Apprendre en réseaux, une approche multidimensionnelle

J’ai récemment découvert une communauté de chercheurs se réclamant du « Networked Learning ». D’après Wikipédia (en anglais) , le processus de base est de développer et de maintenir des connections entre personnes et avec de l’information, dans l’objectif de développer un apprentissage. Le point clé est la connexion. C’est une définition large qui permet d’aborder de multiples modalités pédagogiques et de mettre en avant les dimensions pédagogiques, psychologiques, cognitive, l’incertitude, l’analyse critique, les questions d’éthique … cela apparaît au travers d’un travail sur un manifeste de l’apprentissage en réseaux.

Dans ces différentes approches, j’ai relevé un article abordant la dimension physique qui me permet d’élargir mes réflexions sur les dimensions d’un modèle permettant de formaliser de tels apprentissages. Ce billet est une lecture critique du papier Design for networked learning: framing relations between participants’ activities and the physical setting et une ébauche en vue de structurer les modèles d’intérêts pour engager une analyse multidimensionnelle. Désolé,c ‘est plus technique que d’habitude.

Peter Googdyear, Lucila Carvalho et Nina Bonderup Dohn élargissent les questionnements autour de l’apprentissage en réseau, en s’intéressant au design des espaces d’apprentissage physiques (physical learning spaces).

D’une part, dans le cadre d’un apprentissage qui met en avant l’importance des interactions, les auteurs font remarquer, que l’on peut définir des objectifs d’apprentissage (learning outcomes), et mettre en place des tâches, mais que l’apprentissage est un phénomène émergent au travers des activités réalisées.

D’autre part, les auteurs font remarquer que l’apprentissage en réseau et accompagné par le numérique doit aujourd’hui s’envisager de manière large, dans un monde interconnecté et aux équipements variés. C’est l’argumentaire du mobile learning que l’on retrouve ici.

Mais ils élargissent le débat en remarquant que l’apprentissage ne se fait pas entre un objet et une personne, mais dans un espace où les objets peuvent être organisés pour soutenir l’apprentissage. Ils revisitent donc le concept d’affordance. Les associations s’envisagent donc entre objets et entre objets et personnes. Ils proposent un schéma de base pour structurer l’espace et les interconnexions :

  1. la conception de l’espace doit aider à focaliser l’attention et proposer un cadre pour aider le participant à focaliser ses ressources mentales ;

  2. Le design doit aider le participant à trouver la réponse à la question : « qu’est ce qui est proposé ici ? » ;

  3. l’espace doit permettre d’assurer que tous les outils et ressources nécessaires pour achever la tâche de manière satisfaisante soient aisément accessibles lorsque le participant en a besoin.

Le design d’un espace physique a donc bien un impact sur l’organisation des apprentissages, qui doivent être argumentés au moment de la conception. Il faut ajouter une difficulté qui est de laisser des degrés de liberté aux apprenants, aussi bien pour des raisons de motivation que de développement d’autonomie.

La compréhension des apprentissages en réseau intégré dans un espace physique (ce qui correspond bien à la réalité des apprentissages) implique donc de s’intéresser à différentes types d’interconnexions :

  • celles liées au réseau d’apprentissage : interactions avec les personnes et les ressources web disponibles. Notons qu’une cartographie des connaissances peut également être envisagée ;

  • celles liées aux objectifs d’apprentissage : liens entre objectifs d’apprentissage, tâches proposées et activités réalisées, auxquels on doit ajouter les indicateurs d’atteinte des objectifs permettant d’instrumenter accompagnement et évaluation ;

  • celles liées à l’espace physique : liens entre équipements, objets, et personnes.

On tombe ici sur une explosion de la complexité qu’il faut apprendre à gérer. Nos auteurs proposent trois arguments pour l’aborder : d’une part le design en tant que pratique pour gérer la complexité, d’autre part l’expertise pour identifier les éléments peu interconnectés, et finalement le développement de patterns qui permettent d’organiser l’espace de solutions. Ils se placent d’ailleurs dans des dimensions d’analyse épistémologiques pour intégrer approche comportementale et motivationnelle (je simplifie délibérément le propos).

J’ajouterai que nombre de conceptions se veulent les plus modulaires possibles (je pense aux équipements informatiques, et parfois à des salles d’enseignement) pour être reconfigurables.

Et en conclusion, pour aborder les démarches de recherche itérative, il faut apprendre à considérer l’ensemble de ces relations pour pouvoir envisager des les analyser et de les amender, à la fois dans une approche d’impact et de sensibilité. Je pense aussi bien aux dimensions pédagogiques, physiques, que d’environnements informatiques, chacun pouvant figer, instrumenter ou permettre d’agir chacune de ces interconnexions. C’est à la fois une problématique pour la conception et une grille d’analyse pour la recherche.

Les influences croisées imposent d’ailleurs d’aborder ces questions selon un angle interdisciplinaire.

