Skip to navigation – Site map

HomeNuméros18DossierLʼapprentissage en situation

Dossier

Lʼapprentissage en situation

Un nouveau paradigme de recherche pour lʼEIAO
Patrick Mendelsohn
p. 109-116

Abstract

Les environnements interactifs dʼapprentissage par ordinateur (EAIO) sont des systèmes informatiques dont la finalité est de produire ou de favoriser lʼacquisition de compétences cognitives de haut niveau, de manière individualisée. La recherche dans ce domaine doit pouvoir aboutir, à terme, à élaborer des modèles pour « agir » distincts des modèles pour « comprendre », contribuant ainsi aux travaux des psychologues sur le fonctionnement cognitif.

Top of page

Full text

  • 1 C. Bastien, « Plaidoyer pour un apprentissage différencié », Psychologie française, 1989, 34, (4), (...)

1Tout enseignant perçoit aisément quʼil existe de grandes différences dans les façons dʼapprendre de chaque élève. Cette constatation empirique a donné aux méthodes permettant dʼindividualiser lʼinstruction une valeur systématiquement positive. À lʼopposé, nous savons que certaines techniques dʼapprentissage sont globalement plus efficaces que dʼautres. Certains principes pédagogiques ont donc une vertu universelle, indépendamment des différences de fonctionnement entre sujets. Cette problématique est depuis longtemps au centre des préoccupations de tous les chercheurs qui travaillent dans le domaine des applications des technologies du traitement de lʼinformation à lʼéducation1. En effet, les « environnements interactifs dʼapprentissage par ordinateur » sont des systèmes informatiques dont la finalité est de produire ou de favoriser lʼacquisition de compétences cognitives de haut niveau de manière individualisée.

  • 2 E. R. Steinberg, Computer Assisted instruction : A Synthesis of Theory, Practice and Technology, Hi (...)

2Dans les années quatre-vingt, les recherches sur les tutoriels intelligents ont eu comme principal objectif dʼadapter le système au comportement de lʼapprenant au cours des sessions dʼapprentissage. La référence au terme « intelligent » signifiant que ces environnements sont capables de raisonner à partir dʼun « modèle » de lʼapprenant représenté généralement sous la forme dʼun ou de plusieurs systèmes de règles explicites. La construction de ce type de modèle et les réglages de lʼinteraction élève/ordinateur qui en découlent, révèlent de nombreuses questions de recherche fondamentale pour le psychologue et, en particulier, pour celui qui sʼintéresse aux différences individuelles2.

  • 3 E. Wenger, Artificial Intelligence and Tutoring Systems, Los Altos (CA), Morgan Kaufmann, 1987.
  • 4 Traduction libre de Situated Learning.
  • 5 A. L. Brown, A. Collins, P. Duguid, « Situated Cognition and the Culture of Learning », Educational (...)

3Les environnements dʼapprentissage reposant sur les technologies du traitement de lʼinformation ont subi une évolution très sensible depuis les vingt dernières années3 et cette évolution nʼest pas uniquement liée aux seuls progrès technologiques. Grâce en particulier aux coopérations poussées entre chercheurs fondamentaux et développeurs de système, on assiste aujourdʼhui à de profondes modifications dans la conception même de ce quʼapprendre et enseigner veulent dire. Lʼémergence du courant « contextualiste »4 dans les sciences cognitives5 marque ainsi une renaissance des idées de Vygostsky que certains interprètent comme une réaction naturelle à lʼexcès de formalisme introduit par les modèles sʼinspirant des théories du traitement de lʼinformation. Ce changement de paradigme nous amènera, dans un premier temps, à redéfinir le cadre théorique des recherches sur lʼapprentissage.

4Nous montrerons ensuite comment les concepteurs des environnements dʼapprentissage ont tenté de prendre en compte la variabilité comportementale des apprenants avec, comme objectif, de rendre lʼenseignement dispensé par ces environnements plus efficace et plus individualisé tout en proposant des principes de conception plus universels. Les difficultés de cette entreprise ne sont dʼailleurs pas étrangères au changement paradigmatique que nous avons déjà souligné. Enfin, dans la conclusion de cet article, nous proposerons les bases dʼune discussion plus théorique sur le concept de « modèle de lʼapprenant » en distinguant les modèles pour comprendre des modèles pour agir.

Lʼapprentissage en situation : un nouveau paradigme de recherche ?

