Quand on parle de formation à distance, on pense trop souvent aux LMS d’entreprise avec des cursus relativement longs, pour lesquels seront évalués les taux de participations et les scores sur des quiz finaux.

Cependant si on observe la façon dont un utilisateur se forme de lui même en utilisant les outils digitaux, son comportement et ses attentes sont très différentes.

En effet, son objectif est d’accéder rapidement à une solution applicable, un grain de connaissance rapidement mobilisable et transposable à la situation à laquelle il est confronté.

Un technicien cherchant à dépanner un terminal recherchera un contenu lui expliquant comment résoudre la panne à laquelle il est confronté — en utilisant comme indice le message d’erreur par exemple — plutôt que de subir une formation entière sur l’administration système et la gestion de terminaux.

Dans cet article, nous allons définir le micro-learning, ses avantages, ses inconvénients et vous présenter le processus de création de contenus micro-learning.

Micro-learning : définition

Le micro-learning est une modalité de formation à distance qui se caractérise par des modules très courts — nécessitant moins de 5 minutes pour les consommer.

Afin de créer des modules si courts mais au moins aussi efficaces qu’une formation traditionnelle, le micro-learning repose sur 4 grands principes :

• Learner centric : le micro-learning place l’apprenant au centre, tout part de la volonté de l’apprenant à se former et obtenir la connaissance nécessaire pour répondre à un problème
• Rapidité : l’accès à la connaissance doit se faire le plus rapidement possible.
• À la demande : encore une fois, tout part de la nécessité d’accéder à une connaissance à un moment où celle-ci est nécessaire, il s’agit de “Learning On Demand”
• Mobilité : le micro-learning est souvent associé aux supports mobiles. D’une part les modules courts sont souvent consultables confortablement sur un support mobile — avec un écran plus petit et une situation de lecture du contenu pas forcément dans des conditions idéales — mais surtout le besoin d’accès à la formation peut arriver à tout moment. Le mobile prend alors tout son sens puisqu’il permet d’accéder à l’information dans des situations où l’apprenant n’est pas forcément devant un poste de bureau, connecté à l’intranet et au LMS de l’entreprise.

En respectant ces principes, le micro-learning amène avec lui de nombreux avantages.

Les principaux avantages du micro-learning

Le principal avantage du micro-learning découle du fait que le micro-learning est learner centric. Puisque la principale préoccupation des programmes de micro-learning est de répondre à un besoin de l’apprenant et non de servir les outils de reporting ou de conformité, on observe un meilleur engagement et une plus faible résistance à l’apprentissage.

En effet, le micro-learning répond bien souvent à des situations de learning on demand : la formation est demandée par l’apprenant pour répondre à une situation particulière. L’utilisateur est par conséquent motivé à suivre le module dont il fait la demande.

Le format court du micro-learning rend les programmes bien souvent compatible avec le mobile learning : il est en effet simple et réaliste de lire des formats courts et condensés depuis un périphérique mobile. Cela permet une formation in situ et facilite l’accès à l’information.

Enfin, dans son livre 3-Minute E-Learning, Ray Jimenez avance que le micro-learning permet un temps de développement des programmes plus court de 30% et une réduction des coûts de production de plus de 50%.

Le format plus court et condensé permet de réduire la quantité de contenu à produire, illustrer et animer et réduit ainsi les temps et coûts de production.

Les défauts du micro-learning

Bien que le micro-learning apporte beaucoup de bénéfices quand on le compare aux modalités de formation plus traditionnelles, il ne représente pas pour autant une solution universelle.

En effet, pour des contenus techniques et complexes, parfois reposant sur un grand nombre de pré-requis, le micro-learning atteint vite ses limites.

Condenser des concepts complexes en moins de 5 minute risque de sacrifier beaucoup de clarté et de pédagogie.

D’autre part, si les concepts reposent sur un grand nombre de pré-requis, une formation plus traditionnelle, forçant quelque peu le parcours au sein du programme de formation permettra de s’assurer du bon ordre de lecture des pré-requis et concepts afin de maîtriser le nouvel élément de connaissance.

Enfin, créer des versions synthétiques et condensés de chaque élément peut faire exploser les coûts de production. Cela amène en effet beaucoup plus de friction dans la réalisation des contenus par les équipes pédagogiques.

Des compromis sont néanmoins possibles : afin de garder cette philosophie de rapidité d’accès à l’information clé, le développement d’une table des matières précise, permettant une navigation rapide peut améliorer grandement l’efficacité du programme.

Cela permet en effet à l’apprenant d’éviter de passer trop de temps sur des contenus facultatifs ou déjà maîtrisés et de raccourcir son temps de formation tout en augmentant son degré de contrôle sur son parcours — et donc par la même d’augmenter son engagement dans la formation.

Développer une formation micro-learning

Pour développer du contenu micro-learning, la clé est de garder en tête à tout moment que le micro-learning cherche à apporter le plus rapidement possible une solution à un problème.

Problème : je dois organiser un brainstorming
Recherche de l’apprenant : comment organiser un brainstorming
Solution : Organiser et animer un atelier de brainstorming en 4 étapes

La première étape de conception consiste à acquérir et organiser le savoir auprès des experts métiers.

Le travail de synthèse et de présentation de la formation revient alors à suivre les étapes suivantes :

1. Présenter très rapidement les grands points et bénéfices qui seront apportés durant la formation micro-learning : cela permet à l’apprenant de savoir si la formation apportera une réponse à ses questions avant de s’engager dans le parcours
2. Limiter la quantité de contenu : il doit pouvoir être consommé en moins de 5 minutes.
3. Mettre en valeur les grands principes : cela permet de vite différencier les parties du contenu importantes, apportant des concepts clés, des exemples, ressources et éléments secondaires permettant de supporter l’élément de contenu principal
4. Ajouter un résumé à la fin de chaque section. Cela permet de faire un premier rappel, pertinent pour lutter contre la courbe de l’oubli

Une fois le fond du contenu — les éléments d’information qui seront transmis — créé, il s’agit de choisir sa forme.

Plusieurs possibilités s’offrent à vous : des “flash cards” aux micro-vidéos, tant que le module est consommable en moins de cinq minutes, vous avez accès à un large éventail d’outils et technologies.

Encore une fois, la clé est de garder l’apprenant au centre du programme. L’objectif est de permettre un accès rapide à l’information.

Peut être que dans le cas d’une connaissance théorique comme des normes ou règles à retenir, des contenus textuels courts avec des éléments de storytelling ou des moyens mnémotechniques permettent une bonne rétention de l’information.

Dans le cas d’une manipulation technique, peut être qu’une série de micro-vidéos permet une meilleure explication.

Dans la mesure du possible, la forme du contenu doit donc s’adapter à son fond et respecter les règles de l’édition de contenu pédagogique. Moins la forme est immersive — comme des flash cards par exemple — plus le story-telling et de petites illustrations permettront aux apprenants de s’engager dans le contenu. Un bon exemple de l’utilisation d’illustration et story telling sur des flash cards est Google Primer, l’application de micro-learning sur le business et le marketing de Google.

Une fois le contenu produit, il ne vous reste plus qu’à le distribuer sur votre LMS ou votre outil micro-learning.

Exemples de scénario d’apprentissage par micro-learning

Le micro-learning est déjà appliqué par de nombreuses entreprises. Voici quelques exemples — non exhaustifs — de l’utilisation faite du micro-learning aujourd’hui.

Amélioration de la connaissance produit

Dans la vente, Ethicon — une filiale de Johnson & Johnson — a utilisé le micro-learning pour améliorer les connaissances produit de plus de 1000 commerciaux.

À la suite de l’opération de formation, l’évaluation de la connaissance produit à augmenté de 49%, amenant une amélioration de la confiance des commerciaux dans leurs opérations.

Formation des nouveaux employés

Berkshire Hathaway Media Group (BH Media) avait besoin d’uniformiser la formation entre ses différentes publications — BH Media gère 30 publications journalière et 70 hebdomadaires.

BH Media a donc mis en place un programme d’onboarding en micro-learning.

Le programme fut un succès, avec 98% des apprenants estimant que le contenu n’était pas seulement utile mais permettait surtout une application immédiate des connaissances disponibles dans les contenus.

Connaissance des processus de fabrication

Le micro-learning a été utilisé par Capital Blue Cross pour enseigner aux employés le processus de fabrication interne.
Les résultats permirent une amélioration de la rétention de l’information de 40% ainsi qu’une réduction des erreurs de 66%, permettant un gain d’efficacité au sein de l’entreprise.

Culture d’entreprise et micro-learning

Walmart et son large réseau de distribution avait pour objectif de créer une meilleure culture de la sécurité au sein de l’entreprise afin de diminuer les risques, accidents du travail et blessures liées à l’activité professionnelle ainsi que tous les coûts qui leur sont liés.

Une simple réduction de 5% des accidents permettrait des économies de plusieurs millions au groupe.

