses” et qui s’applique même aux jeux les plus basiques, qui, comme Pac Man, semblent reposer sur le seul exercice des facultés motrices mais n’en proposent pas moins des défis cognitifs complexes. Dans cette perspective, on peut se demander ce qu’il en est des jeux beaucoup plus sophistiqués que l’on trouve actuellement sur le marché…

Pour Franck Veillon (2001), cette capacité à raisonner par induction s’avère nécessaire et correspond à un besoin que les jeunes pressentent :

« Dans un monde où l’incertitude se généralise, la capacité d’induction est une capacité de survie. »

Lawler (1985), lui, parle d’«abduction» pour expliquer ce phénomène. Dans une activité de résolution de problèmes, le processus d’abduction consisterait pour le sujet en une modification des données dans le but de les faire « cadrer » avec ce qu’il sait déjà ou ce qu’il sait gérer : il s’agit donc en quelque sorte de “déformer” les problèmes pour qu’ils s’adaptent aux cadres et structures mentales déjà en sa possession de manière à maîtriser la situation empiriquement.

Une distinction entre déduction, induction et abduction fut formulée par Pierce au début du siècle passé dans le but de démonter les mécanismes d’interprétation des signes et de formation de concepts (Pierce, 1903). Abduction, déduction et induction sont, selon ce théoricien, trois processus qui interagissent pour nous permettre d’adopter des hypothèses plausibles pour, dans un premier temps, reconstruire causes et intentions et expliquer des phénomènes afin d’être en mesure, dans un second temps, de construire des théories inventives. Pour Pierce, déduire est le processus par lequel il est possible d’établir des conséquences nécessaires en se basant sur une cohérence logique que l’on peut prouver; induire consisterait plutôt en l’établissement d’une cohérence entre l’expérience et les préjugés en vue d’être en mesure de généraliser, de classifier. L’abduction ajouterait une dimension aux deux autres processus en se traduisant par une gestion stratégique des données permettant de résoudre des problèmes causés par la présentation de faits « étranges » et surprenants en « raisonnant à l’envers » (reasonning backwards) au moyen d’un « instinct de supposition » créatif (guessing instinct). Ce processus peut se schématiser ainsi : on constate « quelque chose de surprenant » (C) on se dit « si A était vrai, alors C serait cohérent  il est donc possible de considérer que A pourrait être vrai ».

Un découpage encore plus fin de ces notions pousse Pierce à établir une distinction entre abduction et « inférence abductive » :
“Abduction is distinguished from abductive induction in not being, properly speaking, experimental, that is, it makes its observations without reference to any previously propounded question, but, on the contrary, itself starts a question, or problematically propounded hypothesis, to explain a surprising observation. »
(Pierce, 1902)

L’abduction serait donc antérieure à la découverte par induction car l’intuition et la créativité de l’individu y tiendraient une part plus importante. On peut ici établir un parallèle entre ce que disent ces chercheurs et la théorie des modèles mentaux, abordée en section [3.3]. Les concepteurs de jeux informatisés à but éducatif doivent tenir compte de ces processus afin de créer des produits efficaces aptes à induire chez l’apprenant des représentations utiles qu’il pourra réutiliser dans d’autres contextes. Ajoutons pour clore ce point que le jeu « Qui veut gagner des millions ? » est basé sur ce principe de sélection de la réponse la plus plausible, la dimension créative en moins….

Les systèmes complexes et dynamiques : l’apprentissage par découverte et les jeux de simulation

La capacité de maîtriser des systèmes complexes fonctionnant à partir de multiples variables dynamiques en interaction représente un avantage significatif. Le monde, en effet, ne peut se résumer en un quelconque système rudimentaire, mais dépend d’un ensemble de nombreux systèmes complexes et dynamiques.

Le contexte du jeu vidéo reflète, en général, des situations assez complexes et se compose de nombreux paramètres, variables, et relations de cause à effet gérés dynamiquement dans une interaction découlant des actions et décisions du joueur. Savoir maîtriser ces variables, c’est à dire, être capable d’anticiper, de faire des « projections », de percevoir les rapports entre l’espace et le temps, représente déjà une compétence valorisable en soi car, même si les jeux ne présentent pas forcément des modèles de situations fidèles à la réalité, on peut supposer que l’aptitude à comprendre globalement un système complexe reste acquise dans des situations réelles.

La théorie de la flexibilité cognitive (cognitive flexibility), développée par Spiro et ses collaborateurs (1988) se concentre sur l’apprentissage des domaines complexes et mal structurés et sur la manière d’amener l’apprenant à s’adapter aux diversités de certaines situations pour dépasser celles dans lesquelles un apprentissage initial a eu lieu afin d’utiliser ses connaissances et savoir-faire dans des contextes différents. L’auteur préconise pour cela de présenter l’information aux sujets selon des points de vue multiples afin de les amener à construire leurs propres représentations et de rendre possible généralisation et transfert.

