Cas résolu

Appellation en anglais

Process-oriented worked-example,

Solved problem example

Heuristic example

Complex example

Note : étant donné que ce type d'exemple prend pour point de départ un cas complexe, habituellement puisé dans la pratique, dont on présente la solution et la démarche de solution, nous proposons de l'appeler en français "cas résolu".

Stratégies apparentées

Exemple résolu

Tutoriel intelligent

Modelage

Compagnonnage cognitif

Type de stratégie

C'est une microstratégie.

Domaine d’apprentissage

Cette microstratégie vise à favoriser l'apprentissage des connaissances procédurales complexes du type "méthodes et techniques" et "conditionnelles" (Anderson et al. 2001).

Les cas résolus ont été proposés par les chercheurs pour favoriser la construction des connaissances sur les « comment» (donc les méthodes utilisées) et les « pourquoi » (donc les connaissances conditionnelles) de la démarche de résolution de problèmes dans les situations-problèmes « mal définies ». Cette microstratégie a été expérimentée pour l’apprentissage des connaissances procédurales complexes dans les champs suivants :

• Diagnostic médical (Stark et al. 2011)
• Construction des cartes conceptuelles avec un outil informatique (Hilbert et Renkl, 2009) ;
• Conception pédagogique (Hoogveld et al. 2005) ; Schworm et Renkl (2006); Atkinson et al. (2000);
• Raisonnement juridique (Nievelstein, Van Gog, Van Dijck, & Boshuizen, 2011, 2013);
• Argumentation (Renkl, Hilbert, & Schworm, 2009; Schworm & Renkl, 2007)
• Physique (Van Gog et al, 2008).

Description

Cette microstratégie récente est encore en cours de conception et de l’expérimentation, principalement dans la perspective de la théorie de la charge cognitive.

Dans ce cadre, les chercheurs ont souhaité réinvestir les résultats des recherches sur des exemples résolus pour favoriser l’apprentissage des connaissances procédurales dans les situations - problèmes « mal définies » (ill-defined domains). Les problèmes « mal définis » se caractérisent par l’existence de plusieurs démarches possibles qui peuvent chacune conduire à un résultat satisfaisant étant donné les conditions de la situation et les finalités poursuivies. Autrement dit, contrairement aux problèmes « bien définies », il n’existe pas de procédure unique dont l’application garantira le résultat « correct » quelles que soient les conditions. Dans ce type de problèmes, les connaissances conceptuelles et les connaissances conditionnelles sont importantes pour choisir et ajuster la démarche de résolution du problème (y compris les méthodes ou les techniques utilisées). Les exemples typiques de ce type de problèmes « mal définis » sont ceux que l’on rencontre dans les tâches telles que : concevoir un scénario pédagogique, élaborer un diagnostic médical, évaluer le respect des règles déontologiques, etc.

Atkinson et al. (2000) ont été les premiers à proposer d’appliquer les principes du design des exemples résolus à l’apprentissage par problèmes dans les domaines complexes, pour lesquels la stratégie privilégiée a été, jusqu’alors, l’apprentissage par problèmes (Atkinson et al. 2000, p. 205) :

«  To the extent that worked examples research has produced general principles about how students learn through study of examples and related problem solving, the findings of this program may have implications for design of constructivist learning environments in which students learn by solving complex problems “(e.g. William & Hmelo, 1998).

La stratégie de cas résolu est plus récente que celle des exemples résolus.

De façon générale, on peut dire que les cas résolus sont composés de :

• La description détaillée de la la situation-problème, qui constitue un « cas » authentique pouvant survenir dans le contexte naturel de la tâche (problem formulation);
• La présentation des étapes de la démarche qui a permis de concevoir la solution (final product). Il s’agit souvent d’une solution exemplaire (telle qu’elle aurait pu être réalisée par un expert dans ce domaine);
• Des explications de l’expert sur le « comment » des étapes et sur le « pourquoi », soit les concepts et les principes mobilisés; ces explications peuvent être présentées sous forme de rétroaction informative (feedback).
• La solution finale (qui peut consister en dernière étape de la démarche de résolution de problème).

