Nous avons testé l’hypothèse selon laquelle les étudiants en cours de psychologie de la femme réussissaient mieux les examens sous forme de QCM lorsque l’enseignant utilisait des méthodes d’apprentissage actif plutôt que de se limiter à des cours magistraux, des lectures autonomes, et des présentations vidéo. A travers 3 cours sur trois années, nous avons codé les items de ces contrôles selon le mode de présentation du contenu et la performance enregistrée de la classe entière. En comparant les résultats inter et intra-classes, nous avons toujours trouvé que les étudiants réussissaient mieux les items qui évaluaient le contenu abordé avec des techniques d’apprentissage actif, comparé à d’autres formats. Ces données fournissent des preuves empiriques qui démontrent l’efficacité de ces techniques.

« Apprentissage actif » est aujourd’hui une expression à la mode, qui évoque une technique pédagogique encourageant l’enseignement focalisé sur celui qui apprend, et non pas simplement sur le contenu (Halonen, Brown-Anderson, & McKeachie, 2002). Il comprend « tout ce qui implique les étudiants dans des activités ou réflexions autour de leur tâche actuelle » [2](Bonwell & Eison, 1991, p. 2). Le Comité du Développement de la Science de l’Apprentissage[3] (Bransford, Brown, & Cocking, 2000) affine cette vaste définition afin de souligner la nécessité pour les étudiants de contrôler leur apprentissage, et Mayer (2004) a mis l’accent sur l’importance de la découverte guidée et structurée. Ce qui rend réellement l’apprentissage « actif » sont les processus cognitifs qu’il engendre permettant de trouver des schémas dans le contenu proposé, de les organiser en associations qui ont du sens, et de comprendre dans quelles conditions le savoir est utile, et enfin de pouvoir y faire appel sans difficulté (Bransford et al., 2000). L’apprentissage actif va donc au-delà de la simple disponibilité d’informations et souhaite faciliter la découverte autonome du savoir (Mathie et al., 1993) et la réussite ultérieure de nos élèves (Butler, Phillmann, & Smart, 2001; Lake, 2000; Lonka & Ahola, 1995; Schwartz & Bransford, 1998).

McKeachie (2002) affirme que la discussion est la méthode prototypique de l’apprentissage actif. D’autres évoquent également l’enseignement visuel, l’écriture en classe, la résolution de problème, l’enseignement numérique, l’apprentissage coopératif, les débats, le théâtre, les jeux de rôle, les simulations, les jeux et l’enseignement entre pairs (Sivan, Leung, Woon, & Kember, 2000). Teaching of Psychology propose d’autres exemples de techniques, et certains articles fournissent des preuves empiriques de leur efficacité dans l’amélioration de l’apprentissage (voir Butler et al., 2001). Cependant, nous savons qu’aucune étude à ce jour ne combine une grande variété de ces méthodes dans le but d’examiner leur efficacité globale comparée aux approches d’apprentissage non-actif. Nous avons mis en place cette étude dans le but de commencer à pallier ce manque. Nous y comparons la performance d’étudiants aux mêmes QCM d’un examen élaboré pour un cours de psychologie des femmes, donné lors des semestres de printemps de 2001, 2002, et 2003.

Lors de ces trois cours, le même enseignant (le premier auteur), a utilisé le même support et a tenté d’accorder plus de temps de classe à l’apprentissage actif tout en demandant à ses étudiants de lire leur manuel de manière autonome et d’apprendre entre pairs afin d’aborder certains contenus de cours.

Nous avons émis l’hypothèse que les performances aux examens en classe seraient améliorées, à la fois au sein d’une même classe et en comparant les différentes classes, lorsque l’enseignant présentait le contenu du cours en utilisant des techniques d’apprentissage actif. Nous avons tenté d’intégrer progressivement ces techniques durant les trois années de l’étude, et nous avons utilisé les cours donnés le plus récemment (2003) comme base, pour évaluer les changements de 2001 à 2003 mais aussi de 2002 à 2003.

