mardi 10 avril 2018

Cas de la pensée critique scientifique et de la pensée computationnelle

La science est l’ensemble des connaissances et études d’une valeur universelle, caractérisées par un objet et une méthode tous deux fondés sur des observations objectives vérifiables et des raisonnements rigoureux.




(photographie Jordan Baumgarten)



Acquérir une somme de connaissances et d’habiletés spécifiques dans un domaine scientifique n’est pas suffisant pour mener à une pleine maîtrise, car celle-ci dépend également du développement de capacités de pensée critique.

Il n’est pas non plus possible de s’engager dans des démarches de pensée critique scientifique fiable dans un domaine considéré, sans en posséder les connaissances et habiletés qui y sont liées.




Quand la pensée critique est nécessaire 


Des résultats anormaux, ou inattendus, peuvent être particulièrement importants pour établir de nouvelles connaissances et faire des découvertes. Leur mise en évidence dépend des connaissances antérieures de l’observateur. Elles peuvent bouleverser et remettre en cause des connaissances antérieures.

Les connaissances antérieures sont cependant nécessaires pour que le décalage soit rendu visible. On ne peut ainsi pas enseigner à un élève de nouvelles connaissances, de nouveaux concepts, sans venir les confronter et les connecter à ses connaissances préalables, certaines pouvant consister en des conceptions erronées.

Des données qui semblent étranges, parce qu’elles ne correspondent pas a notre modèle mental du phénomène à l’étude, sont très informatives. Elles stimulent l’attention et l’intérêt, créent une forme de déséquilibre de pensée.

Elles nous informent que notre compréhension est incomplète et nous guident dans l’élaboration de nouvelles hypothèses et progressivement à l’ajustement de nos connaissances et de nos schémas cognitifs.

Mais on ne peut reconnaître le résultat d’une expérience comme étant anormal, c’est-à-dire déclencher une forme de pensée critique, que si l’on s’attend à ce que quelque chose de précis se produise et qu’on peut en percevoir le décalage. Cette attente n’est possible que grâce à la connaissance du domaine. Tout comme l'est la capacité à créer une nouvelle hypothèse qui prendra en compte le résultat anormal.




La pensée scientifique


La pensée scientifique recouvre les procédures mentales par lesquelles la science est menée. Essentiellement, il s’agit de tout ce qui a trait à la démarche scientifique, au développement de modèles, aux questions de corrélations.

La pensée scientifique est à considérer comme une section de la pensée critique qui présente un ensemble de critères et de caractéristiques propres qui font qu’elle peut être appréhendée comme une entité.

Cependant, elle peut être considérée comme un sous-ensemble de raisonnements qui ne sont pas différents en nature d’autres types de raisonnement que font enfants et adultes.





Caractéristiques du raisonnement scientifique


En tant que forme de pensée critique, la pensée scientifique répond aux mêmes facteurs :

1) Pour s’engager dans un tel raisonnement scientifique, il faut avoir accumulé suffisamment de connaissances pertinentes dans le domaine considéré et avoir passé assez de temps à les pratiquer :
  • Les connaissances de base en matière de logique et de procédures générales sont nécessaires pour s’engager dans la réflexion scientifique. Il s’agit de pouvoir traiter les données, poser des hypothèses et les vérifier avec toute la rigueur nécessaire.
  • Le raisonnement scientifique gagne à être enseigné dans le contexte d’une riche connaissance de la matière.  Pour bien comprendre la raison d’être du traitement de données dans lequel on s’engage, par exemple au point de vue de la précision et de la validité statistique, il faut bien saisir quelle est sa signification dans le cadre de l’exemple traité. 
  • La familiarité avec le domaine permet de jongler plus facilement avec différents facteurs simultanément, ce qui nous permet d’analyser ou de construire des expériences qui contrôlent simultanément plus de facteurs.
  • Les connaissances et les croyances antérieures n’influencent pas seulement les hypothèses que l’on choisit de tester, elles influencent la façon dont on interprète les données d’une expérience. Nous devons donc nous méfier des bais et bien prendre en considération la validité éventuelle d’hypothèses alternatives. 

L’idée que la pensée scientifique doit être enseignée main dans la main avec le contenu scientifique est soutenue par la recherche sur la résolution de problèmes scientifiques.

