Comment améliorer la rétention sans augmenter le temps d’apprentissage
(files.eric.ed.gov)- Pour améliorer la mémoire à long terme, il peut être plus efficace, plutôt que de rester sans cesse sur le même contenu, d’atteindre un niveau de performance sans erreur, puis d’espacer les révisions
- Le surapprentissage (overlearning) consiste à répéter les mêmes supports juste après avoir atteint le critère de maîtrise ; il a aidé les performances une semaine plus tard, mais son bénéfice avait presque disparu après quatre semaines
- Même à temps d’apprentissage total égal, la mémoire à long terme s’améliorait lorsque l’intervalle intersessions (ISI) entre deux sessions et l’intervalle de rétention (RI) entre le dernier apprentissage et le test étaient adaptés ; dans les expériences, l’ISI optimal se situait environ entre 10 et 30 % du RI
- En mathématiques aussi, le surapprentissage consistant à faire d’un bloc des exercices supplémentaires n’a pas amélioré les scores une semaine ou quatre semaines plus tard, tandis que le groupe ayant réparti le même nombre d’exercices à une semaine d’intervalle a obtenu de meilleurs résultats après une semaine, 74 % contre 49 %
- Les manuels et les cours devraient, pour favoriser la mémoire à long terme, éviter de regrouper d’un coup les exercices d’un même type, et plutôt faire revenir les contenus précédents sur plusieurs semaines ou mois tout en mélangeant différents types de problèmes
Le surapprentissage est moins efficace pour la mémoire à long terme
- Lorsqu’un apprenant étudie un support ou une compétence en une seule fois, il doit décider quand s’arrêter
- Par exemple, c’est le cas lorsqu’il parcourt une liste de mots, rappelle correctement chaque définition une fois, puis doit décider s’il répète encore la même liste
- Le surapprentissage consiste à continuer à étudier le même support même après avoir atteint une performance sans erreur
- Beaucoup d’éducateurs estiment que le surapprentissage améliore la mémoire à long terme
- Dans des environnements où de nombreux problèmes du même type sont regroupés, comme dans les exercices de mathématiques, les élèves passent beaucoup de temps en surapprentissage
- Environ 80 ans de littérature expérimentale montrent que l’apprentissage supplémentaire après l’atteinte d’un critère améliore souvent les performances lors de tests ultérieurs
- Toutefois, la plupart des études sur le surapprentissage testent les apprenants dans la semaine suivant l’apprentissage, et souvent dans l’heure qui suit
- Pour observer l’effet sur la rétention à long terme, il faut allonger l’intervalle de rétention (RI) entre l’apprentissage et le test
Ce que révèle une expérience d’apprentissage de mots : effet à une semaine et à quatre semaines
- Dans une expérience, les participants apprenaient des paires mot-définition comme
cicatrix-scar, en les testant de façon répétée comme avec des flashcards- La condition d’apprentissage adéquat faisait parcourir la liste 5 fois
- La condition de surapprentissage faisait parcourir la liste 10 fois
- Les apprenants en apprentissage adéquat dépassaient généralement rarement une session d’apprentissage parfaite, tandis que la plupart des apprenants en surapprentissage atteignaient au moins 3 sessions parfaites
- Les tests suivants avaient lieu une semaine ou quatre semaines plus tard
- Le surapprentissage apportait un bénéfice notable au test après une semaine
- Après quatre semaines, ce bénéfice était à peine détectable
- D’autres expériences montrent aussi que les bénéfices du surapprentissage diminuent avec le temps
- La période pendant laquelle le bénéfice est détectable dépend des détails de la procédure
- Le surapprentissage exigeant plus de temps d’étude, il faut le comparer aux effets qu’aurait le même temps utilisé autrement
- Plutôt que de continuer à étudier ce qu’on vient tout juste d’apprendre, réviser des contenus étudiés plusieurs semaines, mois ou années auparavant a généralement davantage de chances d’apporter un bénéfice plus important
- Cela ne signifie pas qu’il faille réduire le temps d’étude, ni rejeter l’entraînement répété en soi
- La question porte sur l’efficacité du fait de continuer à pratiquer le même support juste après avoir atteint une performance sans erreur
- Le surapprentissage peut aussi convenir à certaines situations
- Il peut être utile si l’objectif est la performance à court terme plutôt que la mémoire à long terme
- Il peut être souhaitable ou nécessaire dans les procédures d’urgence de pilotes, de militaires ou d’infirmiers, où des erreurs ou des réactions retardées peuvent avoir de graves conséquences
