Atelier : Méga-analyse des effets des variables dans l’enseignement supérieur

Information

  • Auteurs : Philippe Dessus, LaRAC & Espé, Univ. Grenoble Alpes, et Romain Laurent, DAPI, Univ. Grenoble Alpes.
  • Date de création : Novembre 2018.
  • Date de modification : 23 mai 2019.
  • Statut : Terminé.
  • Résumé : Cet atelier incite à réfléchir sur une méga-analyse listant les princiaples variables pouvant avoir un effet sur l’apprentissage des étudiants, dans un contexte d’enseignement supérieur.
  • Licence : Document placé sous licence Creative Commons : BY-NC-SA.

Les variables principales sur lesquelles jouer dans l’enseignement supérieur

Dans la continuité des recherches Visible Learning de John Hattie (2008), qui a synthétisé les résultats d’environ 800 méta-analyses, résumant 52 637 études empiriques originales portant sur un total estimé de 236 millions d’élèves participants pour aboutir à une liste hiérarchisée de 138 variables et aux points forts de leurs associations avec la réussite scolaires, Schneider et Preckel (2017) ont réalisé une revue systématique de la littérature, incluant 38 méta-analyses portant sur 105 corrélats de réussite, basées sur 3 330 effets de près de 2 millions d’étudiants du supérieurs. Ils établissent une liste des 105 variables, classées par la taille de l’effet. Leurs résultats mettent notamment en évidence la relation étroite entre l’interaction sociale dans les cours et la réussite. La réussite des étudiants du supérieur est également étroitement associée à la stimulation d’un apprentissage significatif en présentant clairement les informations, en les rapportant aux perspectives étudiantes et en utilisant des tâches d’apprentissage exigeantes sur le plan conceptuel.

Toutes ces mega-analyses confirment que les variables proximales, qui capturent directement ce qui se passe dans la situation d’enseignement et dans l’esprit des étudiants, sont généralement associées plus étroitement à la réussite que les variables distales, qui impliquent le contexte plus large de l’apprentissage et affecter plus indirectement ce qui est fait dans les salles de classe. Outre les aptitudes des élèves, ce que font les enseignants et leurs élèves en situation d’apprentissage est le facteur le plus déterminant de la réussite.

Reprenant la méga-analyse de Schneider et Preckel (2017), les 105 variables ont été attribuées de manière heuristique à 11 catégories.

Six catégories sont liées à l’enseignement, à savoir :

  1. interaction sociale,
  2. stimulation d’un apprentissage significatif,
  3. évaluation,
  4. présentation,
  5. technologie, et
  6. formation extrascolaire.

Les cinq catégories restantes sont liées à l’apprenant, et déployables comme suit :

  1. intelligence et réalisations antérieures,
  2. stratégies,
  3. motivation,
  4. personnalité et
  5. contexte.

Le tableur téléchargeable ici). répertorie les 105 variables, en fonction de la force de leur association avec les résultats. Un Cohen’s élevé indique que les valeurs élevées des variables respectives ont tendance à être liées au rendement élevé des élèves. Les valeurs positives indiquent une association positive (par exemple, plus de questions ouvertes vont de pair avec un meilleur rendement des élèves), les valeurs négatives indiquent une association inversée (par exemple, une anxiété moindre du test va de pair avec un meilleur rendement). Une diminution d’une variable avec une taille d’effet négative peut augmenter la performance ainsi qu’une augmentation d’une variable avec une taille d’effet positive. Ainsi, toutes les variables du tableau 1 peuvent être utilisées pour rendre l’instruction plus efficace, quels que soient les signes de leurs valeurs de taille d’effet. A noter que depuis Hattie (2009), on utilise communément la taille d’effet cohen’s d=0,4 comme point d’articulation pour différencier les variables avec des tailles d’effet inférieures ou supérieures à la moyenne. Les variables dont la taille d’effet est supérieure à 0,4 doivent faire l’objet d’une attention particulière dans la conception des environnements d’apprentissage, même si les variables d’instruction dont l’effet est inférieur à 0,4 peuvent encore améliorer considérablement l’instruction, par exemple lorsque leur mise en œuvre coûte peu de temps et d’argent.

Tâche

  • Etablissez une représentation visuelle selon vous la plus à même de donner du sens à l’objet de cette recherche : quelles sont les variables les plus significativement associées à la réussite des étudiants ? De quelles catégories ressortent-elles ?
  • Parmi les variables non strictement liées par Schneider et Preckel (2017) à la catégorie Social Interaction, lesquelles semblent selon vous y être connectées ?

Références

  • Hattie, J. (2008). Visible learning: A synthesis of over 800 meta-analyses relating to achievement. New York: Routledge.
  • Schneider, M., & Preckel, F. (2017). Variables associated with achievement in higher education: A systematic review of meta-analyses. Psychological Bulletin, 143 (6), 565–600. doi: 10.1037/bul0000098