Souvent les enseignants hésitent à inclure un grand nombre d’approches d’apprentissage actif dans leurs classes car ils ne peuvent alors plus traiter tout le contenu de cours. Bien que l’apprentissage actif, tel que nous le décrivons ici de manière large, ne soit pas très chronophage pendant les cours, il est devenu clair que lorsque l’utilisation de ces techniques devenait plus fréquente dans un cours, l’enseignant se reposait de plus en plus sur des lectures autonomes de manuels de la part de ses élèves. Elle était préoccupée car elle craignait que cette approche éducative ne permette pas d’aborder tout le contenu de cours, ce qui pourrait s’avérer préjudiciable au moment des examens.

De ce fait, en 2003, cette enseignante a créé des équipes d’étudiants qu’elle encourageait à travailler ensemble en cours et en dehors du temps de classe. Ce fonctionnement s’inspire de l’apprentissage et de l’enseignement entre pairs, qui permettent aux étudiants d’apprendre des choses d’autres d’étudiants qui partageant leur même niveau d’expertise (voir Johnson, Maruyama, Johnson, Nelson, & Skon, 1981; Nelson, 1996). Avec ces supports, nous avons prédit que les étudiants réussiraient aussi bien sur des items identiques abordés en cours magistral durant l’année précédente mais qui n’ont plus été abordés en classe par la suite, car traités lors de lectures complémentaires dans le manuel. Pour tester cette hypothèse, nous avons analysé la performance d’une classe sur des items d’examens qui évaluaient des contenus traités sous forme de cours magistraux avant 2003, puis uniquement sous forme de lectures complémentaires après 2003.

Méthode

Participants

Le groupe de participants était composé de 45 étudiants en 2001, 37 en 2002, et 38 en 2003 inscrits dans un cours « 400-level », c’est-à-dire un cours de premier cycle poussé, sur la psychologie des femmes dans une très grande université publique, enseigné par le premier auteur ou dont les textes étaient fournis par Yoder (1999, 2003). L’expertise de l’enseignante était incontestablement stable sur la période de trois ans d’enseignement de ce cours, car elle avait déjà donné ce cours régulièrement dans les 11 dernières années et elle avait 24 années d’expérience dans l’enseignement en 2001. La plupart des étudiants étaient des femmes (82% en 2001, 81% en 2002, et 95% en 2003), mais les classes ne variaient pas tant en termes de proportions de femmes, ?² (2, N = 120) = 3.65, p = .16. La quantité d’étudiants noirs américains dans chaque cours (13%, 14%, et 16%, respectivement) était conforme à la proportion dans l’université entière (15%). La note moyenne (GPA ou Grade Point Average, aux USA) des trois classes ne changeait pas (M = 3.03, Ety= .60; M = 3.18, Ety= .53; M = 3.04, Ety = .50, respectivement), F (2, 104) = .79, p = .46. La majorité des étudiants dans chaque classe avait choisi une spécialisation dans le domaine des arts et des sciences (64%, 73%, et 76%, respectivement), et ils étaient des étudiants de master (82%, 93%, et 84%, respectivement).

Procédure

Nous avons obtenu les notes moyennes de chaque classe (GPA) sans identifier les individus et nous avons pu utiliser des données rassemblées de classe grâce à l’accord du Comité de Recherche Institutionnel. Nous avons archivé et codé toutes ces données rétrospectivement ; au moment de l’enseignement, il n’y avait aucun projet de recherche donc les effets-expérimentateur chez les enseignants-chercheurs sont peu probables. Pour comparer la classe de 2001 avec celle de 2003 et ensuite la classe de 2002 avec celle de 2003, nous avons créé deux conceptions mixtes 4 x 2, avec quatre schémas de présentation qui servaient de variables « entre items » et rassemblé le résultat de la classe dans chaque item entre les classes comparées comme mesure intra-item répétée. Remarquez que les données analysées étaient des items d’examens, et non les étudiants.

De ce fait, les variables principales qui nous intéressaient lors de cette étude étaient (a) la performance globale de la classe (proportion de réponses correctes) pour des items de QCM identiques utilisés de manière répétée dans chaque classe et (b) un codage préliminaire, effectué par l’enseignant, de la méthode de présentation de contenu en rapport avec chaque question d’examen (apprentissage actif, cours magistral, lectures complémentaires uniquement, ou vidéo sans discussion). Pour effectuer ce codage initial, le premier auteur a beaucoup puisé dans ses notes et plans de cours qu’il a utilisés lors des trois classes en tant que documents d’appui pour les révisions de son manuel.