L’effet d’espacement fait durer davantage le même temps d’apprentissage
- Les recherches sur la répartition du temps d’apprentissage divisent généralement un temps total fixe en deux sessions et ajustent l’intervalle intersessions (ISI) entre ces deux sessions
- Si l’ISI vaut 0, l’apprentissage est considéré comme massé
- L’intervalle de rétention (RI) est toujours mesuré entre la deuxième session d’apprentissage et le test
- Les performances aux tests ultérieurs sont généralement bien meilleures quand l’apprentissage est espacé plutôt que massé
- C’est ce qu’on appelle l’effet d’espacement (spacing effect)
- Il existe plusieurs théories pour expliquer l’effet d’espacement, mais cette discussion dépasse le cadre de la recherche
- La distance optimale entre deux sessions d’apprentissage pour la mémoire à long terme restait une question encore peu connue
- Des expériences ont abordé cette question en utilisant de longs intervalles de rétention
L’intervalle optimal dépend du temps restant avant le test
- Dans une première expérience sur l’espacement, les participants apprenaient des paires de mots swahili-anglais
- L’ISI allait de 5 minutes à 14 jours
- Le RI était fixé à 10 jours
- Le rappel final dépendait fortement de l’ISI et était meilleur avec un ISI d’un jour
- Dans une deuxième expérience, les participants apprenaient les noms d’objets peu connus
- Le RI était de 6 mois
- L’ISI allait de 5 minutes à 6 mois
- L’effet était plus important que dans la première expérience, et l’ISI optimal était d’environ 1 mois
- Dans les deux expériences, l’ISI optimal se situait autour de 10 à 20 % du RI
- Pour un RI de 10 jours, l’ISI optimal était de 1 jour, soit 10 % du RI
- Pour un RI de 6 mois, l’ISI optimal était de 1 mois, soit 17 % du RI
- Les résultats préliminaires d’une expérience web en cours auprès d’environ 1 300 personnes vont dans le même sens
- L’ISI variait jusqu’à 15 semaines, et le RI jusqu’à 50 semaines
- L’ISI optimal variait selon le RI et se situait approximativement entre 10 et 30 % du RI
- Cette relation peut se résumer en trois tendances
- Quel que soit l’ISI, les scores au test baissent lorsque le RI s’allonge
- Quand le RI est fixe, les scores montent d’abord puis redescendent à mesure que l’ISI s’allonge
- Plus le RI s’allonge, plus l’ISI optimal s’allonge aussi
Ce que cela change pour la conception des cours, manuels et logiciels
- L’effet d’espacement apparaît fortement même sur de longues périodes correspondant à de vraies durées d’enseignement
- Des intervalles trop courts peuvent produire de moins bonnes performances que des intervalles excessivement longs
- Plus on observe la mémoire à long terme, plus l’effet d’espacement tend à s’amplifier plutôt qu’à diminuer
- Dans l’enseignement primaire et secondaire, il peut être plus avantageux pour les élèves de répartir les mêmes supports de façon espacée sur plusieurs mois plutôt que de présenter chaque semaine une nouvelle liste d’orthographe ou de vocabulaire
- À l’université, en l’absence d’examen final cumulatif, les incitations à réétudier les anciens contenus diminuent
- Les examens cumulatifs peuvent encourager le réapprentissage des contenus précédents
- Les programmes intensifs de langue étrangère peinent à créer un espacement suffisant en raison de leur courte durée
- Le niveau initial d’apprentissage peut paraître élevé, mais il peut être suivi d’un oubli rapide
- Le même schéma s’observe aussi en mathématiques
- Dans une expérience où des élèves ayant appris les permutations recevaient 3 ou 9 problèmes, les 6 problèmes supplémentaires créaient un fort surapprentissage, mais aucune amélioration des scores après une semaine ou quatre semaines n’a été détectée
- Dans une autre expérience sur la même tâche, le groupe qui résolvait 4 problèmes répartis en deux sessions à une semaine d’intervalle obtenait au test une semaine plus tard un meilleur score que le groupe qui les faisait tous en une seule session, 74 % contre 49 %
- Le groupe qui faisait 4 problèmes en une session n’obtenait pas de résultat significativement supérieur au groupe qui n’en faisait que la moitié, avec des scores de 49 % contre 46 %
- La plupart des manuels de mathématiques concentrent dans une même série d’exercices les problèmes liés à l’unité qui vient d’être abordée, ce qui encourage à la fois l’apprentissage massé et le surapprentissage
- Une alternative consiste à répartir les exercices d’une unité dans tout le reste du manuel sous une forme mélangée
- Par exemple, juste après une unité sur les paraboles, on peut ne laisser qu’une partie des problèmes sur les paraboles et placer les autres dans des séries d’exercices ultérieures