Walmart a travaillé à l’élaboration d’un programme de microlearning non seulement informatif au niveau des bonnes pratiques de sécurité mais aussi avec un fort engagement de manière à conserver la culture de la sécurité au travail dans les esprits au quotidien et réellement influencer la culture de l’entreprise.

La solution était un jeu sur lequel les employés passaient 5 minutes par jour et sur lequel leurs connaissances sur les éléments de sécurité étaient évalués.

Les résultats furent impressionnant : l’engagement était très fort, avec une participation volontaire de plus de 91% avec une baisse de 54% des accidents enregistrés dans les centres de distribution ainsi qu’une augmentation de 15% de la connaissance des employés sur les sujets liés à la sécurité.

Conclusion

Le micro-learning est clairement une modalité en plein essor. D’une manière générale, l’accès plus rapide à l’information et le jugement de la qualité d’une formation par l’expérience utilisateur indique encore une belle marge de progression pour le micro-learning.

Des applications et concepts se développent d’ailleurs pour le grand public comme Blinkist, getAbstract ou encore Koober. Ces applications résument des livres pour rendre les grands axes accessibles en 15 à 20min, en découpant les points clés en fiches consultables en quelques minutes.

L’article Micro-learning : le futur de la formation? est apparu en premier sur Nativio.

Suite à une forte demande de conseil sur les solutions de classes virtuelles disponibles, nous vous recommandons la solution Zoom. C’est une solution facile à prendre en main qui peut être mise en place rapidement.

Testez Zoom Vidéo Conférence

On ne définit plus les classes virtuelles, elles font désormais entièrement partie de l’écosystème du digital learning au même titre que les LMS et ENT.

Bien plus qu’un simple outil de communication en ligne, les classes virtuelles permettent de recréer les conditions d’une classe présentielle en distancielle : caméras pour les formateurs, son pour les participants, lever la main pour poser une question, sonder les apprenants, afficher un tableau blanc, partager un powerpoint, envoyer un fichier, discuter par écrit, enregistrer la classe, consulter des ressources d’apprentissage, etc., telles sont les nombreuses possibilités qu’offrent les classes virtuelles.

Webinaires, conférences web, classes virtuelles : définitions

Le jargon des conférences en ligne et en direct n’est pa toujours simple à appréhender. On distingue pourtant plusieurs grandes familles listées ci-dessous.

Qu’est ce qu’un webinaire ?

Les webinaires (« webinar » en anglais) qui sont utilisés pour des présentations dédiées à une large audience : 50, 100 ou plusieurs milliers de personnes parfois.

Les webinaires permettent de présenter un nouveau produit, d’organiser une formation spécifique sur une expertise particulière, ou encore de former vos collaborateurs à grande échelle.

Bien que moins interactif qu’une classe virtuelle, le webinaire permet de sonder l’audience en temps réel, de partager du contenu sur les réseaux sociaux pour susciter plus d’intérêt ou encore de répondre aux questions des participants grâce à un système de questions & réponses avec modération intégrée.

Notez par ailleurs que les webinaires ont une popularité grandissante, ils sont aujourd’hui proposés par les professionnels du marketing afin de proposer des démonstrations de produit “en temps réel”. L’utilisateur réserve une session de présentation et se connecte au moment venu pour suivre la session.

Certaines entreprises n’hésitent plus à proposer des faux webinaires en temps-réel : l’utilisateur réserve un créneau, se connecte au webinaire, puis attend patiemment l’arrivée du présentateur avec les autres participants. En réalité, le webinaire est pré-enregistré, les questions sont envoyées par e-mail, les autres participants sont faux… tout est fait pour vous faire croire que l’engouement est bel et bien présent. Si vous souhaitez proposer des webinaires en rediffusion, pensez à bien préciser que c’est une rediffusion afin de rester éthiquement correct vis-à-vis de vos participants.

Qu’est ce qu’un meeting en ligne ?

Le meeting en ligne, ou encore online meeting ou réunions en ligne, se focalise quant à lui sur l’interactivité entre les participants. Le présentateur va alors pouvoir laisser les participants échanger entre eux, discuter via l’outil de communication intégré ou encore permettre de focus la webcam automatiquement sur le participants qui prend la parole.

Contrairement aux webinaires qui sont adaptés pour un grand nombre de participants, les meetings en ligne ont quant à eux pour but de répliquer une réunion de travail tel que vous la feriez dans vos bureaux.

Par exemple, la réunion en ligne est parfaitement adaptée pour réunir vos directeurs commerciaux aux quatre coins de la France au même moment. Vous pouvez partager votre écran, partager les informations importantes du meeting, échanger avec vos collaborateurs comme vous le feriez sur Skype avec vos amis. Skype s’apparente d’ailleurs à une solution de web meeting audio-vidéo en ligne avec partage d’écran.

L’utilisation idéale du meeting en ligne : un groupe restreint d’une vingtaine de participants maximum, un ou deux conférenciers en fonction du nombre d’utilisateurs et de la réunion, des questions ouvertes et enfin les micros des participants ne sont pas mis en sourdine par défaut afin de créer un environnement propice au dialogue.

Et les conférences web dans tout ça ?

Les conférences web, ou web-conférences, ne sont ni plus ni moins que le terme générique regroupant les meetings en ligne et les webinaires. C’est l’outil technologique sur lequel se base ces deux outils de communication.

Les classes virtuelles : meetings en ligne avancés

Les classes virtuelles sont des meetings en ligne avec des fonctionnalités supplémentaires adaptées aux besoins du secteur de l’éducation. Il est par exemple possible de diviser le meeting en sous-groupe de travail pour discuter d’un sujet particulier, puis réunir tout le monde pour synthétiser.

Les classes virtuelles sont très appréciées pour la retranscription des connaissances : il est possible d’enregistrer chaque interaction dans ses moindres détails. À la fin de la classe, l’enregistrement permettra d’obtenir le son, la vidéo, les dialogues des participants, les écrans partagés, le tableau blanc, les annotations du formateurs, etc.
Par contradiction, les enregistrements des outils de live meeting classiques permettent bien souvent uniquement l’enregistrement de la webcam et du son.

A l’instar des meetings en ligne, les classes virtuelles sont adaptées pour des petits groupes de participants, quelques dizaines maximum.

Leur popularité est croissante puisqu’elles offrent plus de fonctionnalités que les meetings en ligne, il n’est par conséquent pas rare de voir certains éditeurs supprimer totalement les meetings en ligne pour ne garder que les classes virtuelles, ou bien fusionner les offres en une seule et même offre, nommée “classe virtuelle” ou “meeting”.

La confusion est bel et bien réelle car chaque éditeur de solution de conférence web nomme son produit différemment, il n’est donc pas rare de voir une solution de Classes virtuelles moins performante qu’une simple solution de Meetings. Pensez donc à bien comparer les fonctionnalités de chaque éditeur ou faites vous accompagner afin de disposer de l’outil le plus adapté à vos besoins.

Comment organiser des classes virtuelles ?

Organiser une classe virtuelle ne s’improvise pas, vos formateurs doivent être à l’aise avec l’outil de formation et à même d’utiliser toutes les fonctionnalités proposées afin d’offrir la meilleure expérience apprenant possible.

Une fois la solution de conférence choisie (nous traiterons des différentes solutions disponibles dans un autre article), vous devez vous assurer de préparer vos supports de formation ainsi que votre environnement de classe virtuelle.

Supports de formation

Comme pour une formation présentielle, vos supports de formation sont primordiaux pour le bon déroulement de votre classe virtuelle. Vous devez impérativement adapter vos supports : temps de la formation en ligne, texte, illustration, slide d’activités.
En effet, pour qu’une formation en classe virtuelle soit efficace, vous devez vous assurer que vos participants ne lisent pas uniquement du texte, mais vous écoutent ! Préférez les images, les diagrammes ou les illustrations simples pour illustrer vos propos, garder uniquement les points abordés les plus importants en texte.

N’hésitez pas à intégrer des slides d’activités propres à votre solution de classes virtuelles : sous-groupes, sondages, tableau blanc, annotation, etc. Votre formation sera d’autant plus attrayante si vous réussissez à utiliser à bon escient ces concepts, en alternant la partie théorique de votre formation avec des activités pratiques et ludiques.

La gestion technique et l’assistance

Bien gérer l’aspect technique de votre classe virtuelle est une prérogative. Vous devez comprendre les concepts de base comme la notion de bande passante, d’entrée et sortie son ou encore de connexion WiFi. Si vous n’êtes pas à l’aise avec ces aspects, il est important de vous faire assister par un prestataire ou bien votre service informatique pour le bon déroulement de votre classe virtuelle.

Si vous utilisez une solution Cloud, sachez que la plupart des prestataires offrent un support en ligne et/ou au minima une documentation en ligne. Ce support se limite naturellement à une assistance basique et ne permet pas de répondre aux problèmes des participants pendant la classe virtuelle.