  • 6 J. Lave, Cognition in Practice : Mind, Mathematics and Culture in Everyday Life, Cambridge (MA), Ca (...)
  • 7 J. J. Gibson, The Ecological Approach to Visual Perception, Hillsdale (NJ), Lawrence Erlbaum, 1986.

5En opposition avec la vision exclusivement symbolique du fonctionnement cognitif des années soixante-dix et quatre-vingt6, plusieurs auteurs proposent de replacer lʼétude de lʼapprentissage dans le contexte des activités cognitives qui lui donnent un sens. Pour ces auteurs, la nécessité de se trouver immergé dans la culture dʼun domaine de connaissances donné pour en maîtriser toutes les subtilités milite en faveur du fait que tout apprentissage est avant tout « situé » ou « contextualisé ». Par exemple, le fait que certaines procédures de traitement nécessitent une automatisation poussée, alors que dʼautres sont plus efficaces si elles sont encodées sous la forme de schémas que lʼon peut examiner, ne peut se comprendre, pour ces auteurs, quʼen référence à leur contexte dʼutilisation. En se démarquant nettement du courant « tout symbolique » des années quatre-vingt, les tenants de cette conception sʼinspirent largement des idées développées par Gibson7 dans le domaine de la perception. En effet, il apparaît de plus en plus évident que les conduites ne sont pas réglées par des plans dʼactions stockés en mémoire, comme dans les systèmes à base de règles. Les sujets ont plutôt tendance à régler leur conduite en fonction des différentes situations auxquelles ils sont soumis et ils nʼagissent de façon similaire dans deux contextes distincts que par analogie perceptivo-motrice. On retrouve là une idée chère à Gibson pour qui la signification et le sens dʼune action sont générés pas à pas, en fonction du contexte dans lequel le sujet se trouve engagé. De nombreux auteurs ont constaté quʼun sujet peut changer brusquement de but et dʼintention en cours de la résolution dʼune tâche, changeant par là même la signification du contexte dans lequel il est engagé. Pour ces auteurs, cʼest lʼinteraction entre un agent et un contexte qui doit être qualifiée dʼintelligente, ce qualificatif nʼayant aucun sens quand il est appliqué au seul agent.

  • 8 W. Clancey, « Representations of Knowing » in : Defense of Cognitive Apprenticeship, Journal of Art (...)
  • 9 Ce terme nʼest malheureusement pas facile à traduire car il nʼexiste en français quʼun seul mot pou (...)
  • 10 J. Sandberg, B. Wielenga, « Situated Cognition : A Paradigm Shift ? », Journal of Artificial Intell (...)

6Appliquant ces conceptions aux environnements dʼapprentissage8, Clancey et Young vont jusquʼà défendre lʼidée que le modèle de référence de lʼapprentissage devrait sʼinspirer de celui du compagnonnage quand lʼapprenti était accompagné et régulé par le « maître » dans le cadre même de son travail (Cognitive Apprenticeship9). Les débats autour de ces thèses animent le milieu des chercheurs depuis plusieurs années10 mais il est encore trop tôt pour évaluer ce que ce changement de paradigme apportera de novateur à la recherche sur les apprentissages. Ce qui est indéniable par contre, cʼest que les raisons profondes de ce changement de point de vue méritent une attention particulière.

7Il faut aussi noter que ce changement de point de vue sur lʼapprentissage accompagne les transformations auxquelles est soumis le concept de cognition dans dʼautres domaines des sciences cognitives : les travaux sur les réseaux de neurones et lʼémergence du connexionnisme dans le champ des neurosciences. Intelligence distribuée, abandon des concepts classiques de « mémoire » et de « connaissance » au profit de ceux dʼ« attention » et de « perception », « planification opportuniste », sont quelques-uns des dogmes de ce nouveau courant de pensée. Les conséquences qui en découlent sur la conception des environnements dʼapprentissage ne sont pas moins importantes. Le sujet et ses connaissances dʼune part, la tâche et sa complexité structurale dʼautre part, ne sont plus considérés isolément les uns des autres dans le dispositif dʼenseignement. La connaissance est une construction distribuée et négociée par les différents agents qui la manipulent au sein dʼun contexte qui seul est à même de lui donner un sens.

Les environnements interactifs dʼapprentissage par ordinateur (EIAO11)

  • 11 Environnement interactif dʼapprentissage par ordinateur, terme générique que nous utiliserons pour (...)
  • 12 M. A. Orey, W. A. Nelson, « Development Principles for Intelligent Tutoring Systems : Integrating C (...)