- Mélanger les types de problèmes crée non seulement un espacement temporel, mais aussi un apprentissage discriminatif
- Dans le format standard, une unité sur le test t à un échantillon est suivie uniquement de problèmes de test t à un échantillon, ce qui offre peu d’entraînement pour distinguer quelles caractéristiques d’un problème indiquent quelle procédure choisir
- Dans le format mélangé, les types de problèmes sont mêlés, et l’élève doit trouver la stratégie adaptée à chaque problème
- Ce bénéfice semble indépendant de l’effet d’espacement temporel
- Pour préparer un examen, la pratique de récupération consistant à essayer de se rappeler soi-même avant de regarder la réponse est généralement une bonne stratégie
- Après une erreur, il faut recevoir un feedback avec la bonne réponse
- L’enseignement assisté par ordinateur fournit déjà beaucoup de pratique de récupération et de feedback rapide, mais les possibilités d’organiser les sessions d’apprentissage de façon à optimiser la mémoire à long terme restent encore insuffisamment exploitées
- Les pratiques éducatives peuvent se rapprocher davantage des preuves empiriques que des traditions et des modes
2 commentaires
Avis de Hacker News
Ce n’est pas une critique de cette étude en elle-même, mais il faut garder tout le contexte en tête, surtout quand on parle d’« optimisation ».
Optimiser « apprentissage, période de rétention, test » pour maximiser la conservation des connaissances au moment d’un test différé, ce n’est pas la même chose que maximiser la valeur des connaissances apprises.
Pour augmenter la valeur de l’apprentissage, mieux vaut apprendre quelque chose qu’on peut utiliser immédiatement et intégrer tout de suite à d’autres apprentissages. Plus on l’utilise vite et souvent, plus sa valeur augmente et mieux on le retient.
Si l’on doit apprendre des connaissances importantes qu’on n’aura pas l’occasion d’utiliser à court terme, par exemple comment réagir à une complication rare en neurochirurgie, il faut créer des moyens d’utiliser ces connaissances. On peut créer un projet utile qu’on consultera de nouveau pendant la « période de rétention », et continuer à mettre à jour un résumé sur la réponse aux situations rares.
Donc, pour la valeur totale de l’apprentissage, il faut optimiser le choix des sujets, la progression dans les sujets, ainsi que « apprentissage, tests sélectifs, utilisation, utilisation, utilisation ». L’« utilisation » combine motivation, test, révision et réalisation de valeur.
Pour les enfants, bachoter les tables de multiplication peut se justifier.
Il incite à apprendre de nouveaux mots en contexte à partir de contenus natifs qui vous intéressent, plutôt que de contenus de manuel, et permet de constituer un corpus personnel avec les phrases réellement rencontrées.
Il sera bientôt étendu à davantage de médias, au-delà du Web et des epub : YouTube, mangas, entrées HDMI, émulateurs de jeux, etc.
Même si vous importez des flashcards créées par quelqu’un d’autre, il fournit des outils pour retrouver plus facilement des phrases liées dans les sources originales susceptibles de vous intéresser ou dans votre propre corpus. Davantage d’analyses de suivi au niveau des mots et des kanjis seront ajoutées, et il est offline-first et respectueux de la vie privée.
[Mods: it might be helpful to tag this paper as written in 2007]
Cet article semble présenter l’idée de la répétition espacée pour l’apprentissage, et elle est aujourd’hui assez popularisée dans la culture de la productivité et de l’apprentissage, avec des exemples comme Ali Abdaal.
Le passage disant que « les manuels de mathématiques peuvent facilement adopter un format qui favorise l’espacement » est effectivement déjà mis en œuvre dans les manuels, d’après mon expérience de soutien scolaire en maths au collège. À la fin de chaque chapitre, il y a un test de révision général du chapitre, suivi d’une section « Cumulative Practice » qui révise les thèmes des chapitres précédents.
Comme le souligne l’article, cette structure aide particulièrement les élèves à conserver le sujet en mémoire à long terme.
Quant à l’idée que l’enseignement assisté par ordinateur n’a pas encore pleinement exploité la possibilité de planifier les sessions d’apprentissage de manière à optimiser la rétention à long terme, un logiciel très populaire, Anki, implémente précisément ce type de protocole de « répétition espacée ».
Le modèle de données d’Anki est assez particulier ; cela tient aussi à sa flexibilité, mais il comporte des inconvénients et des pièges inattendus.