Dans la perspective d’un jeu éducatif, on peut imaginer d’interconnecter une multitude de cas relatifs au même contenu d’apprentissage, d’amener l’apprenant à choisir, au fur et à mesure de ses découvertes, son parcours en fonction de ses besoins et des objectifs pédagogiques et de lui permettre d’explorer, agir, faire des erreurs et les réparer en suivant les conseils de différents experts. Cela peut être réalisé en confiant, par exemple, une mission ou une quête à l’apprenant, en lui donnant des indices ainsi que la possibilité de converser avec divers personnages, censés représenter différents points de vue sur une même question. Au fil de sa navigation dans ce monde simulé, il pourra ainsi exercer des habiletés d’abduction et d’induction et parvenir à généraliser et se construire une vision propre du domaine d’apprentissage ciblé.

Les simulations sont tout particulièrement adaptées à un apprentissage par découverte des domaines conceptuels. De tels systèmes, s’ils sont bien conçus, peuvent amener les sujets à générer eux-mêmes des hypothèses pour conduire leurs expériences. Ceci implique qu’ils soient capables de s’autoréguler et d’adopter une démarche de réflexion scientifique. Van Berkum et De Jong (1991) établissent une distinction entre les simulations relatives à des modèles opérationnels et celles qui se concentrent sur des modèles conceptuels. Les modèles opérationnels incluent des séquences d’opérations visant la capacité à accomplir une ou des tâches précises qui peuvent s’appliquer à une classe de systèmes simulés; les modèles conceptuels contiennent des principes, des concepts, et des faits relatifs aux systèmes simulés et visent à faire comprendre les nuances et les rouages d’un sujet particulier. Alessi et Trollip (1985) distinguent, eux, entre les simulations physiques (portant sur un objet physique), procédurales (l’apprenant doit apprendre à maîtriser certaines compétences pour faire fonctionner un appareil ou système), « situationelles » (l’apprenant joue un rôle) et de processus (où l’apprenant observe l’évolution de l’état de la simulation dans le temps). Mais cette classification ne prend pas en compte le fait que l’apprenant puisse jouer un rôle dans les simulations physiques.

Les simulations étaient conçues, au départ, pour être elles-mêmes un objet d’études et non pas pour immerger l’utilisateur, qui restait « à l’extérieur ». Le potentiel éducatif de ces systèmes est maintenant reconnu, et l’on peut observer le développement de ce que Schank appelle les « learning by doing simulations », qui placent l’apprenant « à l’intérieur » du système afin de l’explorer activement, ce qui en change totalement la conception.

Le processus d’abduction auquel nous faisions allusion plus haut peut se rapprocher de la notion de connaissances « intuitives », dont il a été constaté une augmentation chez les sujets utilisant certaines simulations :

«  In a recent study Swaak et al. (1996) found for a simulation on harmonic oscillations that discovery learning led to only a little increase in ‘definitional’ knowledge, but to a large increase in ‘intuitive’ knowledge as measured by a speed test in which students had to make qualitative predictions of simulation states.”

De Jong (1996) suggère que si l’on veut concevoir des simulations aptes à favoriser le plus efficacement possible l’apprentissage par découverte, l’objet principal des recherches devrait se concentrer sur la manière d’insérer dans les programmes de simulation une aide adaptée aux besoin des apprenants, afin, entre autres, de réduire la forte charge cognitive que provoquent la plupart de ces systèmes :

“A further and deeper analysis of problems that learners encounter in discovery learning and the evaluation of specific ways to support learners is, in our view, the principal item on the research agenda in this area. Studies should aim to find out when and how to provide learners with means to overcome their deficiencies in discovery learning, in other words how to provide ‘scaffolding’ for the discovery learning process”.

Les raisons invoquées la plupart du temps pour louer les mérites des simulations pour l’apprentissage peuvent se résumer comme suit :

-x- Une simulation peut être plus facile à gérer que des situations réelles. Dans les laboratoires, par exemple, une expérience peut être coûteuse, prendre trop de temps ou encore être dangereuse et générer un stress inutile (Roth, 1994)

-x- Les simulations offrent l’opportunité de changer la taille des objets étudiés ou de ralentir et/ou accélérer le temps de réalisation de certains processus (De Jong, 1991)

-x- L’aspect « motivation » des simulations (Lieberman, 1991), d’autant plus qu’on y adjoint des éléments ludiques (Rieber, 1996)

Nous avons établi, en section [1.2.4], une distinction entre simulations et jeux de simulation et souligné que les « ingrédients » qui transformaient une simulation en jeu pouvaient avoir une incidence sur la motivation de l’apprenant. Si les simulations, dont l’efficacité pour l’apprentissage par découverte est largement reconnue, sont abondamment utilisées et donnent lieu à de nombreuses recherches, la dimension ludique qui pourrait les agrémenter dans de nombreux cas suscite encore trop peu d’intérêt. Les jeux de simulation actuellement sur le marché, et dont on trouvera un panorama ci-dessous, sont déjà d’excellentes opportunités d’appréhender des systèmes globalement et de mettre en oeuvre des stratégies cognitives complexes. Bien sûr, il s’agit de jeux, sans visées réellement éducatives, et il semble opportun de s’interroger plus avant sur la manière de combiner le côté attractif de ces jeux (graphisme, buts, surprises, compétition) et le fruit des recherches en sciences cognitives dans le domaine des simulations.