8Le concept dʼenvironnements interactifs dʼapprentissage est né de la nécessité de prendre en compte la complexité de ces processus dʼacquisition de connaissance, ceci afin de ne pas réduire lʼapprentissage par enseignement à sa seule fonction de transmission de contenus formels12. Lʼapprentissage est simultanément un processus de différenciation et dʼunification des savoirs. De différenciation dans la mesure où un des objectifs de lʼenseignement est dʼaugmenter la spécialisation et le nombre de procédures quʼun sujet peut associer aux problèmes quʼil sera susceptible dʼavoir à résoudre un jour. Dʼunification dans le sens où, pour être efficace, lʼenseignement doit réduire au minimum le nombre de ces procédures pour pouvoir les généraliser plus aisément ainsi que leur champ dʼapplication. Cette contradiction ne peut pas se traduire par un mode dʼenseignement par trop linéaire comme on le trouve dans les environnements traditionnels, quʼils soient orientés « découverte » comme dans les micro-mondes ou les simulations, ou quʼils soient orientés « instruction » comme dans les tutoriels ou les didacticiels.

9Les EIAO sont des systèmes dont la principale caractéristique est dʼintégrer, dans leur conception même, un certain nombre de principes opposés dont la régulation ou le contrôle sont tantôt à la charge de lʼapprenant, tantôt de la responsabilité du système. Ils illustrent la volonté de placer lʼinteraction sujet/contexte au cœur du dispositif dʼapprentissage.

Systèmes orientés « exploration » versus « instruction »

  • 13 M. T. Elsom-Cook, » Guided discovery tutoring », in : M. T. Elsom-Cook (Ed), Guided Discovery Tutor (...)
  • 14 R. R. Burton, J. S. Brown, » An Investigation of Computer Coaching for Informal Learning Activities (...)

10Un EIAO est un système qui réalise la synthèse entre, dʼune part, les avantages de lʼexploration libre, de la construction progressive des objets de connaissance par la découverte (apprentissage inductif) et, dʼautre part, lʼintérêt du guidage propre aux systèmes tutoriels. Lʼidée centrale est de permettre à lʼapprenant de transformer rapidement et efficacement ses expériences en connaissances organisées. Du point de vue de lʼinteraction « système/élève », ces environnements reposent sur ce que notre communauté appelle le principe de la « découverte guidée »13. Ce principe a déjà été appliqué avec un certain succès dans plusieurs réalisations14. Toutefois, sa mise en œuvre pose de nombreux problèmes conceptuels et techniques, en particulier pour tout ce qui concerne la prise en compte de la variabilité comportementale des apprenants face à une situation dʼapprentissage. En effet, lʼapprenant et le système sont pris ici comme des agents qui ont tous les deux le droit dʼintervenir dans le processus de décision. Lʼélève choisit ses objectifs, le contenu des exercices ou encore la possibilité de consulter une information dans un hypertexte et le système intervient en proposant des solutions, des conseils ou même en imposant un cheminement. Une fois maîtrisée, cette initiative mixte donne à lʼenvironnement une grande souplesse dʼutilisation. Son objectif est dʼengendrer chez lʼélève une meilleure intégration des connaissances et, par voie de conséquence, un intérêt plus soutenu dans lʼactivité dʼapprentissage.

Macro versus micro

  • 15 I. Harel, S. Papert, « Software Design as a Learning Environment », in : E. Soloway (Ed), Interacti (...)
  • 16 R. M. Gagné, R. Glaser, « Foundations in Learning Research », in : R. M. Gagné (Ed), Instructional (...)
  • 17 B. Y. White, J. R. Frederiksen, « QUEST : Qualitative Understanding of Electrical System Troublesho (...)