Les techniques d’apprentissage actif, utilisées de manière exclusive ou en complément de lectures, de cours magistraux et de vidéos, allaient de discussions brèves ou longues concernant le contenu éventuellement en petits groupes, des exercices, des simulations, des démonstrations ainsi que le remplissage et la discussion autour d’échelles de mesure en rapport avec le contenu (par exemple, le Objectified Body Consciousness Scale[4]; McKinley & Hyde, 1996).

Nous avons codé les contenus comme étant des « «livres » quand ils n’étaient pas abordés en cours. Les présentations-vidéos comprenaient la présentation des contenus audiovisuels sans discussion complémentaire (les présentations vidéo précédées ou suivies de discussions actives étaient considérées comme des exemples d’apprentissage actif). Dans les trois cours, pour faciliter la préparation des étudiants, il leur était remis des guides de révision, présentant succinctement le contenu qui serait abordé, avant les examens. Ce codage des styles de présentation ne constituait que la première étape de création de 4 niveaux de la variable indépendante à prendre en considération, c’est-à-dire le changement de style selon les cours en maintenant les mêmes items d’examens. Il existait deux conditions expérimentales qui comprenaient des items d’examens (a) pour lesquels l’enseignant passait d’apprentissage non actif (en combinant des cours magistraux, des lectures seules et des vidéos seules) à un enseignement qui intégrait certaines composantes d’apprentissage actif pour ce contenu dans un cours ultérieur et (b) qui puisait dans l’apprentissage actif des cours qui étaient comparés. Nous avons également créé deux conditions de contrôles dans lesquelles le contenu (c) était abordé avec les mêmes techniques non actives dans les deux cours (par exemple, cours magistral dans les deux) ou (d) était abordé en utilisant des techniques non actives différentes selon les classes (par exemple cours magistral dans le premier et lectures seules dans le cours suivant). Ces conditions de contrôle évaluaient les techniques de présentation inchangées et changées, respectivement, comparant de manière appropriée les deux conditions expérimentales mais sans aucune composante d’apprentissage actif. Cette conception et le nombre de sujet dans chaque groupe apparaissent dans le Tableau 1.

En 2001, l’enseignant a utilisé deux examens de 20 items, avec 38 de ces 40 items qui étaient réutilisés dans les deux années suivantes. En 2002 et 2003, les étudiants ont passé trois examens de 40 items, et 105 de ces 120 items étaient des items réutilisés[5]. Chaque année, l’implication dans l’apprentissage actif augmentait dans ces trois cours, et était de 13% (5 items sur 39) des items d’examens en 2001 qui évaluaient le contenu de cours présenté par l’apprentissage actif, 20% (22 items sur 108) en 2002, et 27% (29 items sur 108) en 2003. Avec ce changement, l’utilisation des cours magistraux a baissé (77% ou 30 items : 35% ou 38 items ; 19% ou 21 items, respectivement) et le recours aux lectures complémentaires a augmenté (7% ou 3 items; 36% ou 39 items; 48% ou 52 items, respectivement). Chaque année, nous basculions progressivement vers un recours plus soutenu aux techniques d’apprentissage actif comparé à tous les autres styles de présentations combinées, 2001 à 2002: ?² (1, N = 39) = 12.90, p < .001, Cramer’s ?= .58; 2002 to 2003: ?² (1, N = 108) = 49.82, p < .001, Cramer’s ? = .68.

Pour nous assurer de la comparabilité des items d’examens utilisés pour évaluer le contenu abordé grâce à des techniques actives versus des techniques non actives, nous avons également codé les items d’examens en utilisant une nouvelle version de la taxonomie de Bloom (Anderson & Krathwohl, 2001). Des niveaux d’apprentissage sollicitant des fonctions cognitives supérieures (codés 1) correspondaient aux items qui nécessitaient de l’application, de l’analyse, de l’évaluation ou de la synthèse, en comparaison avec les items qui nécessitaient l’apprentissage par cœur de connaissances ou la compréhension de base (codé 0). Dans les trois classes, la proportion des items codés haut niveau (68% à 69% de tous les items au sein d’une classe) et bas niveau était la même pour les items d’apprentissage actif et les autres items: 2001: ?² (1, N = 39) = .31, p = .58; 2002: ?² (1, N = 108) = .001, p = .97; 2003: ?² (1, N = 108) = .004, p = .95. Ces comparaisons suggèrent que les items d’examens étaient de difficulté semblable selon les styles de présentations et exigeaient des niveaux similaires de traitement cognitif de l’information.