On remarque que les cas résolus peuvent être considérés comme des exemples résolus auxquels ont été rajoutés les explications complémentaires sur le « comment » et le « pourquoi » des étapes. Ce qui permet à Van Gog et al. (Van Gog, Paas, & van Merriënboer, 2004, 2008), de parler de process-oriented worked examples (Van Gog, Paas, & van Merriënboer, 2004, 2008). Le “processus” décrit est composé :

• de la démarche systématique de l’expert pour résoudre le problème (SAP : systematic approach to problem solving) sous forme de plan prescriptif pour l’action qui spécifie la séquence des phases ou des sous-buts;
• des connaissances conditionnelles sous forme de principes d’action, des règles pratiques, etc.

Quant à Renkl et al., (2009), ils proposent de distinguer des « exemples résolus heuristiques » (dans les problèmes mal définis) des exemples résolus « algorithmiques » (problèmes bien définis) au moyen de « niveaux de contenus ». Ces auteurs avancent ainsi que les exemples résolus pour les problèmes bien définis ne possèdent qu’un seul « niveau de contenu » (single-content examples), puisque l’exemple résolu explicite, sous une forme procédurales les caractéristiques « structurelles » « profondes » des connaissances qui permettent de résoudre le problème (principe, théorème…). Les exemples résolus peuvent peuvent être conçus de façon à présenter différentes « caractéristiques de surface » (habillage, cover story). En revanche, les exemples résolus pour les problèmes mal définis possèdent au moins deux « niveaux de contenu » (double-content examples), soit les connaissances procédurales complexes visées qu’il appelle « contenu d’apprentissage » (learning content) et les connaissances qui constituent le domaine d’application de ces connaissances procédurales, qu’il appelle « contenu- exemple » (exemplifying content). Par exemple, dans la recherche de Schworm et Renkl (2007), les connaissances procédurales complexes visées sont «les habiletés de l’argumentation scientifique », tandis que l’exemple sur lequel ces habiletés sont appliquées est « la recherche sur les cellules souches ». Autrement dit, étudier le cas résolu doit permettre aux apprenants d’acquérir des habiletés de l’argumentation scientifique, alors que le domaine des cellules souches est un « cas » possible de l’application de ces habiletés. Dans une autre recherche conduite par Hilbert et Renkl (2009), les connaissances visées sont les habiletés de « construction des cartes conceptuelles », alors que le cas concret auquel elles s’appliquent sont du type conceptuel et concernent « contrats de vente et amortissement ». Autrement dit, l’exemple étudié vise l’acquisition des habiletés de la construction des cartes conceptuelles, alors que les connaissances sur les « contrats de vente » sont un cas possible de l’application de ces habiletés. Renkl et al. (2009) proposent également que les « exemples heuristiques » peuvent avoir trois niveaux de contenu (triple-content examples), lorsqu’ils présentent, outre les connaissances procédurales ou conceptuelles complexes, les connaissances « stratégiques » sur la démarche réalisée. Ce chercheur propose que ces triple-content examples consistent en modelage cognitif, tel qu’il est utilisé dans la stratégie de compagnonnage cognitif (Collins, Brown& Holum, 1991). Lors du modelage cognitif, l’expert explicite à voix haute sa démarche de résolution de problèmes dans les domaines complexes.

On remarque que les « cas résolus » décrits dans les articles qui décrivent l’adaptation des « exemples résolus » aux domaines « mal définis » ne présentent pas de format unique. La plupart de temps il s’agit d’une présentation sous forme de texte, accompagnée parfois par des informations présentées sous forme graphique ou audio. Dans plusieurs articles, les auteurs ne présentent pas les exemples du matériel élaboré, et, par conséquent, il n’est pas facile de comprendre le « design » des cas.

Conditions favorisant l’apprentissage

Identifier, expliquer et justifier les conditions d’apprentissage que la stratégie vise à favoriser. Décrire quelle est la preuve empirique de l’efficacité de la stratégie.