Les jeux de type SimCity donnent au joueur la possibilité de structurer et d’organiser des domaines complexes en interprétant les situations dans lesquelles il se trouve. Dans ces jeux, le sujet se retrouve devant un cas, un problème dans son ensemble et qu’il peut appréhender sous divers angles. Le joueur s’identifie, contrôle, et a l’impression de participer à sa manière à l’avancée de la civilisation. Dans SimCity, le joueur, qui se retrouve en terrain vierge, a pour mission de construire une ville, d’y acheminer l’eau, l’électricité, d’y prélever les impôts…bref, d’organiser une société dans son ensemble avec des paramètres variables.

En matière d’apprentissage, le champ des possibles est ici très large si l’on se prend à conjuguer l’hyperréalisme et la puissance d’immersion des interfaces graphiques, en constante évolution, et les possibilités d’interactions et de feedback qu’offre l’intelligence artificielle. Il est en effet possible de recréer tout un contexte, en retenant les traits de la réalité pertinents pour les objectifs d’apprentissage et de segmenter le déroulement de certains phénomènes en règles à induire afin de créer dynamique et motivation, générées et entretenues par la diversité à la fois des décisions pouvant être prises par les joueurs et de leurs conséquences.

Pour certaines matières, comme par exemple l’économie, les sciences politiques, l’écologie, les sciences naturelles et la mécanique, c’est à dire les disciplines visant à faire comprendre des systèmes et/ou des dynamiques, concevoir des jeux de simulation permettant au sujet de se projeter dans une structure complexe et d’agir sur cette structure pour la faire évoluer peut s’avérer particulièrement utile. Ainsi le sujet, plongé dans l’exploration d’un monde dynamique, sera en mesure d’en internaliser les relations sous-jacentes, de manière approfondie, en éliminant les barrières que crée la dissociation du savoir de l’enseignement en classe et sans avoir à redouter les effets de postulats ou manipulations incorrects ou inappropriés. Certains jeux sont d’ailleurs délibérément conçus pour faire comprendre des systèmes complexes. Par exemple, des jeux multi-joueurs en-ligne américains tels que President 96, d’AOL et Reinventing America (Crossover Technologie, Markle Foundation) permet d’apprendre les politiques électorales américaines ; le système de santé publique américain est, lui, représenté par le jeu Sim Health, qui permet de comprendre le dispositif de manière non rébarbative. La firme Maxis, propriétaire de SimCity, a décliné son concept à l’infini et, à Los Angeles, un établissement scolaire entier fonctionne sur ce principe. Un manuel d’activités pédagogiques a d’ailleurs été spécialement conçu pour inciter les enseignants à utiliser SimCity 3000 dans leurs cours. Les jeux de type « Tycoon » exercent une forte attraction sur les enfants et adolescents, voire les adultes. Le best-seller Roller Coaster Tycoon met les joueurs au défi de construire leur propre parc de loisirs dans le but de s’enrichir en y attirant un maximum de clients. Il s’agit de créer ses propres montagnes russes, d’embaucher du personnel qualifié pour entretenir et réparer les machines, les espaces verts…il est même possible de communiquer avec les clients pour connaître leurs besoins. Le principe du jeu a eu tellement de succès qu’on a vu apparaître une génération entière de jeux de même type tels que Zoo Tycoon (construction et gestion d’un zoo), Monopoly Tycoon (stratégie financière, marketing, production, achat, import et stockage de biens) et Transport Tycoon, dans lequel le joueur débute le jeu en 1950 avec un prêt bancaire et doit construire le meilleur réseau de transports dans son secteur ; il lui faut acheminer des denrées vers leur destination, réaliser un profit, trouver de nouveaux monopoles et conduire les adversaires à la faillite…

De tels jeux sont d’excellentes opportunités d’exercer à la fois les capacités créatrices des joueurs, leur sens de l’organisation, et de les amener à comprendre et gérer le plus efficacement possible les divers paramètres auxquels sont soumis de tels systèmes. Les jeunes ne s’y trompent d’ailleurs pas, même si leur conception de l’apprentissage reste très « scolaire », comme le souligne Philippe Charlier (2001) dans son enquête auprès des jeunes. Pour eux, ces jeux impliquent de « réfléchir pour réussir », « comprendre les problèmes de gestion, de société » ; ils pressentent bien que quelque chose se passe qui nécessite de leur part un effort, même si cet effort est un plaisir et doit le rester. Jouer est néanmoins pour eux l’occasion de « passer de l ‘autre côté », de « changer de point de vue », de se retrouver dans des situations qu’ils n’auraient jamais l’occasion d’expérimenter dans la « vraie » vie et d’en comprendre certainement mieux les caractéristiques.
Lire le mémoire complet ==> (Le potentiel du jeu vidéo pour l’éducation)
Mémoire en vue de l’obtention du DESS Sciences et Technologies de l’Apprentissage et de la Formation
Faculté de Psychologie et des Sciences de l’Education – Université de Genève
___________________________

Engines for education. [En ligne]. Adresse URL : http://www.engines4ed.org/hyperbook/index.html

http://www.computingwithkids.com/