Résultats

Pour évaluer les changements de performance de 2001 à 2003, nous avons utilisé une ANOVA multi-méthodes qui explorait les changements de performance de classe comparés d’une année à l’autre (les variables intra-items) au sein des quatre catégories d’items (variables inter-items). L’interaction prédite des changements de performance selon les schémas de présentations était significative, Hotelling’s F (3, 34) = 4.56, p = .009, ?² = .29. Comme nous le voyons dans le Tableau 1 (lignes horizontales), cette interaction a lieu à cause de la performance améliorée aux items dont le type de présentation a basculé vers l’apprentissage actif, t(8) = 3.03, p = .016, r = .79. En comparaison, la performance à l’examen dans ces deux classes restait stable dans les trois autres catégories de présentations. Lorsque nous nous penchons sur la performance intra-classe (la colonne des sous-totaux du Tableau 1), les étudiants en 2001 réussissaient mieux sur les 4 items enseignés avec des méthodes d’apprentissage actif que sur les 34 autres items, t (35.8) = 5.84, p < .001, ?² = .11, avec moins de variance dans les résultats pour les items d’apprentissage actif, F (1, 36) = 5.81, p = .02. Les étudiants en 2003 avaient des résultats similaires aux items actifs et non actifs réutilisés à partir de la classe de 2001, t(36) = 1.62, p = .11.

En étudiant la comparaison entre les classes de 2002 et de 2003, nous remarquons que l’interaction attendue a lieu à nouveau, Hotelling’s F (3, 101) = 6.27, p < .001, ?² = .16 (voir Tableau 1). Les analyses de suivi ont reproduit ces mêmes schémas énoncés pour les comparaisons des classes de 2001 et 2003. En confrontant ces résultats avec la performance dans les différentes classes, qui demeurait stable au sein des présentations actives et non-actives, les étudiants ont eu de meilleurs résultats aux items d’examens où nous avons remplacé des présentations non actives par des présentations actives, t(9) = 3.23, p = .01, r = .77. Comme pour la classe de 2001, les étudiants de 2002 avaient de meilleurs résultats pour les items qui abordaient le contenu enseigné avec des techniques d’apprentissage actif qu’aux items utilisant de l’apprentissage non-actif, t (43.3) = 3.48, p = .001, ?² = .06, à nouveau avec moins de variance au sein des items d’apprentissage actif F (1, 103) = 6.49, p = .01. En employant les items réutilisés de 2002 en 2003, nous avons trouvé un sous-total montrant la différence entre la performance aux items utilisant des techniques actives et non actives en 2003. Il montrait que les 29 items d’apprentissage actif étaient mieux réussis, t (79.1) = 2.71, p = .008, ?² = .05 à nouveau avec moins de variance au sein des items d’apprentissage actif, F (1, 103) = 7.39, p = .008.

Enfin, nous avons voulu explorer notre idée selon laquelle, avec des soutiens compensatoires, le contenu perdu d’un cours magistral n’affecterait pas la performance à l’examen. Nous avons comparé les performances entre les classes sur des items abordés en cours magistral précédemment mais présentés en 2003 sous forme de lectures de manuels uniquement. En prenant en considération 12 items de ce type de 2001 (M = .77, ETY = .12) à 2003 (M = .77, ETY = .12), aucune différence n’est apparue, t(11) = .19, p = .86, r = .75. Ceci était également vrai pour un autre échantillon de 2002 de 13 items qui est passé de cours magistral à lecture seule (M = .73, ETY = .11) à 2003 (M = .71, ETY = .18), t(12) = .35, p = .73, r = .65.