Nous allons voir dans le chapitre suivant les bonnes pratiques pour un environnement de classe virtuelle optimal.

L’environnement de classes virtuelles : les bonnes pratiques

Connexion internet et débit

Les principaux éditeurs d’outils de conférence web sont optimistes quant à leurs recommandations de débit minimale. Retenez tout de même qu’un débit descendant et montant de 5 Mbps est recommandé, bien qu’il peut être inférieur à cela dans certains cas. Par ailleurs, plus il y a de participants – de flux vidéo/audio activés – plus la connexion devra être stable et le débit puissant.

Dans la mesure du possible évitez de connecter l’ordinateur du formateur à un réseau Wi-Fi, préférez plutôt une connexion via un cable Ethernet qui permet une meilleure stabilité de la connexion et évite les pertes de paquets éventuelles.
Si vous ne pouvez pas vous connecter via un cable Ethernet, assurez vous de la fiabilité de votre réseaux WiFi et restez proche du point d’accès.
Enfin, évitez à tout prix les réseaux Wi-Fi publics qui ne fonctionnent généralement pas correctement avec les outils de classes virtuelles, cela vaut d’ailleurs pour le formateur comme pour l’apprenant.

Afin de tester votre connexion, utilisez un service de test en ligne qui va vous permettre de mesurer votre débit montant et descendant.

Prise en main de l’outil de classes virtuelles

Quelle que soit la solution choisie, vous devez impérativement la prendre en main avant votre classe virtuelle. Passez du temps seul ou accompagné de faux apprenants pour tester votre configuration, installer la solution de classe virtuelle sur votre ordinateur, partager les supports d’apprentissage ou encore vérifier la qualité de l’enregistrement de votre classe. Nous ne le répéterons jamais assez : il est important de bien se préparer en amont de la classe virtuelle.

Audio : les bonnes pratiques

Assurez-vous que votre équipement est adéquate et vous permet aussi bien d’être entendu correctement que d’entendre correctement les participants.

Un casque audio USB avec microphone antiparasite intégré est souvent la meilleure solution pour être entendu sans écho. Pour les références, regardez du coté de Logitech qui propose une gamme variée pour tous les budgets. Les casques H570 ou H390 sont très bien adaptés à une utilisation en classe virtuelle.

Si votre classe virtuelle est dispensée par plusieurs formateurs, assurez-vous que ces derniers 1) se situent dans des pièces séparées afin d’éviter tout effet Larsen ou bien 2) utilise le même microphone, dédié à une utilisation en mode conférence.

Pour finir, essayez dans la mesure du possible de couper votre microphone (mise en sourdine ou mute en anglais) lorsque vous ne prenez pas la parole.

Webcam : les bonne pratiques

Le placement, la luminosité, le cadrage, le décor de fond, votre tenue vestimentaire, sont autant d’éléments qui auront un réel impact sur la qualité de votre classe virtuelle.

Placez votre webcam au niveau de votre regard. Laissez les vues en contre-plongées de côté et assurez-vous que votre caméra est située à la même hauteur que votre visage.

Si vous utilisez un ordinateur portable avec caméra intégrée, l’astuce est de le poser sur une pile de livre ou bien d’investir dans un support d’ordinateur portable. Idéalement, vous utiliserez un clavier et souris externe pour un meilleur confort d’utilisation.

En revanche, si vous utilisez une caméra externe, un petit trépied devrait être suffisant.

Faites attention à votre tenue

Les tenues fluos ou trop colorées sont à proscrire, préférez quelque chose de simple et unicolore.

Restez dans le cadre, ni trop loin, ni trop près.

La distance idéale entre votre webcam et vous doit être d’environ 50cm, cependant certaines webcams ont un plus grand angle que d’autres donc pensez bien à tester la meilleure configuration dans votre cas.

Pensez à la luminosité

En fonction de l’heure de la journée, votre bureau peut être exposé différemment. Pensez bien à vérifier que vous n’êtes pas en contre jour et que vous êtes suffisamment visible pour les autres participants.

 

L’astuce la plus simple est de positionner une ou deux lumières derrière votre écran, de chaque côté.

L’arrière-plan

Un fond blanc, ou coloré mais uni, est toujours la solution la plus sûre. Vous pouvez aussi avoir un paysage ou une vue sur les bureaux de votre société en fond (à condition qu’ils soient calmes) si cela ne distrait pas les autres participants. Les plus pros pourront également incruster une image de fond pour un rendu optimal. Les outils de classes virtuelles permettent bien souvent d’ajouter un arrière-plan virtuel à condition que l’arrière-plan de base soit déjà unicolor (vert ou bleu par exemple).

Enfin, nous vous recommandons de voir la vidéo de Chris de Wistia : « Look Great in Your Next Webcam Video » qui résume bien en vidéo tous les conseils prodigués dans cet article.

Classes virtuelles : combien ça coûte ?

En tant que prestataire technique, la question du coût nous est régulièrement posée. Tout d’abord, il faut bien comprendre qu’en face du coût des classes virtuelles, il y a souvent des économies substantielles. Le coût global du déploiement d’un dispositif de classes virtuelles est donc à pondérer avec les économies qu’apporte la solution.

La mise en place de classes virtuelles implique en général différents postes de dépenses. Ces postes de dépenses diffèrent en fonction de vos compétences actuelles, de vos ressources disponibles et du matériel à disposition.

Les coûts de personnel

Les coûts de personnel sont généralement le principal poste de dépense. Il sont eux-même répartis en différentes sous-catégories :

• Coûts liés à la recherche de la solution ou du prestataire
• Coûts liés à la réalisation du cahier des charges fonctionnel
• Coûts liés à la prise en main de l’outil de conférence web
• Coûts liés aux formateurs et/ou assistants pour les grandes classes virtuelles
• Coûts liés à la préparation des supports par les formateurs
• Coûts liés au support technique

Vous l’aurez bien compris, ces coûts sont souvent incompressibles et sont nécessaires car ils conditionnent la bonne réussite de votre projet. Parmi les postes concernés par ces dépenses nous trouverons bien souvent le responsable de formation ou responsable Digital Learning, les équipes DSI et/ou support IT, les achats, les formateurs internes ou externes, les prestataires, etc.

Retenez également une chose importante : les postes de dépense ci-dessus dépendent fortement du niveau de digitalisation et de compétences de votre département de formation/digital. Plus vous êtes autonomes, moins ces coûts seront importants. En revanche, si vous n’avez jamais mis en place de classe virtuelle et que vous sautez dans le grand bain sans connaissance particulière sur le sujet, alors faites vous accompagner par un prestataire externe.

Les coûts matériels

Nous avons dans le chapitre précédent les bonnes pratiques quant à l’animation d’une classe virtuelle, vous avez notamment retenu qu’il est primordial d’avoir un casque avec micro ainsi qu’une webcam de bonne qualité.

Dans l’éventualité où votre formateur n’est pas équipé d’un ordinateur professionnel et ne peut utiliser son matériel, alors vous devrez inclure le coût de cet achat en sus.

Globalement, vous pouvez compter environ 150 euros par formateur pour un équipement audio/vidéo complet et qualitatif. Ce coût est à adapter en fonction de la qualité des classes virtuelles que vous souhaitez proposer à vos apprenants.

Les coûts techniques

Enfin, parmi les coûts techniques nous retrouverons en premier lieu les coûts liés à l’outil de conférence web. En fonction de votre organisation, ce coût peut être ponctuel ou récurrent.
En effet, comme pour toute solution logicielle, vous avez le choix entre une solution propriétaire (par exemple de type SaaS) pour laquelle vous paierez des frais de licence mensuels ou annuels à hauteur de l’utilisation de la solution choisie; ou bien vous pouvez choisir le déploiement d’une solution open-source en interne ou via un prestataire externe (c.f. les classes virtuelles BigBlueButton).

Ce dernier présente l’avantage de ne pas impliquer de frais mensuels d’utilisation.
Sur le papier, cette option est moins coûteuse que les outils propriétaires, mais si vous n’avez pas les ressources nécessaires pour déployer, personnaliser et sécuriser votre outil de conférence web, il vous faudra payer un prestataire externe pour s’occuper de cela.

Notre expérience nous fait dire que dans la majorité des cas le choix d’un outil propriétaire SaaS est le bon choix quand il s’agit de classe virtuelle.

La plupart des solutions SaaS du marché propose des tarifs oscillant de 10 à 30 euros par mois par formateur.

Les économies réalisées

Comme vu en introduction de ce chapitre, nous ne pouvons pas considérer le coût global d’un déploiement de classe virtuelle sans le pondérer aux économies réalisées, et donc in fine le potentiel bénéfice.