Niveau d’expertise des apprenants

Identifier si la stratégie est adaptée aux apprenants débutants, intermédiaires ou novices dans un domaine. Décrire comment la stratégie prend en considération le niveau des connaissances des apprenants dans le domaine ciblé. Donner des exemples.

Type de guidage

Décrire quel est le type de guidage et de support offert par la stratégie. Faire les liens avec le niveau d’expertise des apprenants en décrivant comment et pourquoi le type offert est censé favoriser l’apprentissage de ces apprenants.

Type de regroupement des apprenants

Décrire le type de regroupement préconisé par la stratégie et comment on peut le réaliser. Donner des exemples.

Milieu d’intervention

Décrire dans quel milieu éducatif la stratégie a été utilisée. Donner des exemples.

Conseils pratiques

Dans la mesure du possible, fournir des conseils, des « trucs » ou des « astuces » en lien avec des exemples issus de la pratique « réelle » de cette stratégie.

Bibliographie

Atkinson, R. K., Derry, S. T., Renkl, A., & Wortham, D. (2000). Learning from Examples: Instructional Principles from Worked Examples Research. Review of Educational Research, 70(2), 181-214.

Hilbert, T. S., Renkl, A., Kessler, S., & Reiss, K. (2008). Learning to prove in geometry: Learning from heuristic examples and how it can be supported. Learning and Instruction, 18(1), 54-65.

Hilbert, T. S., & Renkl, A. (2009). Learning how to use a computer-based concept-mapping tool: Self-explaining examples helps. Computers in Human Behavior, 25(2), 267-274.

Hoogveld, A. W. M., Paas, F., & Jochems, W. M. G. (2005). Training higher education teachers for instructional design of competency-based education : Product-oriented versus process-oriented worked examples. Teaching and Teachers Education, 21, 287-297.

Nievelstein, F., Van Gog, T., Van Dijck, G., & Boshuizen, H. (2011). Instructional support for novice law students: Reducing search processes and explaining concepts in cases. Applied Cognitive Psychology, 25(3), 408-413.

Nievelstein, F., Van Gog, T., Van Dijck, G., & Boshuizen, H. (2013). The worked example and expertise reversal effect in less structured tasks: Learning to reason about legal cases. Contemporary Educational Psychology, 38(2), 118-125.

Renkl, A. (1999). Learning mathematics from worked-out examples: Analyzing and fostering self-explanations. European Journal of Psychology of Education, 14(4), 477-488.

Renkl, A., Hilbert, T., & Schworm, S. (2009). Example-Based Learning in Heuristic Domains: A Cognitive Load Theory Account. Educational Psychology Review, 21(1), 67-78. doi: 10.1007/s10648-008-9093-4

Renkl, A., Stark, R., Gruber, H., & Mandl, H. (1998). Learning from worked-out examples: The effects of example variability and elicited self-explanations. Contemporary Educational Psychology, 23(1), 90-108.

Schworm, S., & Renkl, A. (2007). Learning argumentation skills through the use of prompts for self-explaining examples. Journal of Educational Psychology, 99(2), 285.

Stark, R., Kopp, V., & Fischer, M. R. (2011). Case-based learning with worked examples in complex domains: Two experimental studies in undergraduate medical education. Learning and Instruction, 21(1), 22-33. doi: http://dx.doi.org/10.1016/j.learninstruc.2009.10.001

Van Gog, T., Paas, F., & van Merriënboer, J. J. (2004). Process-oriented worked examples: Improving transfer performance through enhanced understanding. Instructional Science, 32(1-2), 83-98.

Van Gog, T., Paas, F., & van Merriënboer, J. J. (2008). Effects of studying sequences of process-oriented and product-oriented worked examples on troubleshooting transfer efficiency. Learning and Instruction, 18(3), 211-222.

Webographie

Identifier et décrire brièvement des ressources complémentaires disponibles sur le web.