Discussion

Les résultats inter et intra-classes que nous trouvons à partir des analyses de données sont claires et généralement constantes : le contenu traité par des techniques d’apprentissage actif menaient à des résultats plus élevés et moins variables aux items d’examens que le contenu traité avec des cours magistraux, des lectures seules, ou des présentations vidéo sans discussion. Il y a eu une exception pour les items de 2001 réutilisés en 2003 pour lesquels les résultats étaient meilleurs en utilisant des techniques d’apprentissage actif mais pour lesquels les résultats n’atteignaient pas un seuil statistiquement significatif. Les classes composées d’étudiants avec des notes moyennes similaires avaient des résultats comparables aux items présentés avec des techniques semblables, ce qui suggère que la différence entre étudiants n’expliquait pas les différences de performances à l’examen. Pour les comparaisons, nous utilisions des items communs et un contenu de cours constant, afin de réduire l’impact de la variable contenu ou items (également soutenu par des analyses montrant la comparabilité des items selon les niveaux d’apprentissage de Bloom). Les résultats étaient reproduits dans les comparaisons entre chaque groupe de deux cours, afin de pouvoir les généraliser.

Table 1. Proportion Correcte Pour les Items d’Examens réutilisés en fonction du schéma de présentation

Note. Les sous-totaux associent les items actifs et non actifs durant l’année. Différents indices selon les classes (rangées horizontales) montrent les différences significatives de moyennes identifiées par les t tests post hoc.

^a Représente le nombre d’items répétés

En utilisant une gamme d’items d’examen plus limitée, nos observations suggéraient que le contenu perdu à cause du temps consacré aux techniques d’apprentissage actif n’avait pas d’impact négatif sur la performance. Les défenseurs de l’apprentissage actif (voir Bransford et al., 2000) expliquent cela en évoquant le travail métacognitif qui s’amorce à travers l’apprentissage actif, pouvant par la suite se transférer directement aux apprentissages ultérieurs. Ce transfert représente ce que Schwartz et Bransford (1998) souhaitaient démontrer. Leur condition expérimentale d’apprentissage actif examinait des étudiants qui analysaient des cas cliniques de manière active, en y associant un cours magistral et de la lecture. Leurs données ont montré un apprentissage plus en profondeur pour ceux qui apprenaient avec des méthodes actives. La compréhension du contenu proposé par la suite sous forme de lecture ou de cours magistral était sans doute affectée par leurs expériences précédentes d’analyses de cas. Cependant des études supplémentaires sont nécessaires pour différencier l’impact des cours magistraux et des lectures en tant que contenu complémentaire de soutien. Nos données, bien que limitées, sont cohérentes avec le postulat selon lequel le contenu non traité en cours, mais abordé de manière indépendante avec des lectures complémentaires, n’est pas sacrifié mais compensé par le travail métacognitif précédent.

Un frein à la plupart des recherches examinant l’efficacité des techniques d’enseignement est l’incapacité des chercheurs à affecter des étudiants à des cours de manière aléatoire et à y inclure de multiples enseignants pour chaque condition. Les items d’examen et le contenu sont de difficultés différentes, et les classes d’étudiants varient selon des dimensions incontrôlées et incontrôlables. Le niveau d’apprentissage exploité par chaque item d’examen, ainsi que les notes moyennes de la classe, ont aidé à éliminer certaines explications alternatives fréquentes de nos résultats. Cette étude présente encore de potentiels problèmes de validité externe et interne. Ce sont les étudiants qui ont choisi leurs cours eux-mêmes, et une seule enseignante donnait le cours en entier (bien qu’elle ait codé les items d’examens rétrospectivement avec l’aide de notes de classe détaillées afin de minimiser l’effet-expérimentateur potentiel). Cependant, les tendances retrouvées dans nos données, la réplication de ces résultats dans les groupes de deux cours et les nombreuses comparaisons assorties des performances d’étudiants renforcent selon nous la validité de notre conclusion qui énonce que les présentations d’apprentissage actif améliorent la performance lors d’examens sous forme de QCM.

Pour les enseignants, ces observations les pousseront à cibler certains contenus de cours qui seraient compatibles avec les approches d’apprentissage actif et à mettre en place des lectures soutenues pour certains thèmes du cours magistral. Comme cela a été le cas dans cette étude, les décisions quant au moment et à la manière de présenter ce contenu relève de l’enseignant. Ceci repose énormément sur son jugement concernant la qualité et la clarté de ces lectures obligatoires. Choisir un moment pour utiliser une technique d’apprentissage nécessite un questionnement perpétuel de l’enseignant autour du plus important matériel à traiter et celui qui reste encore confus pour les étudiants. (L’analyse des items d’examens peut aussi permettre d’identifier ces zones d’ombre et en effet, dans cette étude, l’enseignant a identifié et ciblé le contenu pour les interventions actives que ces analyses révélaient être mal réussies). Comme la capacité de rétention d’informations est limitée, encourager les enseignants à identifier puis cibler les points essentiels dans le contenu de cours est une étape essentielle pour l’utilisation de toute technique d’apprentissage.