Parmi les économies réalisées, nous retrouvons :

• Gain de temps et d’argent en évitant des frais de déplacement
• Gain en frais d’hébergement
• Gain en frais de salle de formation
• Gain matériel (les apprenants utilisent leur propre matériel)
• Gain potentiel sur les formateurs externes (taux horaire inférieur en distanciel)
• Gain administratif : la gestion des apprenants en ligne est simplifiée

Conclusion

Les classes virtuelles sont une formidable opportunité pour les services de formation qui décideront de sauter le pas. Une opportunité financière tout d’abord avec des coûts drastiquement réduits et une logistique simplifiée. C’est aussi une opportunité marketing, en valorisant votre capacité à utiliser des moyens modernes pour vos formations.

Dès lors, nous pouvons nous demander si la classe virtuelle n’a pas pour vocation de remplacer la classe présentielle ?

Et bien non, la classe virtuelle doit être utilisée en complément des classes présentielles.
En effet, certaines choses ne seront jamais remplaçables comme le lien humain qui est nécessaire à chacun d’entre nous. La possibilité de mettre en situation ou faire naître une émulation par la dynamique de groupe est toujours plus simple en présentiel qu’en distanciel.

→ Sources photos : Unspash, Harvard Division of Continuing Education

Suite à une forte demande de conseil sur les solutions de classes virtuelles disponibles, nous vous recommandons la solution Zoom. C’est une solution facile à prendre en main qui peut être mise en place rapidement.

Testez Zoom Vidéo Conférence

L’article Classes virtuelles : pourquoi, comment et pour quel prix ? est apparu en premier sur Nativio.

Adapter la formation et son contenu à l’apprenant pour améliorer la qualité et la vitesse de son apprentissage va vite devenir indispensable afin de mobiliser moins de ressources pour produire un changement — acquisition de compétence, acculturation, conformité — plus profond et durable.

Au coeur de l’apprentissage adaptatif, on retrouve différents algorithmes comme le Bayesian Knowledge Tracing (BKT), l’Additive Factor Model (AFM) ou encore l’Instructional Factor Model (IFM). Ces dernières années, le modèle BKT — traduit grossièrement par “modèle bayésien de la progression du savoir” — est devenu l’algorithme le plus utilisé pour estimer le niveau d’acquisition d’un élément de connaissance par un apprenant à un instant t.

Cet article se veut une introduction au Bayesian Knowledge Tracing afin d’en comprendre les éléments clés et comment ils sont utilisés dans l’adaptive learning.

On parlera de notions de statistiques, d’intelligence artificielle et de big data pour comprendre comment ces technologies sont exploitées dans les faits.

Éléments de probabilité

Comme son nom l’indique, le Bayesian Knowledge Tracing est basé sur les statistiques bayésiennes. Pour faire simple, il s’agit de statistiques qui permettent de traiter de plus petits échantillons, là où les statistiques classiques ont besoin d’un large nombre d’occurrence afin d’être utilisables — on parle d’échantillon représentatif et de signification statistique.

Les 4 éléments qui composent le tracé du savoir sont donc des probabilités :

• p(init) : c’est la probabilité que l’apprenant connaisse déjà l’élément de connaissance avant son entrée dans le programme
• p(transit) : c’est la probabilité de transfert de la connaissance. L’apprenant mobilise correctement ses acquis pour répondre correctement à la question posée
• p(slip) : c’est la probabilité d’une erreur d’inattention. L’apprenant a bien acquis la connaissance mais commet une erreur exceptionnellement
• p(guess) : c’est la probabilité d’une bonne réponse par pure chance. L’apprenant ne maîtrise pas l’élément de connaissance mais trouve tout de même la bonne réponse

On parle bien de probabilité, il y a une chance pour que chacun de ces phénomènes se produise lors de la restitution des connaissances.

Application du Bayesian Knowledge Tracing : modèles prédictifs

Afin de décider si une connaissance est apprise et maîtrisée ou non, on créée un modèle mathématique qui est censé prédire la performance de l’apprenant lors de son évaluation. On parle de modèle prédictif.

Le modèle de prédiction utilisant le Bayesian Knowledge Tracing a pour objectif de répondre à la question : est-ce que l’apprenant connaît l’élément de connaissance X ?

Le modèle forge sa réponse à partir des résultats de l’apprenant tout au long du parcours des modules de formation.

Le modèle utilise donc les éléments statistiques ci-dessus pour prédire la performance de l’étudiant au cours de l’apprentissage adaptatif ainsi qu’après, en situation réelle.

Prérequis pour un modèle prédictif

Afin d’établir ce type de modèle, il y a 2 pré-requis :

• On doit pouvoir évaluer le comportement de l’apprenant par correct ou incorrect
• Chaque problème ou point d’évaluation est associé à un élément de connaissance

Résultat du modèle prédictif

Pour répondre à la question “Est-ce que l’apprenant connaît l’élément de connaissance X ?”, le modèle répond de manière binaire : oui ou non.

Erreurs : faux positifs et faux négatifs

Il existe un risque d’avoir des faux positifs et des faux négatifs dans l’évaluation de la connaissance d’un élément :

• Les faux positifs sont matérialisés par p(guess), la probabilité que l’apprenant devine la bonne réponse par chance, sans avoir les connaissances nécessaires pour répondre correctement
• Les faux négatifs sont matérialisés par p(slip),la probabilité que l’apprenant réponde faux au test d’évaluation alors qu’il possède les connaissances nécessaires

Ces probabilités sont donc prises en compte dans le modèle afin de compenser pour ce type d’erreur.

Amélioration du modèle : big data et intelligence artificielle

Tout l’intérêt des modèles prédictifs est qu’ils s’adaptent et évoluent tout au long du parcours des utilisateurs dans son cursus sur la plateforme mettant en oeuvre le modèle.

À chaque occasion — quiz d’évaluation — le modèle tente de prédire correctement le score de l’utilisateur et change les coefficients de son modèle en suivant l’algorithme Bayésien.

Pour que cette amélioration se passe bien, il faut un certain nombre de données pour que le modèle “apprenne”. Ce grand nombre de données — points d’évaluation du comportement de l’apprenant — touche à la big data.

L’ajustement des différents paramètres du modèles au fil de son utilisation est un principe que l’on appelle “l’entraînement du modèle” — Model Training en anglais. Cela relève du Machine Learning et il s’agit d’un des principes fondamentaux de l’intelligence artificielle.

À partir de l’algorithme que nous fournit le Bayesian Knowledge Tracing et un grand nombre de données d’interaction d’apprenants, on arrive à affiner les différents coefficients du modèle de prédiction afin de l’améliorer dans le temps.

Plus il y a de données, plus le modèle affine sa précision et permet de prédire l’apprentissage de manière fiable.

Usage et déploiement

On a déjà parlé de l’application du Bayesian Knowledge Tracing dans l’adaptive learning dans notre article sur l’expérimentation entre Microsoft et Harvard.

C’est ce même algorithme qui est utilisé par le moteur d’apprentissage adaptatif pour faire évoluer le contenu de la formation au fil du temps et de l’usage des apprenants.

Après un temps d’initialisation où le modèle “apprend”, le modèle est capable de prédire correctement dans un grand nombre de cas si la connaissance est maîtrisée ou non par l’apprenant.

Si celle-ci est maîtrisée, on peut alors modifier le parcours de l’utilisateur pour :

• Le faire passer à l’élément de connaissance suivant et passer moins de temps en formation sur des éléments déjà appris
• Si un élément pré-requis n’est pas maîtrisé, insister sur l’élément de connaissance avec des modules complémentaires afin de s’assurer d’une bonne maîtrise des pré-requis avant d’attaquer un nouvel élément de connaissance

On économise ainsi en ressources humaines car on réduit le temps de formation. On augmente aussi l’engagement et la facilité d’apprentissage en s’assurant de la bonne maîtrise des pré-requis.

Conclusion

Le Bayesian Knowledge Tracing n’est pas des plus accessibles au premier abord mais modélise tant bien que mal l’apprentissage en prédisant la performance aux tests d’évaluation des connaissances.

Avoir une idée générale des fondements des algorithmes adaptatif permet une meilleure compréhension des solutions aujourd’hui déployés dans le monde de l’adaptive learning et des possibilités qu’elles offrent.

Le BKT permet une modélisation du savoir en utilisant des hypothèses simplificatrices. Dans le futur, de nouveaux modèles vont émerger intégrant de plus en plus de données et permettant une prédiction encore plus précise de l’assimilation de la connaissance. Dans le futur, on peut imaginer des algorithmes prenant en compte d’autres paramètres comme le temps de réponse, le type de question et l’interdépendance de certains éléments de connaissance.

Cet article touche à des notions de pédagogie et de modélisation des connaissances et de leur acquisition. J’espère qu’il vous a permis de comprendre les références à ces domaines et leur implication dans l’apprentissage adaptatif.

L’article Adaptive learning : Introduction au Bayesian Knowledge Tracing est apparu en premier sur Nativio.

L’article BigBlueButton : les classes virtuelles au service du digital learning est apparu en premier sur Nativio.