Les approches efficaces de résolution de problèmes scientifiques sont celles qui mettent l’accent sur l’établissement de bases de connaissances complexes et intégrées. Par exemple, celles qui incluent des pratiques élaboratives comme la réalisation supervisée de cartes conceptuelles ou une explicitation des procédures de réflexion. Il s’agit donc d’un processus très progressif et complexe qui gagne à être découpé en étapes que l’on emboite au fur et à mesure qu’elles sont acquises.


2) Pour s’engager dans un raisonnement scientifique, il faut encore savoir reconnaître quand il est pertinent de le mobiliser
  • Dans un domaine comme les sciences, les élèves ont plus d’indices contextuels susceptibles de l'aider à déterminer quelle stratégie métacognitive utiliser. L’usage du raisonnement scientifique est rapidement évident.
  • De même, les enseignants ont une idée claire du domaine de connaissances plus large auquel appartient ce qu’ils doivent enseigner.
  • Si les élèves ne perçoivent pas les signes qu’il faut s’engager dans un raisonnement scientifique, ils vont au contraire penser de manière intuitive, car ce mode de fonctionnement a tendance à s’activer par défaut. 


3) L’intégration du raisonnement scientifique sert de fil conducteur et de stratégie maitresse en ce qui concerne la construction des connaissances. Les élèves doivent s’y engager.

Ce n’est qu’habitués par l’enseignant à mobiliser un raisonnement scientifique dans un contexte spécifique qu’ils le feront naturellement par la suite spontanément par eux-mêmes.

Toutefois, il faut éviter la confusion entre les exigences propres à l’apprentissage et celles liées à l’exercice d’une procédure propre à une matière scientifique.

Développer une pensée et être capable de suivre un raisonnement scientifique est une chose. Acquérir un bagage de connaissances scientifiques en est une autre et répond dans ce cas aux exigences propres à un enseignement et à un apprentissage tous deux efficaces.

Celles-ci, si elles ont été établies elles-mêmes par des démarches scientifiques s’en distinguent dans leur application pratique. Ce qu'on attend de l'élève c'est qu'il comprenne les connaissances, pas qu'il les recrée.

Une élève ne pourra mobiliser une pensée scientifique que dans des domaines spécifiques où il a été entrainé à le faire.





Cas de la pensée computationnelle


La pensée computationnelle ou pensée informatique s’intéresse à la résolution de problèmes en s’appuyant sur les concepts fondamentaux de l’informatique théorique. 

Comme le rapporte Daniel Willingham (2019), ses promoteurs tendent à la présenter comme une bonne façon d’enseigner une pensée logique générale. La pensée computationnelle correspond à l’idée d’initier les élèves à la programmation informatique, non pas à travers la maitrise d’un langage, mais par l’expression d’un processus réflexif impliqué dans la formulation de problèmes.

Seymour Papert en est l'initiateur :
  • Dans les années 1960, l’informaticien Seymour Papert a lancé des appels pour que les élèves apprennent la programmation informatique. 
  • Si au départ Seymour Papert s’est concentré sur la meilleure façon d'enseigner efficacement la programmation. Son projet a ensuite dérivé vers une autre idée. Selon Seymour Papert, l’apprentissage de la programmation pouvait avoir un effet positif au niveau des capacité de réflexion qui pourrait être transféré sur la résolution de problèmes.
  • En 1967, Seymour Papert développe le LOGO, un langage de programmation développé pour l'éducation. Le but spécifique est de stimuler les capacités de résolution de problèmes. 
Des études menées dans les années 1980 ont donné des résultats mitigés: 
  • Les recherches de Clements et Gullo (1984) ont suggéré que la programmation pourrait avoir un effet bénéfique limité sur la pensée divergente.La pensée divergente est un processus ou une méthode de pensée utilisée pour produire des idées créatives en envisageant de nombreuses solutions possibles. Cependant, cela ne peut pas être considéré comme une preuve qu'elle a un effet bénéfique majeur sur les capacités de résolution des problèmes. 
  • Une étude de révision réalisée en 1985 par Douglas Clements qui a examiné spécifiquement le LOGO et son effet sur d'autres domaines, a ajouté une nuance importante. Le simple fait d'enseigner aux étudiants comment programmer avec le LOGO n'a eu que peu ou pas d'effet. Cependant, si les enseignants l'utilisaient LOGO comme un outil pour des tâches ayant un but précis, comme les mathématiques ou la résolution de problèmes, un effet "modéré" pourrait être obtenu. Mais l'apport de l'enseignant était crucial pour générer cet effet ; la programmation elle-même ne jouait qu'un rôle marginal.
Une étude réalisée en 1990 par Van Lengen et Maddux, sur la base d'un essai contrôlé randomisé, n'a trouvé aucun lien entre la programmation et la capacité à résoudre des problèmes. 