Élargir votre gamme de techniques d’apprentissage actif est une autre étape cruciale. La définition que nous avons utilisée (« tout ce qui implique les étudiants dans des activités ou des réflexions autour de ce qu’ils sont en train de faire », Bonwell & Eison, 1991, p. 2), offre un large éventail de possibilités. Ces approches peuvent aller de démonstrations élaborées, occupant une heure entière de cours et des activités structurées, à de simples compléments de techniques utilisées auparavant, comme des cours magistraux ou des présentations vidéo. En plus des possibilités créatives et vérifiées proposées dans Teaching of Psychology, il y a des paramètres généraux simples que les enseignants peuvent envisager.

Par exemple, il est possible de faire de courts écrits d’une minute juste après des présentations vidéo ou des cours magistraux (Angelo & Cross, 1993). Nous proposons aux étudiants de noter les éléments les plus importants qu’ils viennent d’apprendre et ce qui demeure confus pour eux (ensuite ils peuvent partager cela avec leur équipe de pairs ou en classe entière). Ceci peut permettre d’identifier les incompréhensions des étudiants et permettre de faire des associations de connaissances (Butler et al., 2001). Proposer aux élèves de découvrir ces différents schémas sur des cas individuels avant le cours magistral les prépare à la prédiction de résultats d’études de recherche (Schwartz & Bransford, 1998), ce qui suggère que la discussion avant un cours magistral ou une lecture peut les préparer à apprendre et à retenir davantage. Encadrer ces discussions, à la fois dans des petits groupes de pairs ou en classe entière, en utilisant des questions qui stimulent la réflexion (voir King, 1995) est une autre technique qui encourage l’implication des étudiants. Remplir une échelle de mesure avant un cours magistral peut la rendre plus compréhensible et encourager les élèves à effectuer des analyses critiques et concrètes au sujet de ses mesures et de sa construction sous-jacente. Les cours de psychologie proposent un contenu tout particulièrement riche et profond qui permet aux enseignants d’intégrer facilement des techniques d’apprentissage actif au sein de leurs cours, et nos données prouvent que cela permettra d’améliorer la performance en cours.

Références

Anderson, L. W., & Krathwohl, D. R. (Eds.). (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom’s taxonomy of educational objectives. New York: Pearson Education.

Angelo, T. A., & Cross, K. P. (1993). Classroom assessment techniques: A handbook for college teachers (2nd ed.). San Francisco: Jossey-Bass.

Bonwell, C. C., & Eison, J. A. (1991). Active learning: Creating excitement in the classroom (ASHE–ERIC Higher Education Rep. No. 1). Washington, DC: The George Washington University, School of Education and Human Development.

Bransford, J. D., Brown, A. L., & Cocking, R. R. (Eds.). (2000). How people learn: Brain, mind, experience, and school. Washington, DC: National Academy Press.

Butler, A., Phillmann, K. B., & Smart, L. (2001). Active learning within a lecture: Assessing the impact of short, in-class writing exercises. Teaching of Psychology, 28, 257–259.

Halonen, J. S., Brown-Anderson, F., & McKeachie, W. J. (2002). Teaching thinking. In W. J. McKeachie (Ed.), McKeachie’s teaching tips: Strategies, research, and theory for college and university teachers (11th ed., pp. 284–290). Boston: Houghton-Mifflin.

Johnson, D. W., Maruyama, G., Johnson, R., Nelson, D., & Skon, L. (1981). The effects of cooperative, competitive, and individualistic goal structure on achievement: A meta-analysis. Psychological Bulletin, 89, 47–62.

King, A. (1995). Inquiring minds really do want to know: Using questioning to teach critical thinking skills. Teaching of Psychology, 22, 13–17.

Lake, D. A. (2000). Active learning: Student performance and perceptions compared with lecture. In J. A. Chambers (Ed.), Selected papers from the 11th International Conference on College Teaching

and Learning (pp. 119–124). Jacksonville: Florida Community College at Jacksonville.

