Personnalisation de l’apprentissage des langues en ligne Marie-Noëlle Godin Conceptrice pédagogique

Hypothèse de l’interaction L’amélioration de notre habilité à parler une langue relève de notre environnement linguistique et de nos interactions avec les autres (Long, 1996).

Hypothèse de l’interaction La rétroaction de l’autre nous force à développer des réflexes d’autocorrection et les habilités cognitives nécessaires pour surmonter les difficultés de communication, nous offrant un regard direct sur nos apprentissages.

Qu’en est-il en situation d’auto- apprentissage? Peut-on réellement interagir avec un ordinateur? ? ?

Certaines conditions sont nécessaires: Rétroactions fréquentes et personnalisées Développement de nouvelles habiletés cognitives Reconnaissance de son propre processus d’apprentissage Possibilité de modifier ou d’agir sur l’information présentée

Un profil unique Chaque individu manifeste des préférences quant à la manière dont la matière à apprendre lui est présentée. Personnalité Difficultés Expériences Culture Habiletés

Un profil unique L’enseignant en langues sait personnaliser son enseignement pour s’adapter aux besoins communicatifs et aux styles d’apprentissage de chacun. Personnalité Difficultés Expériences Culture Habiletés

Un profil unique En apprentissage assisté par ordinateur, ce profil d’utilisateur est appelé modèle d’apprenant. Personnalité Difficultés Expériences Culture Habiletés

Le système adaptatif A 1. Récolte les données sur l’apprenant (constitution du modèle)

Le système adaptatif A 1. Récolte les données sur l’apprenant (constitution du modèle) 2. Compare les données au comportement d’autres utilisateurs

Le système adaptatif A B 1. Récolte les données sur l’apprenant (constitution du modèle) 2. Compare les données au comportement d’autres utilisateurs 3. Sélectionne, puis présente le contenu à l’apprenant

Qu’en est-il du laboratoire de langues? Comment appliquer ces principes complexes aux formation d’auto- apprentissage en ligne utilisées dans le contexte de la classe de langues?

Hypothèses retenues par Carol A. Chapelle (1998) pour une interaction homme-machine adaptée Présenter des données compréhensibles que les apprenants peuvent manipuler à leur guise Favoriser une production (output) orale ou écrite intelligible Permettre à l’apprenant de repérer ses erreurs et les corriger Mettre de l’avant des tâches communicatives authentiques

Présenter des données manipulables Obtenir la définition ou la prononciation d’un mot (hypertextes, système d’étiquetage automatique) Pouvoir annoter ou surligner les sections de son choix Obtenir une reformulation ou une simplification d’un passage difficile Ralentir le débit d’un document audio ou vidéo Avoir accès à la retranscription d’un dialogue Isoler des éléments grammaticaux (analyseur syntaxique)

Favoriser une production intelligible Complexifier les QCM Capitaliser sur les messages implicites et les non-dits Ajouter le choix « Aucune de ces réponses » Favoriser la prise de risque Utiliser des scénarios à embranchement multiples ( ex. application Quandary) Utiliser un robot de conversation en ligne (analyseur ou générateur syntaxique) La présence d’un auditeur (même fictif) rend la tâche plus signifiante que si elle n’est effectuée qu’à des fins de pratique.

Permettre à l’apprenant de repérer ses erreurs et les corriger Utilisation de correcteur orthographique Utilisation d’un logiciel oscilloscope Utilisation d’outils de référence Reformulation Etc. Plus la rétroaction est adaptée à l’erreur et apparait de manière instantanée, et plus elle est efficace.

Mettre de l’avant des tâches communicatives authentiques Viser un but communicatif authentique (ex. partager une recette sur un blog de cuisine) Sortir les tâches pédagogiques du cadre institutionnel Varier les sources d’information L’apprenant déploiera ainsi des stratégies allant au-delà de la tâche linguistique, ce qui l’aider à se débrouiller dans le monde réel.

Conclusion La personnalisation des activités et des outils d’apprentissage s’avère être une stratégie prometteuse, notamment pour des publics aux besoins particuliers ou les classes de francisation hétérogènes, pour qui une ergonomie de l’interface ou une architecture cognitive adaptées permettraient un plus grand accès aux ressources pédagogiques en ligne ainsi qu’une expérience d’utilisation optimale.

Conclusion Système de classement partagé Un soutien et une collaboration scolaire et interscolaire est nécessaire dans le développement de modèles adaptatifs. La création d’un système partagé de classement des ressources pourrait faciliter la conception et le partage de scénarios d’auto-apprentissage de qualité et de ressources pédagogiques spécifiques.

Merci!