11Un EIAO est aussi un système qui privilégie lʼidée que la meilleure façon dʼapprendre cʼest de placer lʼélève dans une situation (quasi) réelle de conception et de travail. Plutôt que de construire des logiciels orientés sur lʼexplicitation formelle de connaissances scolaires, il apparaît plus profitable de concevoir des outils et des environnements qui assistent lʼélève efficacement dans les problèmes auxquels il doit faire face dans sa carrière dʼapprenant. Il apparaît en effet que lʼapprentissage incident de lʼensemble des connaissances nécessaires à la résolution dʼune tâche pose moins de problème de motivation ou dʼattention, si lʼintérêt pour la tâche est assuré à un niveau élevé. Ce principe se traduit par le slogan « apprendre dans un environnement complexe peut être plus aisé quʼapprendre dans un contexte épuré15 ». Il résume assez bien la position du courant « contextualiste » dont les défenseurs insistent sur la nécessité de construire des environnements dʼapprentissage significatifs. Nous savons néanmoins que ce principe est en opposition avec la nécessité reconnue par de nombreux travaux empiriques dʼintroduire un fractionnement temporel, par séquences, dans les apprentissages16. La complexité de certaines tâches, la multiplicité des savoirs impliqués à tous les niveaux de leur mise en œuvre ne permettent pas de maîtriser un domaine tant soit peu complexe, sans en décomposer le processus dʼacquisition en étapes. La résolution de ce conflit entre une perspective macro et micro a donné lieu à des solutions originales17. Toutes ces méthodes traitent plus ou moins directement du problème du découpage du savoir dans un environnement dʼapprentissage, de la notion implicite de stade de développement et, dans une perspective plus didactique, de lʼétayage pédagogique indispensable à la maîtrise progressive des connaissances complexes.

Récurrence ou non-récurrence dʼun traitement

  • 18 M. Minsky, « A Framework for Representing Knowledge », in: P. Winston (Ed), The Psychology of Compu (...)
  • 19 J. J. Van Merriènboer, O. Jelsma, F. G. Paas, « Training for Reflexive Expertise : A Four-Component (...)

12Une troisième dimension caractéristique de la recherche dans le domaine des EIAO est reliée au fait que toutes les connaissances nʼont pas le même statut dans lʼéconomie globale du fonctionnement cognitif. Par exemple, dans une activité cognitive complexe comme la programmation informatique ou le diagnostic médical, il existe une hiérarchie entre les connaissances récurrentes qui permettent dʼeffectuer des traitements marginaux et souvent répétitifs, et des connaissances plus complexes, moins fréquentes dont le concept de schéma en psychologie cognitive représente un bon exemple18. Ces connaissances organisées en schémas prennent en charge des traitements moins stables et doivent être abordées dans les environnements dʼapprentissage avec des moyens différenciés19. LʼEIAO doit donc permettre dʼentraîner un certain nombre de procédures de « calcul » pour acquérir les automatismes nécessaires à la résolution de problèmes récurrents (orthographe, opérations arithmétiques, décisions statistiques...). Celles-ci ne doivent faire lʼobjet que dʼadaptations locales et sont strictement définies par une méthode (strong methods). Mais, lʼEIAO doit aussi contribuer à mettre en place des schémas de résolution souples et puissants pour faire face aux problèmes peu fréquents qui nécessitent des transformations plus complexes en mémoire de travail (weak methods). La prise en charge de ces deux types dʼacquisition détermine des stratégies dʼapprentissage différentes : les premières supposent que lʼenvironnement favorise la « compilation » des connaissances sous la forme de règles facilement activables grâce à un encodage restreint qui favorise leur déclenchement dans des contextes bien spécifiques ; les secondes, que le même environnement soit capable de développer chez lʼapprenant des capacités inductives associées à un encodage élaboratif.

Connaissances mathémagéniques et connaissances génératives

  • 20 J. M. Hoc, Psychologie Cognitive de la Planification, Grenoble, PUG, 1987.
  • 21 M. J. Hannafin, « Emerging Technologies, ISD, and Learning Environments : Critical Perspectives », (...)
  • 22 Ibid, note 9, W. Clancey et M. F. Young.

13Pour un domaine de connaissances donné, un EIAO doit permettre dʼacquérir la maîtrise de modes de représentation variés et puissants : concepts et définitions attachés à des réseaux sémantiques partagés par tous, méthodes de calculs efficaces, systèmes de représentation et de traitement spécialisés20. Cette composante « mathémagénique » que lʼon retrouve dans certains environnements dʼapprentissage21 sʼoppose, sur cette même dimension spécificité/généralisabilité des stratégies dʼapprentissage, à un pôle qui traduit le souci dʼapporter aux apprenants des méthodes que lʼon pourrait appeler « génératives ». Ces méthodes ont pour objectif dʼapprendre aux sujets à construire des représentations ad hoc ou des outils adaptés spécifiquement à la tâche quʼils ont à résoudre seuls ou collectivement. Le courant « contextualiste » insiste sur lʼimportance quʼil y a de faire participer lʼapprenant à la construction des concepts et des définitions de termes propres à chaque domaine enseigné. Les représentations et les concepts dʼun domaine évoluent sans cesse, et il est raisonnable de considérer quʼun apprentissage efficace résulte dʼune implication du sujet à cette évolution, le but étant de donner à lʼapprenant la possibilité de communiquer efficacement avec les spécialistes ou les utilisateurs du domaine enseigné. Pour certains défenseurs de cette approche qui perpétuent ainsi la pensée de Vygotsky, lʼacquisition des codes et des représentations spécialisées, quʼils soient hérités ou construits de manière ad hoc, est même une des finalités de lʼapprentissage22. Ces codes sont imposés par la culture et conditionnent notre capacité à expliquer et partager nos expériences avec des tiers. De manière plus générale, un EIAO doit donc permettre à lʼélève de sʼorienter dans un univers cohérent à travers :