Lonka, K., & Ahola, K. (1995). Activating instruction: How to foster study and thinking skills in higher education. European Journal of Psychology of Education, 10, 351–368.

Mathie, V. A., Beins, B., Benjamin, L. T., Jr., Ewing, M. M., Hall, C. C. I., Henderson, B., McAdam, D. W., & Smith, R. A. (1993). Promoting active learning in psychology courses. In T. V. McGovern (Ed.), Handbook for enhancing undergraduate education in psychology (pp. 183–214). Washington, DC: American Psycho-logical Association.

Mayer, R. E. (2004). Should there be a three-strikes rule against pure discovery learning? American Psychologist, 59, 14–19.

McKeachie, W. J. (2002). McKeachie’s teaching tips: Strategies, research, and theory for college and university teachers (11th ed.). Boston: Houghton-Mifflin.

McKinley, N. M., & Hyde, J. S. (1996). The Objectified Body Consciousness Scale: Development and validation. Psychology of Women Quarterly, 20, 181–215.

Nelson, C. E. (1996). Student diversity requires different approaches to college teaching, even in math and science. American Behavioral Scientist, 40, 165–175.

Schwartz, D. L., & Bransford, J. D. (1998). A time for telling. Cognition and Instruction, 16, 475–522.

Sivan, A., Leung, R. W., Woon, C., & Kember, D. (2000). An implementation of active learning and its effects on the quality of student learning. Innovations in Education and Training International, 37, 381–389.

Yoder, J. D. (1999). Women and gender: Transforming psychology. Upper Saddle River, NJ: Prentice Hall.

Yoder, J. D. (2003). Women and gender: Transforming psychology (2nd ed.). Upper Saddle River, NJ: Prentice Hall.

Notes

1. Nous remercions Tom Angelo pour ses commentaires utiles et son séminaire pédagogique au sujet de l’enseignement, l’évaluation et l’apprentissage.

2. Envoyer vos correspondances à: Janice D. Yoder, Department of Psychology, University of Akron, Akron, OH 44325–4301; e-mail: jyoder@uakron.edu.

[1] Yoder, J.D. & Hochevar, C.M. (2005). Encouraging active learning can improve students’ performance on examinations. Teaching of Psychology, 32, 91-95.

[2] “anything that involves students in doing things and thinking about the things they are doing”

[3] Committee on Developments in the Science of Learning

[4] Ceci est une échelle basée sur la théorie de l’objectivation (http://fr.wikipedia.org/wiki/Th%C3%A9orie_de_l%27objectivation) composée de trois sous-échelles. L’OBCS comporte 24 items, utilisant chacun une échelle de Likert de 7 points, allant de 1 “Tout à fait en désaccord” à 7 « Tout à fait en accord ». La sous-échelle “Body Shame” ou “Honte de son Corps” évalue la honte ressentie du fait d’une impression de ne pas correspondre aux attentes de la société au niveau corporel.

[5] Quatre items ont été exclus : de 2001 à 2003, un item est passé d’apprentissage actif à cours magistral; de 2002 à 2003, un item est passé d’apprentissage actif à cours magistral, et deux items d’apprentissage actif sont passés en mode lecture seule. D’autres techniques d’évaluations utilisées comprenaient des présentations faites par des étudiants, des questions d’examens sous forme de courtes rédactions, et des dissertations, mais nous avons choisi de ne pas les analyser. L’utilisation de QCMs crée un test d’hypothèses plus stable. L’objet de ces devoirs supplémentaires était le même dans tous les cours afin que leur impact, s’il existait, soit similaire.

Notifications

• Cet article a été traduit en français de sa version originale avec la permission de la Division no 2 de l’American Psychological Association (APA). La Division no 2 ne garantit pas la précision de la traduction française ; la traduction n’étant pas produite par l’APA. Pour des questions concernant cet article ou tout autre publication de la Division no 2 de l’American Psychological Association, merci de contacter stp@teachpsyc.org
• Cet article a été traduit de l’anglais par Laetitia Ribeyre, Psychologue, Ecole de Psychologues Praticiens

Lire la suite : http://www.psychologicalscience.org/index.php/teaching/epp-aps-encourager-lapprentissage-actif.html