L’infographie complète est disponible ici, j’en ai sélectionné des extraits qui me paraissent pertinents et qui peuvent être utilisés dans la conception et l’implémentation de programmes de formation.

Les informations qu’apporte cette image permettent d’aborder la formation et plus généralement l’acquisition de connaissances et compétences sous l’angle de la neuroplasticité, et ce sera l’objet de cet article.

La neuroplasticité et l’acquisition de compétences

La neuroplasticité décrit le processus par lequel le cerveau est capable de se modifier durant des phases d’apprentissage. Une définition complète est disponible sur Wikipedia.

Un des freins à l’apprentissage est souvent que l’apprenant est dans ce qu’on appelle un “fixed mindset”. Il considère qu’il est doué pour X mais très mauvais pour Y et que cette situation est figée et ne changera pas quoi qu’il arrive.

Par opposition, on retrouve le “growth mindset” chez les apprenants qui valorisent le travail nécessaire à l’acquisition d’une compétence et comprennent qu’en focalisant leurs efforts et en investissant du temps il peuvent acquérir de nouvelles connaissances et compétences.

La neuroplasticité est la preuve scientifique de la possibilité d’acquérir de nouvelles connaissances et capacités, de s’améliorer dans le temps.

C’est un bon moyen d’introduire un changement d’état d’esprit chez les apprenants réfractaires ou vites découragés par une approche “figée” — “je ne suis pas doué pour ça” — face à de nouvelles situations.

Le renforcement positif et le circuit de récompense

Le plaisir entraîne une meilleure rétention de l’information et permet aussi de créer de nouvelles habitudes. Alta Mira parle d’ailleurs du cerveau du junkie, pour qui la drogue génère tellement de dopamine — neurotransmetteur associé au plaisir — que le nouveau comportement d’utilisation de la drogue est très vite adopté comme automatisme.

Cela nous conforte donc dans l’utilisation de renforcement positif : récompenser, féliciter et donner un retour positif sur les bons comportements ou les bonnes réponses que l’on souhaite renforcer.

Un autre levier intéressant dans la mise en place de formation est la gamification et son impact sur l’investissement des apprenants.

La gamification permet l’attribution de récompenses — souvent virtuelles, comme des badges et des points — qui déclenchent une petite libération de dopamine.

Dans le cadre d’une formation, cela nous donne plusieurs pistes d’améliorations pédagogiques :

• Pratiquer le renforcement positif plutôt que négatif. Une récompense générant du plaisir entraînera un meilleur engagement et une meilleure satisfaction de l’apprenant qu’un renforcement négatif
• La gamification des formation permet de créer des récompenses et des piques de dopamine au cours du parcours de l’apprenant

La répétition et le renforcement des circuits neuronaux

J’ai déjà eu l’occasion de parler de l’importance de la répétition espacée et son intérêt dans mon article sur la courbe de l’oubli.

Que ce soit pour la rétention d’information ou l’acquisition de nouvelles compétences, la répétition est clé.

De la même façon que la première leçon de conduite dans une voiture parait complexe, la plupart d’entre nous conduisent maintenant en se souciant simplement de la direction vers laquelle aller, le reste des opérations étant complètement acquis et nécessitant un très faible effort conscient.

La répétition des tâches entraîne donc un renforcement des circuits neuronaux. La première fois qu’on effectue une action, cela nous paraît inconfortable et étranger. C’est la première fois que l’on sollicite un circuit neuronal reliant différent neurones entre eux.

On crée la communication entre les différents neurones nécessaires à la réalisation de notre action.

Les répétitions suivantes viennent renforcer ce circuit, on “internalise” le processus. Après un certain nombre de répétitions, cette action peut être exécutée en pilote automatique, sans même y penser.

On réalise là encore l’importance de ne pas traiter les formations comme des séances intenses de bachotage mais plutôt comme une suite de petits épisodes répétés régulièrement pour renforcer ces circuits neuronaux et internaliser la connaissance.

Repérer les “triggers” ou les déclencheurs émotionnels

Certains éléments extérieurs peuvent influencer l’état d’esprit dans lequel on se trouve et générer des réactions émotionnelles — par opposition à des réactions rationnelles — contre-productives.

C’est extrêmement pertinent dans le cas de lutte contre les addictions comme pour Alta Mira mais c’est aussi très intéressant de réfléchir aux conséquences dans le monde de la formation.

Parfois une compétence est acquise mais son transfert est rendue difficile voir impossible par un état émotionnel inadéquate.

Pensez par exemple à un élève qui connaît son cours par coeur mais commet des erreurs “d’inattention” et échoue à son test. La situation stressante de l’examen le bloque dans la mobilisation de ses connaissances.

Les technologies de formation en immersion comme la réalité virtuelle permettent de plonger l’apprenant dans des conditions plus proches de l’environnement dans lequel il devra utiliser sa compétence.

Prenons par exemple la prise de parole en public, source de stress et situation bien connue pour faire perdre ses moyens à de nombreuses personnes.

Un projet en collaboration entre Orange et Digital’n’Human permet à l’apprenant de se retrouver dans une situation stressante sans pour autant être face à un réel enjeux.

Cette mise en situation permet de déclencher des réactions du public, poser des questions à l’orateur, etc. Cela permet une désensibilisation et une mise en situation qui serviront à l’apprenant lors de la mise en pratique en conditions réelles.

De la même façon que les simulateurs d’avions permettent aux pilotes de s’entraîner de nombreuses heures à gérer des incidents sans risque de tuer leurs passagers, les technologies de réalité augmentée et virtuelle permettent une plus grande versatilité dans la mise en situation.

La qualité de vie au travail

Dans l’ensemble une bonne qualité de vie au travail permet une meilleure approche de l’apprentissage.

Que ce soit par la réduction du niveau de stress pour aborder de nouveaux concepts ou de nouveaux comportements ou simplement en réduisant la charge de travail pour permettre aux apprenants de prendre le temps de se former sur leur temps de travail.

Enfin, stimuler régulièrement les collaborateurs en les soumettant à de nouveaux challenges — avec un degré de difficulté adapté, avec une approche ludique, sous forme de jeu — permet de travailler leur neuroplasticité en leur demandant d’acquérir de nouvelles capacités pour répondre aux challenges.

La culture de l’apprentissage

Plus on apprend, plus il est facile d’apprendre. Le meta-learning, ou apprendre à apprendre permet de générer de nombreux bénéfices :

• Raisonnement par analogies
• L’habitude de la sortie de zone de confort et de se retrouver “débutant”
• La confiance et la capacité à s’adapter à de nouvelles situations

Ces traits et compétences permettent non seulement une meilleure capacité d’évolution de la part de l’apprenant mais en fait aussi un acteur plus productif et adaptable dans l’environnement dans lequel il évolue.

Conclusion

Cette infographie dédiée à la neuroplasticité nous permet de tirer des neurosciences des indications pour améliorer notre pédagogie.

En comparant ces recommandations et ce qui se fait actuellement en terme de formation, on voit un écart qui nous amène à repenser la formation telle qu’on la connaît.

Là où la formation d’aujourd’hui est essentiellement un ensemble de vidéos suivies de quiz, une approche beaucoup plus globale, multi-sensorielle et intégrant une mise en pratique tangible permettra une meilleure absorption de l’information et le développement de nouvelles compétences.

Les nouveaux standards tels que xAPI — un standard applicable aux données du monde de la formation — permettent une transition vers un suivi de l’expérience de l’apprenant plutôt que de simples score mesurant la rétention de l’information à un moment donné.

En combinant ces standards permettant de tracker l’expérience globale de l’apprenant et les nouveaux moyens de transmettre la connaissance — technologies immersives, répétitions espacées, adaptive learning — le monde de la formation va devoir faire face à de nombreuses transformations et de nouveaux challenges dans les années à venir.

L’article Comprendre la neuroplasticité pour de meilleures formations est apparu en premier sur Nativio.

Yigal Rosen et son équipe nous démontre dans cet article comment l’adaptive learning peut améliorer le processus d’apprentissage tout en diminuant le taux d’abandon dans le cadre du suivi d’un MOOC par un apprenant.

Cette étude réalisée conjointement par Harvard et Microsoft peut être consultée dans son intégralité en anglais via le lien suivant : “The Effects of Adaptive Learning in a Massive Open Online Course on Learners’ Skill Development”.

Adaptive Learning Open-Source Initiative

Malgré la promesse de l’adaptive learning (apprentissage adaptatif), de nombreux modèles et algorithmes utilisés pour développer l’adaptive learning sont en fait peu transparents et compréhensibles (via l’approche « boîte noire » [algorithme dont on ne connaît pas les caractéristiques internes; NDLR]), tout comme les preuves d’efficacité de l’adaptive learning.

Harvard s’est associée à Microsoft pour développer ALOSI (Adaptive Learning Open-Source Initiative), l’initiative open-source pour l’adaptive learning.