  • une multiplicité dʼactivités pertinentes (exploration, entraînement, mise en relation de domaines, correction dʼerreurs, planification de la tâche...) ;

  • à partir de représentations diversifiées (spatiales, verbales, qualitatives, quantitatives...). Il doit être enfin capable de générer ses propres modes de représentation à partir des codes communément partagés.

    *
    **

14Le comportement humain produit une grande variété de conduites et cʼest un des mérites de lʼapproche différentielle en psychologie que dʼavoir montré toute lʼétendue de cette variabilité comportementale par la méthode des tests. Mais, depuis longtemps déjà, le psychologue ne se contente plus uniquement de mesurer les effets de cette variabilité. En effet, si les différentialistes ont eu lʼhabitude de classer les sujets en fonction des différences quʼils observaient (en référence au concept de styles cognitifs), ils privilégient maintenant la voie qui consiste à provoquer « expérimentalement » la variabilité comportementale pour mieux comprendre le rôle joué par ces facteurs environnementaux et comportementaux sur les mécanismes du fonctionnement cognitif. Les modèles pour « comprendre » le fonctionnement cognitif ont ainsi pris le pas sur les modèles qui permettaient seulement dʼen mesurer les performances. Lʼapproche cognitiviste a ainsi permis à la psychologie de faire des progrès considérables. Mais lʼinextricable complexité des interactions entre variables quʼelle a mise à jour ne contribue pas à donner du fonctionnement cognitif la vue synthétique qui permettrait aux professionnels dʼutiliser les résultats de la recherche pour réaliser des applications concrètes.

15Nous avons montré que les recherches sur lʼapprentissage par enseignement et, plus particulièrement, les recherches sur les environnements dʼapprentissage ont apporté aux psychologues les moyens de mettre à lʼépreuve leurs modèles. Ces modèles ayant été construits principalement à partir de situations de laboratoire, cette mise à lʼépreuve a contraint les chercheurs à dépasser la complexité apparente du fonctionnement cognitif pour élaborer des principes généraux qui puissent aider le concepteur dʼenvironnement dʼapprentissage. Ils ont trouvé un soutien inattendu dans cette entreprise avec les défenseurs du courant « contextualiste » qui fondent leur méthodologie sur une analyse des situations réelles dʼapprentissage. Les environnements interactifs dʼapprentissage sont devenus de véritables laboratoires pour la recherche fondamentale. Franchissant un pas supplémentaire, nous proposons que les principes généraux sur lesquels repose la conception de tels environnements forment ce que lʼon pourrait appeler des modèles pour « agir », ces modèles ayant comme avantage de contenir à la fois des informations sur les buts poursuivis, les moyens de les atteindre et les pré requis nécessaires à leur mise en œuvre.

Top of page

Notes

1 C. Bastien, « Plaidoyer pour un apprentissage différencié », Psychologie française, 1989, 34, (4), p. 271-276.

2 E. R. Steinberg, Computer Assisted instruction : A Synthesis of Theory, Practice and Technology, Hillsdale (N.J.), Lawrence Erlbaum Associates, 1991.

3 E. Wenger, Artificial Intelligence and Tutoring Systems, Los Altos (CA), Morgan Kaufmann, 1987.

C. Solomon, Computer Environments for Children : a Reflexion on Theories of Learning and Education, Cambridge (MA), London, The MIT Press, 1986.

P. Mendelsohn, P. Dillenbourg, « Le développement de lʼenseignement intelligemment assisté par ordinateur », in : J. F. Le Ny (éd), Intelligence naturelle et intelligence artificielle, Paris, PUF, 1993.

4 Traduction libre de Situated Learning.

5 A. L. Brown, A. Collins, P. Duguid, « Situated Cognition and the Culture of Learning », Educational Researcher, 1989, p.  32-42.