Crédit photo : Strong affordance par Nicolas Nova licence CC-by-nc

Publié dans lecture | Tagué , , | Laisser un commentaire

Online Presence in Personal Learning Environments

OP4L: Online Presence Enabled Personal Learning Environments establish global online presence of a student along the different tools used as PLE. This can further increase students’ awareness of each other and positively affect their willingness to collaborate.

The problem tackled is to unify different semantic representation of Online Presence.

A scenario depicts recommandation of a peer, available online (on any tool), willing to help, and having the background to help on a specific topic.

The OP4L Solution is base on a component DEPTHS (Design Patterns Teaching Help System) that relies on a common ontological foundation ti intergrate several existeing eductional tools ans systems : LMS, Domain Modeling tool, online repositories of learning ressources.

The ontological stack is the following :

  • LOCO(Learning Object Context Ontologies)
    • Learning Context Ontology
    • User Model ontology, inlcuding:
      • competencies
      • learner’s performance
      • user’s preferences
    • Learning Object Content structure ontology
    • Quiz ontology
    • Domain Ontology (Vocabularies are modeled using SKOS)
    • a Learning Design ontology as a formal representation of the basic building blocks of an instructional design
  • OPO is used for representing online presence

A server called OPOS gather presence from various services, and translaite it in a data repository (as RDF triples). Those data are filtered by a recommander Peers Module in order to put people in contact.

Tools supported are currently mixed between specific learning tools (Moodle and ArgoUML) and external social services: Facebook, Twitter, Foursquaie and instant messaging client Spark.

The OP4L project propose plenty of resources

Publié dans lecture | Tagué , , | Laisser un commentaire

Article Learning Engineering knowledge and Creativity by solving projects

Learning Engineering knowledge and Creativity by solving projects par Chunfang Zhou – Aalborg University

Analyse intéressante – brosse une panorama large des vues de « types de connaissances/compétences » demandées au ingénieurs. Elle souligne l’importance croissante du collectif dans la résolution des problèmes.

Elle montre également que la créativité est façonnée par le contexte social qui doit encourager l’appropriation des connaissances par conversation au sens d’un processus cognitif et développer la conversion de connaissance, au sens explicitation « externalisation » puis incorporation dans le tissu social ou « internalisation ». Elle s’appuie sur le modèle de Nonaka et Takeuchi qui définit une boucle de conversion de la connaissanc. Cela ressemble un peu à du Kolb, mais avec une vue collective.

Elle justifie finalement les apports des projets pour développer les connaissances nécessaires pour un ingénieur de manière classique. Elle insiste néanmoins sur l’importance de l’attitude de l’enseignant, du tuteur pour encourager conversation et processus de conversion

 

Publié dans lecture | Tagué , , | Laisser un commentaire

revue article cloud, mapreduce et ULS

Cloud Computing and MapReduce for Reliability and Scalability of Ubiquitous Learning Systems par Samah Gad à Neat’2011

Définition de ubiquitous dans cet article :

Ubiquitous learning research is about seamlessly enabling learning through the use of sensors that gather data from the learner surroundings and adapt learning content accordingly.

Étonnant : le capteur proposé coté étudiant est l’électroencéphalogramme (EEG). Ces données excessivement personnelles sont envoyées dans le cloud. J’aurai bien aimé avoir la justification d’utiliser un capteur aussi intrusif pour l’accompagnement d’un apprenant. Apprendre n’importe où, n’importe quand, mais avec un EEG … bon c’est vrai l’usage des écouteurs oreillettes est déjà largement admis, mais quand même.

L’utilisation d’Ubiquitous Learning System dans le titre n’est qu’un prétexte pour étudier une architecture cloud/MapReduce d’un classifier flou.

Si on considère ce type de capteur comme pertinent, les traitements afférents ont vocation à être fait ailleurs que dans un téléphone. La question du débit de données n’est par contre pas abordé, ce qui paraît pourtant être un goulot d’étranglement dans le système (à la lecture de l’article, on reste effectivement dans le raisonnable 7Mo pour 12 000 échantillons).

L’algorithme d’adaptation proposé pour exploiter ces données est basique, puisque le résultat se ramène à 3 niveaux de ressources (facile, moyen, supérieur), via un classifier flou.

L’auteur aborde l’introduction de l’algorithme Map reduce par une question de fiabilité. On est dans la justification d’une architecture pour supporter des ULS large échelle.

Il pourrait être intéressant de comparer différentes architectures (cloud ou traitement local entre autres) et de voir l’impact sur plusieurs critères annoncés mais non justifiés : consommation téléphone (l’envoi de données est un facteur important de consommation), consommation globale, débit réseau, délai (latency) …

Au final, on parle ici d’architecture cloud/mobile pour le traitement de données capteurs, peu de learning system. On ne voit pas non plus l’intérêt de passer par le cloud puisqu’il n’y a pas d’agrégation de données.

Publié dans lecture | Tagué , , | Laisser un commentaire