Plutôt que de réécrire le backend en Rust, j’aimerais voir un outil de répétition espacée avec une philosophie un peu plus claire et une UI un peu plus soignée.
Personnellement, la meilleure stratégie de rétention à long terme a été d’enseigner à quelqu’un d’autre ce que j’essaie moi-même de mieux apprendre.
En apparence, cela ressemble à une raison rationnelle et intelligente, mais la vraie raison est la malédiction de la connaissance. Les personnes qui sont à l’intérieur d’un système ne peuvent pas le voir de l’extérieur. Elles posent des hypothèses, utilisent des termes opaques, voire trompeurs, et recourent à des raisonnements circulaires.
Comme un nouvel arrivant ne connaît pas ces termes ni ces raisonnements circulaires, l’explication qu’il écrit sera plus facile à comprendre pour le prochain arrivant que ce que je dirais moi-même. Et cette documentation me permet aussi de revoir le système sous un angle nouveau. Peut-être qu’il n’a pas forcément besoin de fonctionner ainsi.
Un assistant dit à un étudiant : « Tu vois, à force de te l’expliquer aussi longtemps, j’ai fini par comprendre moi aussi ! »
C’est intéressant, mais j’espérais davantage de preuves. L’article parle d’une méthode de mélange qui consiste à mélanger les supports pour créer de l’espacement et réexposer l’apprenant, mais l’affirmation selon laquelle cela améliore réellement la rétention ressemble à une opinion.
Et je ne comprends pas non plus ce que serait une « interaction hypothétique entre ISI et RI ». Il suffirait de mener assez d’expériences pour la tracer réellement, non ? N’importe qui peut dessiner un graphique d’interaction hypothétique.
Si le contenu de cet article ou l’apprentissage de l’apprentissage vous intéresse, je recommande vivement de lire le blog de la personne qui l’a soumis : https://www.justinmath.com/blog/
Cela inclut non seulement ce que permettent les simples applications de répétition espacée automatique basées sur la saisie, comme la répétition espacée, l’apprentissage entrelacé et le rappel actif, mais aussi le double codage, qui mêle éléments visuels et autres éléments, ou encore des exercices d’élaboration comme le rappel libre
Pour appliquer ces éléments, ainsi que ceux qui aident à comprendre la motivation des apprenants, leur progression et les idées fausses « blindspot » identifiées, je développe Revision.ai avec un cursus de master en psychologie depuis avant GPT-3
https://www.justinmath.com/why-is-the-edtech-industry-so-dam...
Ce n’est qu’un article de 4 pages sur une stratégie d’apprentissage espacé précise. Ce n’est pas vraiment révolutionnaire, ni un panorama complet des techniques
À propos du passage « comme les gens oublient une grande partie de ce qu’ils apprennent, les étudiants peuvent tirer profit de stratégies d’apprentissage qui produisent des connaissances durables. Pourtant, on sait étonnamment peu de choses sur la manière la plus efficace d’obtenir une rétention à long terme », j’ai toujours pensé que le vrai problème était la pertinence de l’information
Les gens ont besoin d’une raison pratique de se souvenir de quelque chose au-delà d’un examen artificiel et absurde. Les techniques efficaces, c’est très bien, mais rien ne casse autant la motivation que de n’avoir aucune raison d’apprendre, à part « apprends parce qu’il faut le faire »
Quand on apprend quelque chose qui nous intéresse vraiment, on n’a pas besoin de chercher des flashcards, des tonnes de notes ou des techniques avancées. On le retient presque immédiatement, sans effort
Il doit exister un mécanisme qui mesure inconsciemment la pertinence de l’information et ajuste physiquement le niveau d’absorption. En quelque sorte, un « taux d’apprentissage »
Quand on enseigne à des étudiants considérés comme « les meilleurs parmi les meilleurs », employer le mot plaisir est assez douloureux, mais le plaisir reste important et, au moins pendant la majeure partie du semestre, il a un effet plus fort sur les étudiants que l’efficacité. Simplement parce qu’on leur a « dit d’apprendre »
En gros, pendant 70 % du semestre, la plupart des étudiants n’étudient pas 40 heures. Le travail réel tourne autour de 30 heures, et il se peut qu’il n’y en ait que 15 d’effectives. Dans les matières où l’intérêt n’est pas naturel, il manque un pont qui les intéresse ou les motive
En 2021, avec GPT-3, nous avons commencé à générer et intégrer dans l’application de flashcards Revision.ai des cartes de motivation expliquant « pourquoi apprendre ce concept ». On peut le lire au troisième point : https://www.revision.ai/articles/20ThingsRevisionAIDoesForBe...