6 J. Lave, Cognition in Practice : Mind, Mathematics and Culture in Everyday Life, Cambridge (MA), Cambridge University Press, 1988 et ibid, note 6.

7 J. J. Gibson, The Ecological Approach to Visual Perception, Hillsdale (NJ), Lawrence Erlbaum, 1986.

8 W. Clancey, « Representations of Knowing » in : Defense of Cognitive Apprenticeship, Journal of Artificial Intelligence in Education, 1992, 3, p. 139-168.

M. F. Young, « Instructional Design for Situated Learning », ETR & D, 1993, 4 1, (1), p. 43-58.

9 Ce terme nʼest malheureusement pas facile à traduire car il nʼexiste en français quʼun seul mot pour désigner Apprenticeship et Learning.

10 J. Sandberg, B. Wielenga, « Situated Cognition : A Paradigm Shift ? », Journal of Artificial Intelligence in Education, 1992, 3, p. 129-138 et ibid. note 8, W. Clancey.

11 Environnement interactif dʼapprentissage par ordinateur, terme générique que nous utiliserons pour désigner les différentes variantes de ces applications.

12 M. A. Orey, W. A. Nelson, « Development Principles for Intelligent Tutoring Systems : Integrating Cognitive Theory into the Development of Computer-Based Instruction », ETR & D, 1993, 41, (1), p. 59-72.

13 M. T. Elsom-Cook, » Guided discovery tutoring », in : M. T. Elsom-Cook (Ed), Guided Discovery Tutoring, London, Chapman Publishing, 1990.

14 R. R. Burton, J. S. Brown, » An Investigation of Computer Coaching for Informal Learning Activities », International Journal of Man-Machine Studies, 1979, 11, p. 5-24.

E. Wengers, Artificial Intelligence and Tutoring Systems, Los Altos (CA), Morgan Kaufmann, 1987.

P. Dillenbourg, « Designing a Self-Improving Tutor : PROTO-TEG », Instructional Science, 1989, 18, p. 193-216.

15 I. Harel, S. Papert, « Software Design as a Learning Environment », in : E. Soloway (Ed), Interactive Learning Environments, 1990, 1 (1), Ablex (NJ).

16 R. M. Gagné, R. Glaser, « Foundations in Learning Research », in : R. M. Gagné (Ed), Instructional Technology : Foundations, Hillsdale (NJ), Lawrence Erlbaum Associates, 1987.

17 B. Y. White, J. R. Frederiksen, « QUEST : Qualitative Understanding of Electrical System Troubleshooting », ACM SIGART Newsletter, 1985, 93, p. 34-37 et Ibid note 4, P. Mendelhson et P. Dillibourg.

18 M. Minsky, « A Framework for Representing Knowledge », in: P. Winston (Ed), The Psychology of Computer Vision, New York, Mc Graw Hill, 1975.

R. C. Schank, R. P. Abelson, Scripts, Plans, Goals and Understanding, Hillsdale (NJ), Lawrence Erlbaum Associates, 1977.

19 J. J. Van Merriènboer, O. Jelsma, F. G. Paas, « Training for Reflexive Expertise : A Four-Component Instructional Design Model for Complex Cognitive Skills », ETR & D, 1992, 40, (2), p. 23-43.

20 J. M. Hoc, Psychologie Cognitive de la Planification, Grenoble, PUG, 1987.

21 M. J. Hannafin, « Emerging Technologies, ISD, and Learning Environments : Critical Perspectives », ETR & D, 1992, 40, 1, 49-63.

22 Ibid, note 9, W. Clancey et M. F. Young.

Top of page

References

Bibliographical reference

Patrick Mendelsohn, Lʼapprentissage en situationRevue internationale d’éducation de Sèvres, 18 | 1998, 109-116.

Electronic reference

Patrick Mendelsohn, Lʼapprentissage en situationRevue internationale d’éducation de Sèvres [Online], 18 | juin 1998, Online since 19 April 2013, connection on 29 March 2024. URL: http://journals.openedition.org/ries/2941; DOI: https://doi.org/10.4000/ries.2941

Top of page

About the author

Patrick Mendelsohn

Professeur, faculté de psychologie et des sciences de lʼéducation, université de Genève, Suisse

Top of page

Copyright

The text and other elements (illustrations, imported files) are “All rights reserved”, unless otherwise stated.

Top of page
Search OpenEdition Search

You will be redirected to OpenEdition Search