La pensée computationnelle a été quelque peu oubliée, mais des appels ont été renouvelés au début du XXIe siècle, avec l’importance croissante prise par les technologies de l’information et de la communication (TIC) dans nos sociétés.

Comme le rapporte Daniel Willingham (2019), une méta-analyse récente (Scherer, Siddiq, & Viveros, 2018) offre des résultats apparemment encourageants sur la capacité d’apprentissage générale de la pensée computationnelle. Les chercheurs ont signalé que l’apprentissage pour programmer un ordinateur donne un transfert positif aux mesures de la pensée créative, des mathématiques, de la métacognition, des compétences spatiales et du raisonnement, avec une valeur moyenne de l’effet de g = 0,47 (voir article).

Cependant, les effets deviennent considérablement plus faibles lorsque les études utilisent un groupe témoin actif composé d’élèves qui n’avaient pas appris à programmer, mais avaient effectué d’autres activités. Cela peut indiquer qu’un effet placebo est en action pour une partie de l’avantage.

De ce qui reste, comme l’écrit Daniel Willingham (2019), il est raisonnable de penser que ce transfert était la conséquence d’un chevauchement conceptuel entre les programmes et ces compétences. Aucun avantage de transfert n’a été observé dans des domaines sans rapport.

Développer la pensée computationnelle par l’enseignement de la programmation servirait essentiellement à développer des compétences en programmation.

La pensée computationnelle serait un moyen de décomposer un problème en différentes étapes à mettre en œuvre pour parvenir à la solution requise. Elle n’est synonyme d’une pensée de la résolution de problèmes, mais constitue une approche possible de cette pensée. 

Le problème est l'idée qu'il est possible d'enseigner aux étudiants comment penser de manière à résoudre les problèmes. Or, il n’y a pas de preuves de l'efficacité de stratégies générales de résolution de problèmes n'a émergé. Rien ne permet de supposer qu’un tel enseignement conduit à une meilleure résolution de problèmes.


En conclusion


Les programmes scolaires destinés à enseigner la pensée critique générale ne peuvent avoir qu’un succès limité. L’acquisition de cette compétence est avant tout spécifique et contextuelle, appartenant au domaine où elle a été enseignée ou apprise, qu’elle soit scientifique, computationnelle ou autre. 

On retombe bien vite en effet sur peut-être le plus ancien des neuromythes, celui qui voudrait que le cerveau puisse être entrainé comme un muscle (voir article). 

Le transfert de compétences liées à la pensée critique scientifique est une caractéristique de l’expertise. Nos élèves n’ont pas le temps de l’acquérir dans le cadre scolaire. Toutefois ils sont susceptibles d'éventuellement la développer par la suite, durant leurs études si leur intérêt y est. 

Nous pouvons toutefois poser les prémices de la pensée critique dans un cours de sciences, mais en restant conscient qu’elle ne s’exprimera que dans les contextes où on l’a entraînée. 




(mise à jour le 10/11/20)

Bibliographie 


Willingham, D. T. (2007). Critical Thinking: Why Is It So Hard to Teach? American Educator, 31, 8-19

Science. (2019, juin 23). Wikipédia, l'encyclopédie libre. Page consultée le 14:28, juin 23, 2019 à partir de http://fr.wikipedia.org/w/index.php?title=Science&oldid=160360262.

Pensée computationnelle. (2019, avril 5). Wikipédia, l'encyclopédie libre. Page consultée le 05:29, avril 5, 2019 à partir de http://fr.wikipedia.org/w/index.php?title=Pens%C3%A9e_computationnelle&oldid=158158848.

Daniel T. Willingham, 2019, How to Teach Critical Thinking, A paper commissioned by the NSW Department of Education

Pedro De Bruyckere, Paul A. Kirschner and Casper Hulshof, More Urban Myths About Learning and Education: Challenging Eduquacks ..., 2019, Routledge

0 comments:

Enregistrer un commentaire