La raison pour laquelle nous avons désactivé ces cartes était simple. Nous n’avons jamais réussi à trouver le bon moment pour les montrer à l’étudiant quand il en avait besoin. Si l’application était fermée, l’étudiant n’était pas motivé et ne voyait pas la carte ; si on l’affichait au milieu d’une session d’apprentissage, la carte ou l’exemple généré par l’IA interrompait le flux [https://www.instagram.com/p/CVVlIuVg31W/]
Nous avons aussi essayé de recommander des vidéos YouTube courtes ou de longueur moyenne, comme support visuel ou « pause » dans l’apprentissage intensif, mais cela n’a pas amélioré les résultats des étudiants. Au final, il semble que cela ne résolvait toujours pas le sentiment de faire quelque chose sur commande, plutôt que de glisser naturellement vers l’apprentissage
Si vous avez des idées techniques ou conceptuelles pour accroître l’intérêt des étudiants, je serais curieux de les entendre. Nous avons constaté que transformer les diapositives de cours en séries d’exercices avec des éléments visuels clairs [https://www.instagram.com/p/C5ByftwiJ00/] découper le contenu et montrer la progression motivait les étudiants à travailler davantage. Dans les articles associés, cela semblait aussi pouvoir réduire l’anxiété liée aux examens et le stress
Si le sujet motivant est quelque chose que l’on peut pratiquer, on peut mieux le retenir en le faisant soi-même. Cela fonctionne aussi comme une forme de répétition espacée. Mais dans des domaines comme l’astrophysique ou la macroéconomie, c’est difficile à faire
Quand on est motivé, on est aussi plus susceptible de prendre un autre livre sur le même sujet, ce qui constitue une autre forme de répétition espacée
La raison pour laquelle le surapprentissage est si répandu tient probablement moins à son intérêt pour l’individu qu’au fait qu’il permet à un enseignant de gérer beaucoup d’élèves à la fois
Pour mesurer la bonne quantité d’apprentissage, il faudrait que l’enseignant travaille individuellement avec chaque élève et donne des exercices adaptés à la qualité des connaissances nouvellement formées
Mais le système est globalement conçu pour l’éducation de masse, afin d’amplifier l’impact de l’enseignant
Je travaille à plein temps sur Manabi Reader, un outil iOS/macOS pour apprendre en lisant le japonais : https://reader.manabi.io
Il combine lecture et flashcards, et suit tous les mots et kanji que l’on lit et apprend. À partir de là, il analyse ce qu’il faut apprendre pour lire un texte donné ou atteindre un objectif JLPT, et met en évidence dans le texte les mots inconnus et ceux en cours d’apprentissage.
Le prochain chantier côté flashcards consiste à remplacer l’algorithme SM2 par FSRS, et à faire en sorte que le simple fait de lire du contenu permette de réviser passivement les flashcards.
Je pense que la méthode consistant à réviser les flashcards une par une pendant des heures manque quelque chose du point de vue de la vitesse d’apprentissage. En plus de la révision passive des flashcards pendant la lecture, nous allons expérimenter d’autres techniques de révision, comme afficher d’un coup le vocabulaire d’une page avec les réponses masquables.
Notre esprit absorbe aussi des informations via la vision périphérique et en parcourant beaucoup d’informations d’un seul coup. Je ne suis pas convaincu que l’aboutissement des applications d’apprentissage fondées sur les recherches autour de la courbe de l’oubli soit l’interface de flashcards actuelle.
Nous travaillons aussi sur des fonctionnalités Reader comme les mangas, les PDF, YouTube et les émulateurs de jeux, ainsi que sur l’extension à toutes les langues.
Si vous vous intéressez à des recherches similaires, https://supermemo.guru vaut le détour. Sa page « about », un peu cachée, se trouve ici : https://supermemo.guru/wiki/SuperMemo_Guru:About
L’auteur est quelqu’un qui a consacré beaucoup de temps à ce sujet et à son histoire, y compris en écrivant des applications.
https://supermemo.guru/wiki/School_damages_your_brain
En tant que personne qui publie des articles en neurosciences, je trouve que c’est de la pure daube.
J’avais déjà étudié autrefois la meilleure façon d’apprendre, et il s’agit d’un article sur le spacing learning que j’avais découvert à l’époque. Il existe aussi un livre qui rassemble l’essentiel de ce type de contenus, donc si le sujet vous intéresse, cela vaut le coup d’y jeter un œil.
Traduction : Comment apprendre efficacement
Titre original : Make It Stick
https://www.yes24.com/Product/Goods/15341766