ALOSI a été déployé dans le MOOC de Microsoft sur edX.org « Statistiques essentielles pour l’analyse de données sur Excel » et sera déployé prochainement dans les MOOC HarvardX et sur plusieurs autres cours disponibles pour les internes de l’université Harvard.

ALOSI est une technologie d’adaptive learning open source et un socle commun qui permet de mesurer la progression des acquis ainsi que le comportement des apprenants. Le cadre adaptatif est basé sur les extensions majeures de nos travaux antérieurs avec HarvardX et sur le partenariat avec TutorGen (Rosen et al, 2017; Harvard VPAL Research blog series). “Nos dépôts GitHub [les dépôts d’Harvard; NDLR] contiennent les codes sources de la passerelle pour l’adaptativité (Bridge for Adaptivity) et du moteur adaptatif (Adaptive Engine) ainsi que d’autres prototypes et documentations” :

https://github.com/harvard-vpal/bridge-adaptivity
https://github.com/harvard-vpal/adaptive-engine

Les observations clés obtenues grâce aux travaux de modélisation et d’analyse nous permettent de mettre en place des directives (fondées sur des données probantes) pour la conception pédagogique des cours futurs ainsi que de mieux comprendre comment les étudiants apprennent efficacement.

ALOSI utilise l’algorithme Bayesian Knowledge Tracing (BKT) [un algorithme permettant de mesurer la maîtrise de chaque apprenant sur un sujet donné, NDLR] pour développer un modèle prédictif de la maîtrise des compétences pour l’apprenant et améliorer les attributs prédictifs associés au contenu. Les principales caractéristiques actuelles d’ALOSI incluent le traçage des connaissances [visant à modéliser l’ensemble des processus cognitifs; NDLR] ainsi qu’un moteur de recommandation, tandis que la modélisation des utilisateurs, les feedback utilisateurs et la recommandation de cours ciblés sont encore en cours de développement. Le moteur s’améliore au fil du temps en utilisant les données des autres apprenants et donne un aperçu en temps-réel des processus d’optimisation (par opposition à de nombreux moteurs commerciaux d’adaptative learning de type « boîte noire » [dont on ne connaît pas le fonctionnement exact; NDLR]).
De plus, l’architecture du moteur adaptatif permet une expérimentation rapide avec différentes stratégies de recommandation.

Notre objectif était de créer un moteur de recommandation adaptatif suffisamment simple pour un MOOC edX, capable de décider quelle activité de cours ou d’évaluation proposer à un apprenant en fonction de son historique.
Nous utilisons divers modèles de traçage des connaissances (BKT) pour estimer le statut des apprenants à un instant t.
D’un point de vu conceptuel, notre moteur se compose de deux composants : le traçage des connaissances et le moteur de recommandation, qui utilise en information d’entrée le résultat du traçage des connaissances.

Nous avons créé une structure flexible pour la stratégie de recommandation. La stratégie est en fait une combinaison d’un certain nombre de « sous-stratégies », chacune étant définie par une expression mathématique qui calcule la désirabilité potentielle pour chacune des questions à venir.

Ces résultats sont ensuite rassemblés à partir de toutes les sous-stratégies et moyennés en utilisant des poids d’importance attribués à chaque sous-stratégie. L’attribution du poid le plus élevé à une sous-stratégie rend probable que sa recommandation « l’emporte » souvent, mais ne garantit pas que cela se produira toujours. Dans ce déploiement, nous avons utilisé trois sous-stratégies :

1. « Remediation » : knowledge components (KC) [éléments de connaissances; NDLR] avec le niveau le plus faible, c’est-à-dire essayer de forcer l’étudiant à pratiquer les sujets qu’il connaît le moins bien.
2. « Continuity » : recommande les éléments marqués avec les mêmes KC (ou les plus similaires) que le dernier élément soumis par l’étudiant, c’est à dire rester sur chaque sujet pendant un moment au lieu de « sauter » d’un sujet à l’autre.
3. « Pre-requisite readiness » : éviter les KC dont le KC pré-requis n’est pas maîtrisé par l’apprenant. En particulier, cela empêche la recommandation prématurée de cours trop complexes.

Expérimentation du MOOC de Microsoft sur edX

L’équipe de conception pédagogique a considérablement amélioré la portée de l’évaluation et a inclus plus de 35 éléments de connaissances et 400 évaluation associés à ces éléments de connaissances.

Notre conception expérimentale a assigné au hasard des apprenants du cours à trois groupes indépendants :
– dans le premier groupe adaptatif, ALOSI a donné la priorité (c-a-d a donné plus de poids) à la sous-stratégie de Remediation (groupe A)
– dans le deuxième groupe adaptatif, ALOSI a priorisé la sous-stratégie de Continuity (groupe B)
– enfin, le groupe de contrôle a suivi les parcours de formation tels que définies par le concepteur pédagogique, sans algorithme adaptatif (groupe C)

Ainsi, les groupes d’apprenants A et B ont expérimenté deux variantes du moteur adaptatif. ALOSI dispose d’une règle facultative « Stop on mastery », qui permet de ne pas proposer des élément de cours pour un KC donné pour lequel l’utilisateur a dépassé un certain seuil de maîtrise (l’utilisateur connaît certainement cet élément de connaissance, donc n’a plus besoin de le pratiquer). Cependant, dans ce déploiement d’ALOSI, cette stratégie a été désactivée : tant qu’un utilisateur demandait plus de questions “adaptatives”, il était servi jusqu’à épuisement du stock disponible.

Notez que la sous-stratégie de Continuity (groupe B) n’utilise pas la correction des réponses dans son algorithme. Par conséquent, nous pourrions dire que le groupe B a connu moins de variabilité dans l’ordre de distribution du cours que le groupe A (et que le groupe C n’en a connu aucune).
De plus, à la demande de l’équipe pédagogique, nous avons suspendu le moteur d’adaptive learning au début des deux modules d’évaluation : le test initial et le test final. Pour ces derniers, pour les groupes A et B, les premiers 34 éléments (test initial) ou 35 éléments (test final) ont été distribués dans une séquence fixe (identique pour tout le monde), et seulement après, l’ordre de distribution du cours est devenu adaptatif.

Il convient de noter que l’approche “adaptive learning” dans le groupe A était la plus différente de l’expérience d’apprentissage traditionnelle du groupe C, et que le groupe B occupe la position intermédiaire en terme d’adaptativité. De plus, dans les groupes adaptatifs, les apprenants travaillaient sur un élément à la fois, tandis que dans le groupe de contrôle [groupe C; NDLR], les éléments de cours étaient présentés dans l’approche edX conventionnelle : plusieurs éléments de cours à la fois.

Nous avons obtenu des informations sur les éléments d’évaluation de la part de l’expert métier : une liste de KC, une liste des conditions préalables requises, le tagging des éléments avec des KC, le niveau de difficulté de chaque élément ainsi que des estimations de probabilité de glissement  [probabilité que l’apprenant se trompe bien qu’il maitrise le sujet; NDLR], de prédiction [probabilité que l’apprenant trouve la réponse grâce à un coup de chance; NDLR] et de transfert de connaissance. Ces valeurs ont été utilisées comme des suppositions initiales au début du cours et sont ensuite mises à jour pendant le déroulement du cours avec celles tirées des données d’évaluation précédentes. Les estimations numériques (par exemple, le niveau de difficulté ou la force de connexion entre deux KC) ont été estimées par l’expert métier en utilisant 3 poids différents (faible / moyen / fort), que nous avons ensuite converti en nombres pour l’utilisation dans le moteur d’adaptive learning.

Bien que notre moteur soit capable de fonctionner avec plusieurs tags, dans ce cours, cela n’a pas été le cas : chaque élément a été annoté avec un seul KC.

Tous les étudiants du cours ont été soumis à un test initial et un test final, permettant une comparaison des performance d’apprentissage entre trois groupes d’étudiants.
Pour les groupes adaptatifs A et B, les 34 premiers problèmes du test initial et les 35 premiers du test final ont été traités de manière non adaptative : leur séquence était fixe (identique pour tout le monde) et seuls les autres problèmes des deux tests étaient traités de manière adaptative.
Ainsi, nous utilisons uniquement la moyenne obtenue sur ces parties identiques des tests pour notre comparaison, afin de garantir que tous les élèves soient comparés sur un pied d’égalité. Pour le groupe C, nous utilisons simplement le test initial et le test final [puisque ce groupe n’utilise pas le moteur d’adaptive learning; NDLR].

