Contexte
L'apprentissage dans les EANs offre de nouvelles possibilités d'apprentissage individualisé, mais exige aussi beaucoup des compétences des élèves en matière de compétences d'apprentissage autorégulé. Les recherches montrent que les jeunes élèves et les élèves en difficulté ne profitent pas toujours de l'apprentissage dans les EANs, car ils ne possèdent pas les compétences nécessaires en matière de AAR (Azevedo, 2005). Malheureusement, l'importance des compétences AAR dans les EANs peut également engendrer des inégalités pour les élèves issus de milieux socio-économiques et académiques défavorisés. Toutefois, les recherches suggèrent également que les élèves défavorisés peuvent rattraper leur retard lorsqu'ils sont soutenus dans leurs compétences AAR (Guo et al., 2022). Les technologies numériques offrent de nombreuses possibilités de soutenir l'AAR, ce qui améliore les résultats de l'apprentissage (Prasse et al., 2024). Cependant, tous les élèves ne bénéficient pas d'un soutien à l'AAR et ce soutien est plus efficace lorsqu'il s'adapte aux besoins individuels des élèves (Wong et al., 2019). Des recherches supplémentaires sont nécessaires pour déterminer quelles caractéristiques spécifiques de l'apprenant influencent la façon dont les élèves perçoivent et utilisent les soutiens numériques en matière de AAR, et comment cela pourrait éclairer le développement de conceptions de soutiens adaptatifs en matière de AAR.

Les enseignant.e.s jouent également un rôle important dans l'adaptation de la conception pédagogique d'un EAN aux élèves ayant des capacités différentes, mais nous savons peu de choses sur la manière dont les enseignant.e.s du primaire utilisent les technologies numériques pour promouvoir l'AAR pour différents élèves. La recherche montre que les enseignant.e.s intègrent généralement peu de soutien à l'AAR dans leurs pratique en classe, souvent en raison de leurs compétences limitées (Karlen et al., 2020). Cette situation peut être encore plus prononcée dans les EANs. Dans ce cas, les tableaux de bord d'analyse de l'apprentissage pourraient aider les enseignant.e.s à mieux évaluer le niveau de l'AAR de leurs élèves et à leur apporter un soutien individualisé. Toutefois, l'utilisation de nouvelles méthodes (par exemple, l'apprentissage automatique) pour l'évaluation et le soutien du EAN à l'école primaire est complexe et implique des considérations éthiques. En outre, nous devons mieux comprendre comment les croyances et les compétences des enseignant.e.s influencent leur interaction avec ces aides à l'AAR (Molenaar, 2022).

Recherche et Perspectives
Par conséquent, l'objectif du projet DEEP-SRL est de permettre aux enseignant.e.s de concevoir des EANs qui favorisent les compétences d'AAR chez les élèves de l'école primaire dont les compétences et les orientations motivationnelles sont diverses. Cet objectif sera exploré dans le cadre de trois sous-projets :

(1) DEEP-SRL Student étudie comment les différentes compétences et orientations motivationnelles des élèves influencent leur interaction avec les instructions métacognitives numériques et le suivi métacognitif des élèves, et explore les facteurs d'un soutien adaptatif efficace en matière d'AAR. Dans le cadre d'une intervention à méthodes mixtes, 35 classes (5e année) travailleront sur un projet pluridisciplinaire portant sur la maîtrise de l'information et la compréhension de textes multiples dans un EAN.

(2) DEEP-SRL Teacher étudie les attitudes et les compétences des enseignant.e.s en matière de promotion de l'AAR dans les EANs, leur développement professionnel dans la conception d'aides à l'AAR, ainsi que leur perception et leur utilisation d'un tableau de bord interactif sur l'AAR développé dans le cadre du sous-projet 3. Nous mènerons une étude approfondie sous forme d'entretiens avec deux échantillons d'enseignant.e.s.

(3) DEEP-SRL Learning Analytics étudie comment l'analyse de l'apprentissage (par exemple, l'apprentissage automatique) peut soutenir l'évaluation et la promotion de lAAR. Nous visons à établir des profils du comportement des élèves en matière de AAR à partir de données de suivi (sous-projet 1) et nous développerons et évaluerons un tableau de bord interactif sur les compétences d'AAR pour les enseignant.e.s (sous-projet 2).

La contribution de notre projet est double. Tout d'abord, il permettra d'enrichir considérablement le discours théorique sur l'AAR chez les élèves du primaire et d'éclairer le rôle des enseignant.e.s et de la technologie dans la promotion des d'AAR. Ces connaissances peuvent contribuer à l'éducation et à la formation des enseignant.e.s. Deuxièmement, sur la base de nos connaissances des conditions sous-jacentes à la promotion adaptative de l'AAR dans les EANs, nous développerons un tableau de bord interactif de l'AAR qui aidera les enseignant.e.s à adapter leur soutien à l'AAR à des contextes d'enseignement spécifiques et aux divers besoins de leurs élèves.

Literature

Azevedo, R. (2005). Using hypermedia as a metacognitive tool for enhancing student learning? The role of self-regulated learning. Educational psychologist, 40(4), 199–209. https://doi.org/10.1207/s15326985ep4004_2 

Guo, J., King, R. B., Ding, Q., & Fan, M. (2022). Measuring and Promoting Self-Regulation for Equity and Quality of Online Learning: New Evidence from a Multi-Institutional Survey during COVID-19. Education Sciences, 12(7), 465. https://doi.org/10.3390/educsci12070465 

Karlen, Y., Hertel, S., & Hirt, C. N. (2020). Teachers’ Professional Competences in Self-Regulated Learning: An Approach to Integrate Teachers’ Competences as Self-Regulated Learners and as Agents of Self-Regulated Learning in a Holistic Manner. Frontiers in Education, 5, 159. https://doi.org/10.3389/feduc.2020.00159 

Molenaar, I. (2022). Towards hybrid human-AI learning technologies. European Journal of Education, 57(4), 632–645. https://doi.org/10.1111/ejed.12527 

Prasse, D., Webb, M., Deschênes, M., Parent, S., Aeschlimann, F., Goda, Y., Yamada, M., & Raynault, A. (2024). Challenges in Promoting Self-Regulated Learning in Technology Supported Learning Environments: An Umbrella Review of Systematic Reviews and Meta-Analyses. Technology, Knowledge and Learning. https://doi.org/10.1007/s10758-024-09772-z 

Wong, J., Baars, M., Davis, D., Van Der Zee, T., Houben, G.-J., & Paas, F. (2018). Supporting Self-Regulated Learning in Online Learning Environments and MOOCs: A Systematic Review. International Journal of Human–Computer Interaction, 35(4–5), 356–373. https://doi.org/10.1080/10447318.2018.1543084