Points à retenir

Les “gains d’apprentissage”  [la progression de l’apprenant; NDLR] sont observés comme la différence entre le score moyen obtenu dans le test initial et celui obtenu dans le test final. Il semblerait que le groupe A ait connu le plus grand gain d’apprentissage (ES = 0,641) [ES : effect size, c.-à-d. la différence entre deux moyennes divisée par l’écart-type; NDLR]. Le groupe B, dont la version de l’algorithme adaptatif était plus faible (la continuité a été préférée à la correction), a obtenu des gains d’apprentissage plus faibles (ES = 0,542), et le groupe de contrôle C a obtenu des gains encore plus faibles (ES = 0,535). En revanche, il s’avère que le nombre de problèmes posés n’a pas d’effet significatif sur le gain d’apprentissage (p = 0,65), ce qui nous laisse à penser que le bénéfice de la stratégie “Remediation” (groupe A) ne s’explique pas simplement par le fait de s’entraîner avec plus de questions.

Le traçage des connaissances qui se produit dans notre moteur permet de déterminer le niveau de maîtrise pour chaque élément de connaissance (KC) et pour chaque apprenant après soumission d’une évaluation. Cela nous donne la possibilité de visualiser la courbe d’apprentissage, plutôt que de simplement compter sur la différence entre les résultats des tests initiaux et finaux. Étant donné que nous avons énormément d’éléments de connaissances, nous avons préféré les regrouper par groupe afin de faciliter la visualisation de la courbe.
Notre approche est la suivante : pour chacun des modules d’évaluation, nous calculons la moyenne des probabilités de maîtrise d’un sujet de tous les utilisateurs dans tous les KC représentés sous un tag, et cela pour un module donné. De cette façon, nous créons pour chaque utilisateur un niveau de maîtrise global dans un module. A partir de là, nous pouvons considérer les moyennes par groupe de ce niveau de maîtrise global. Dans le schéma ci-dessous, nous calculons les moyennes du niveau de maîtrise de ces groupes par rapport au nombre de problèmes testés par un utilisateur dans le module.

Maîtrise (sur l’échelle de 0 à 1) démontrée dans le cinquième module du cours. [pour voir l’intégralité des modules, veuillez vous référer à l’étude complète; NDLR]

Les valeurs de maîtrise sont spécifiques à chaque élève et chaque KC. Ici, nous avons fait la moyenne de tous les KC représentés dans le module pour tous les utilisateurs de chaque groupe expérimental. Le groupe C avait une banque d’éléments nettement plus petite, sa courbe de maîtrise n’atteint donc pas les niveaux des groupes A et B. De plus, dans la plage où les trois courbes sont présentes, la courbe du groupe C est moins lisse. Par conséquent, les groupes adaptatifs atteignent plus rapidement un niveau de maitrise moyen (environ 5 à 15 problèmes essayés).

Une caractéristique notable est que dans de nombreux modules d’évaluation, les courbes d’apprentissage des groupes adaptatifs sont plus fluides. Comme le montrent les graphiques [voir le lien vers l’étude complète; NDLR], le groupe C a souvent une banque d’éléments plus petite que les groupes adaptatifs et, à l’exception du test initial, presque tous les utilisateurs de ce groupe ont répondu à presque tous les problèmes.

Prochaines étapes

Notre expérimentation avec des évaluations “adaptatives” a fourni des preuves initiales sur les effets de l’adaptive learning dans les MOOCs notamment sur la progression des acquis et les taux d’abandon.
L’architecture ALOSI permet une expérimentation rapide avec différentes stratégies de recommandation, ainsi que l’intégration d’éléments d’apprentissage dans les cours, tels que des vidéos, des cours, des simulations et d’autres dispositifs d’apprentissage.

Étant donné la structure de nombreuses offres d’apprentissage en ligne, une plus grande intégration entre le contenu d’apprentissage et les modules d’évaluations pourrait permettre une réelle expérience “adaptative learning”. Cette expérience permettrait aux apprenants d’améliorer leur compréhension en fonction de leurs performances aux évaluations.

De plus, d’autres facteurs pourraient être inclus pour fournir une expérience d’apprentissage plus personnalisée : nous pouvons concevoir un moteur d’adaptative learning qui décidera quelle activité proposer en fonction non seulement du niveau de maitrise du sujet mais aussi des intérêts professionnels ou encore des schémas affectifs relevant de l’ennui ou la frustration…

L’article Un développement des compétences plus efficace grâce à l’adaptive learning : projet Harvard-Microsoft est apparu en premier sur Nativio.

Dans cet article, nous allons nous intéresser à cette courbe et aux solutions que nous pouvons déployer à la lumière de ce qu’elle nous apprend sur l’apprentissage et la rétention de l’information.

Courbe de l’oubli : définition et origine

La courbe de l’oubli est le fruit des recherches d’un psychologue allemand nommé Hermann Ebbinghaus (1850-1909).

L’objectif d’Ebbinghaus était de modéliser sa capacité à retenir des syllabes de trois lettres dans le temps. C’est ainsi qu’est né la courbe de l’oubli :

D’autres points affectant l’apprentissage sont soulevés par Hermann Ebbinghaus comme la capacité d’apprentissage, l’intérêt personnel, la concentration au moment de l’induction, etc.

La courbe d’oubli met en valeur un des problèmes de la formation et de l’acquisition de connaissances en général : l’illusion d’apprentissage.

Cette illusion est problématique et peut amener à une grande satisfaction de la part de l’apprenant, une bonne évaluation de la formation dans les instants qui suivent mais une faible rétention de l’information et finalement une très faible efficacité pédagogique.

Impact pédagogique : comment améliorer la rétention de l’information ?

La courbe de l’oubli nous permet de revoir la conception des formations : il est nécessaire de répéter l’information dans le temps afin que celle-ci persiste.

En plus de ces répétitions, il faut aussi améliorer l’attention et l’implication de l’apprenant lors de la formation.

On doit donc reconsidérer les formations et leur utilisation :

• Les formations ne sont plus consommées sur un bloc de temps conséquent mais plutôt réparties en plusieurs sessions espacées dans le temps
• Les formations ne doivent plus être passives, nécessitant une simple lecture de la part de l’apprenant mais doivent l’engager avec des questions et des changements de rythme pour stimuler l’attention et s’assurer de la bonne rétention de l’information tout en créant des micro-répétitions.

D’un point de vue pratique, les formations doivent être organisées différemment :

• Les séquences présentielles doivent régulièrement interpeller l’apprenant en lui présentant des quiz à chaque fin de chapitre présentant un concept clé
• Le distanciel doit être utilisé afin de créer des séances de ré-apprentissage et permettre de raviver le souvenir de la formation initiale
• Les séquences de quiz en ligne doivent comporter des boucles de feedback courtes : la réponse à la question posée doit être justifiée et présentée rapidement après soumission de la réponse. Par exemple, sur un quiz de 10 questions, plutôt que d’attendre les 10 questions avant de présenter la solution, on adoptera un rythme question – réponse justifiée afin de créer des micro-répétitions.

Les outils pour améliorer la montée en compétence dans le temps

Appliquer les grands principes expliqués ci-dessus est aujourd’hui possible grâce à divers outils venant améliorer vos plateformes de formation.

Apprentissage actif

Premièrement, afin de s’assurer de la consommation active du contenu de formation on peut insérer de quiz aux points clés de la formation.

Afin d’avoir un maximum de micro-répétitions au cours de ce quiz, nous allons les configurer de manière à ce que chaque réponse (bonne ou mauvaise) soit automatiquement suivie par la bonne réponse ainsi que la justification — souvent un extrait du cours.

Engagement

Ensuite, des mécanismes de gamification peuvent permettre de rappeler l’utilisateur et l’inciter à retourner de lui même sur les éléments de la formation.

Prenons par exemple Duolingo, une application destinée à vous faire apprendre une nouvelle langue qui vous attribue des badges au fil de votre progression. Ces badges se dégradent cependant dans le temps et finissent par vous être retirés si vous ne retournez pas sur les chapitres précédent afin de les réactiver.

Répétitions espacées

En ce qui concerne les répétitions espacées peuvent être programmées dans une séquence d’email auxquels les apprenants sont automatiquement inscrits. Leurs contenus peuvent être préparés à l’avance et permettent de rappeler les points clés de la formation.

Voici un exemple de séquence de rappel:

• 10 minute après la fin de la formation, un premier résumé des points essentiels
• 2 jours après la formation
• 1 semaine après la formation
• 1 mois après la formation
• Tous les 6 mois

Le futur : vers de l’adaptive learning permettant des courbes de ré-apprentissage personnalisée ?

Chaque individu est différent et sa courbe d’apprentissage et de rétention de l’information sera elle aussi différente. Dans l’objectif d’améliorer l’efficacité des formations, on peut assez facilement imaginer une répétition espacée variable, complètement personnalisé par utilisateurs.

Le système fonctionnerait comme précédemment, avec des séquences d’emails constituant la répétition — comme un résumé du programme de formation.

Plutôt que de directement distribuer le contenu dans l’email, ce dernier aurait pour vocation d’amener l’utilisateur vers une fiche présentant le rappel des points essentiels ainsi qu’un quiz.

Le quiz, comme nous l’avons vu précédemment permet un rappel actif, sollicitant un plus haut degré d’attention mais permet aussi ici d’évaluer le niveau de rétention et programmer le rappel suivant en fonction de la note.

Si la note est faible, la prochaine répétition sera proche. Si elle est élevée, elle sera plus éloignée.

Avec plus de granularité, on peut même imaginer des questions spécifiques à des points clés de la formation et des répétitions dédiées à ces points, focalisant les rappels sur les notions les moins retenues par l’apprenant.

Conclusion

La courbe de l’oubli est un concept découvert et modélisé au début du siècle dernier. Il est intéressant de noter que les solutions clés en main aujourd’hui disponible ne font que très peu usage des recherches d’Ebbinghauss qui ont d’ailleurs été confirmées en 2015 par les docteurs Murre et Dros.

Commencer par implémenter cette notion de courbe de l’oubli, qui varie en fonction des usagers nous amène tout droit vers le futur du digital learning : l’adaptive learning et la personnalisation de l’expérience d’apprentissage en fonction de l’apprenant.

L’article Comprendre la courbe de l’oubli est apparu en premier sur Nativio.

A l’heure où les formations mixtes et distancielles représentent une part de plus en plus importante des plans de formations des entreprises, il est logique de penser à la mise en place ou à la refonte de votre plateforme LMS (Learning Management System) pour vos collaborateurs.

Dès lors, la question du choix du LMS devient primordiale et ne doit pas être prise à la légère.

Afin d’identifier la meilleure plateforme d’apprentissage, vous trouverez un grand nombre d’articles sur Internet vous indiquant les principaux critères de décision :

• Budget global
• Besoin de migration de contenu si nécessaire
• Type de contenu
• Type de formation
• Suivi et rapport de formation en ligne
• Contrainte d’hébergement (local ou dans le Cloud)
• Intégration avec des outils ou base de données tierces (SIRH)
• Personalisation de l’interface
• etc.

La taille et l’importance d’un LMS pour votre entreprise seront également des critères déterminant pour le choix d’une plateforme, c’est pour cela que nous vous proposons une liste de LMS divisée en trois grandes catégories : petites et moyennes entreprises, entreprises de taille intermédiaire et grandes entreprises.

Quel LMS pour une PME

En partant des critères précédemment évoqués, nous estimons le cas d’étude suivant :

Notre PME a un budget LMS compris entre 10k€ et 30k€, le responsable du projet fait parti des ressources humaines mais n’est pas dédié à plein temps à ce poste. Il n’y a pas de besoin de migration car aucun système n’était en place auparavant.

La PME n’est pas contre l’idée d’utiliser un SaaS, elle en utilise d’ailleurs d’autres pour ses outils internes, la personnalisation de l’interface est un plus mais n’est pas un pré-requis.

Enfin, les contenus seront de type SCORM — standards le plus utilisé pour les systèmes de formation en ligne — fournis par un prestataire et il sera nécessaire de pouvoir exporter quelques statistiques afin de suivre l’état de formation de ses collaborateurs.

CrossKnowledge

Les + : gamification (utilisation des mécanismes du jeu rendant l’expérience d’apprentissage plus ludique) même pour les petits clients, intégration des certificats avec LinkedIn par défaut

Les – : manque de support, tarification opaque

Cornerstone OnDemand

Les + : Un système LCMS (Learning Content Management System) permettant la publication rapide de contenu ainsi que des outils de reporting suffisamment avancés pour les PME. Le modules LCMS s’intègre très bien avec les outil de génération de contenu SCORM comme Articulate Storyline.

Les – : le support onDemand peut parfois être lent à répondre aux demandes des petits clients, il semblerait que la stratégie business de l’entreprise est de créer un outil monolithique et centralisé comme SAP plutôt qu’un petit LMS indépendant s’intégrant avec des outils open-source tiers.

EasyLMS

Les + : prix attractif en fonction du nombre d’apprenant par mois, support multilingue et prise en main rapide

Les – : l’intégration avec des outils tiers comme votre CRM n’est possible qu’à partir d’un plan premium, pas d’application mobile mais un design responsive, l’interface des examens mérite d’être rafraîchie (09/2018).

Quel LMS pour une entreprise de taille intermédiaire (ETI)

Toujours sur le même modèle, nous estimons le cas d’étude suivant :

Notre ETI a un budget LMS compris entre 30k€ et 100k€. Le responsable du projet est responsable formation et en charge du LMS, il recherche un outil permettant de se former via des MOOC mais également de gérer l’apprentissage mixte (blended learning).

Le responsable de projet devra également s’assurer que le nouveau LMS permet l’import des utilisateurs présent dans l’ancien système d’e-learning, il ne sera pas nécessaire de récupérer les statistiques antérieures à l’année en cours.

Enfin, l’entreprise est ouverte à l’utilisation d’un SaaS mais est également en mesure de faire héberger en interne la nouvelle solution.

Litmos LMS

Les + : intégration fluide avec SAP depuis le rachat par SAP, outil de création de cours WYSIWYG très pointu, intégration de contenu depuis Box et Dropbox et compatibilité avec les standards Tin Can et SCORM

Les – : difficulté de navigation et notamment de catégorisation des cours, prise en main moins facile que sur d’autres LMS plus réputés

Moodle

Les + : son prix, Moodle est open-source et gratuit quelque soit le nombre d’utilisateurs. Il est possible d’héberger Moodle dans vos locaux ou bien dans le Cloud. Enfin, de nombreux plug-ins et une communauté active permettent d’adapter Moodle en fonction de vos besoins.

Les – : support inexistant mais possibilité de passer par un prestataire spécialisé, l’interface graphique n’est pas des plus intuitive, les rapports par défaut ne sont pas suffisamment exhaustifs

360Learning

Les + : prise en main rapide, simplicité d’utilisation pour les apprenants comme les formateurs, support et développeurs en France

Les – : gestion des utilisateurs complexe, certaines fonctionnalités d’administration manquantes

Quel LMS pour une grande entreprise (GE)

Nous estimons le cas d’étude suivant :

Notre GE a un budget LMS supérieur à 100k€ / an.

L’entreprise a un prestataire externe ou interne en charge de la gestion du LMS à plein-temps, il est en charge d’un chantier consistant à remplacer le LMS existant par un nouveau LMS plus en phase avec les objectifs de formations de l’entreprise.

Des milliers d’utilisateurs seront touchés par ce changement, l’impact devra être mineur et la transition pour les collaborateurs aussi fluide que possible.

Le nouveau LMS devra répondre à un cahier des charges précis, et dans le cas de l’utilisation d’un LMS dans le Cloud, la DSI devra approuver ce choix afin de s’assurer que le prestataire répond à des critères rigoureux.

L’entreprise souhaite un LMS qui pourra perdurer et évoluer dans le temps et s’intégrer aux systèmes existants (SIRH, CRM, LRS, etc.).

Moodle

Encore une fois, Moodle peut être un choix judicieux en raison de sa grande capacité d’adaptation via les plugins externes. Il est par exemple possible d’ajouter un système de gestion de classes virtuelles en quelques jours seulement.

Bridge LMS

Les + : très bon support, des rapports très détaillés et un grand nombre de cours disponible sur la marketplace (principalement en anglais pour vos collaborateurs anglophones)

Les – : LCMS relativement simpliste, pas de possibilité de personnaliser les certificats

SABA

Les + : support excellent, intégration facile avec de multiples solutions RH

Les – : panel d’administration difficile à prendre en main, certains rapports ne sont pas suffisamment précis

Conclusion

Comme vous l’aurez compris, de nombreux facteurs entrent en compte lors du choix d’un LMS. La liste ci-dessus est loin d’être exhaustive et ne prend pas en compte de nombreux autres acteurs du marché des LMS comme Canvas, Blackboard, Open EdX, Docebo ou encore TalentLMS.

Lors du choix de votre LMS, rappelez-vous qu’il n’y a pas un LMS meilleur qu’un autre mais des avantages et des inconvénients pour chacun des e-learning du marché. Le tout est de lister vos besoins, comprendre vos objectifs et analyser l’existant afin de faire le choix qui s’adapte le mieux à votre situation actuelle et vos besoins futurs.

Nous vous conseillons par ailleurs de vous faire accompagner dans cette démarche par un cabinet de conseil indépendant plutôt que par un fournisseur LMS qui aura tendance à vendre son produit quelque soit votre besoin.

Enfin, pensez à prendre en considération l’alignement de votre LMS avec la stratégie globale de formation de votre entreprise : le LMS choisi est-il correctement dimensionné pour vos besoins à moyen et long terme ? Le coût de licence par utilisateur va-t-il devenir trop important en cas d’adhésion globale de votre entreprise au LMS choisi ?

Toutes ces questions méritent mûre réflexion et doivent impérativement être à l’ordre du jour de vos ateliers de travail autour du choix de votre future solution e-learning.

L’article Choisir sa plateforme LMS en 2019 : les bonnes questions à se poser est apparu en premier sur Nativio.