Bientôt une "note neuronale" pour les élèves ?

De manière traditionnelle, le niveau de connaissances d’une personne s’évalue à l’aide de divers tests écrits ou oraux. Mais imaginez qu’un enseignant puisse déterminer autrement dans quel mesure un étudiant a compris le concept qu’il lui présente. Comment ? En observant son activité cérébrale pour lui attribuer un « score neuronal ». Présentation d’une étude qui affiche l’ambition de révolutionner les méthodes d’enseignement.

Les chercheurs du Dartmouth College (Hanovre, Etats-Unis) et de l’Université d’Harvard (Cambridge, Etats-Unis) sont partis d’une hypothèse simple : lorsqu’un individu acquiert de nouvelles connaissances, celles-ci devraient être représentées « quelque part » dans son cerveau. Si tel était le cas, ces représentations devraient s’illustrer dans de nouveaux modèles d’activité cérébrale. Les scientifiques ont alors mis au point un protocole pour essayer de mesurer, chez des personnes, leur degré de connaissances d’un concept en prenant appui sur leurs données neurales pour leur attribuer ce qu’ils nomment un « score neuronal ». Le but de leur recherche était de mettre au point un algorithme d’apprentissage automatique pour prédire chez un étudiant, sa connaissance conceptuelle acquise.

28 participants (M = 20.71 ans ; 16 femmes) ont été conviés à l’expérience qui va suivre. La moitié d’entre eux n’avaient aucune expérience en ingénierie ou en physique (le groupe « novices » ; les autres (le groupe « étudiants ») étaient sur le point de terminer (ou avait achevé) un cursus en ingénierie de la mécanique des solides.

Au début du protocole expérimental, les participants ont passé deux tests classiques (à choix multiples) pour évaluer leurs connaissances en génie mécanique et en physique. Les « étudiants » se sont montrés bien meilleurs que les « novices » avec pour les tests 1 et 2, respectivement 50,2% (contre 16.9%) et 79,3% (contre 35,9%) de bonnes réponses. Ensuite, les participants (installés dans un scanner IRMf) ont visionné 24 photographies de structures du monde réel (pont, lampadaire, bâtiments divers, etc.) et ont été invités à analyser la façon dont ces structures étaient construites. Il s’agissait d’évaluer leur compréhension des forces newtoniennes (comment les forces d’une structure donnée s’équilibrent pour maintenir celle-ci). Ensuite, les participants devaient juger si un diagramme présenté ultérieurement (où des flèches superposées à chaque structure représentaient les forces) était correct ou non. A ce stade, les « étudiants » ont obtenu un taux de réussite de 75% et les « novices » 53.6%.

Suite aux différentes sessions IRMf, en utilisant une nouvelle approche de neuroimagerie multivariée (basée sur l’analyse de réseau informationnel), les chercheurs sont parvenus à obtenir un « score neuronal » à partir de schémas d’activités dans le cerveau. Ce score pouvait alors prédire les différences individuelles dans les tâches que les participants ont dû accomplir. Parmi les scores calculés, le score dit de « réseau informationnel » est celui que les auteurs de l’étude retiennent principalement. Pour le valider, le score neuronal de chaque élève a été comparé avec ses performances aux trois tests de connaissances conceptuelles. Il s’est avéré que plus le score neuronal était élevé, plus l’élève avait réussi ces tests.

Les chercheurs ont également représenté ce score neuronal, en projetant les résultats de tous les participants sur une sorte de carte de surface du cerveau, afin d’identifier des régions corticales. En résumé, les meilleures performances des « étudiants » correspondent à une localisation plus large (par rapport aux « novices ») des scores de réseaux d’information, y compris le réseau dorsal frontopariétal (qui aide à permettre la cognition spatiale) et des régions du cortex occipitotemporal ventral (impliqué dans la reconnaissance visuelle).

Pour conclure, cette étude est l’une des premières à formaliser comment les connaissances en cours d’acquisition sont représentées dans le cerveau. Avec les réserves qu’il convient nécessairement de prendre en considération, un algorithme capable d’attribuer un « score neuronal » pourrait être utile pour voir si l’apprenant comprend ou non le cours. Cela permettrait d’ajuster les méthodes enseignement. Mais nous n’en sommes encore qu’au stade expérimental. Les auteurs s’interrogent du reste sur l’efficience de leur « score neuronal » avec des matières autres que les mathématiques ou la physique…
Source : Joshua S. Cetron, Andrew C. Connolly, Solomon G. Diamond, Vicki V. May, James V. Haxby & David J. M. Kraemer, « Decoding individual differences in STEM learning from functional MRI data », in Nature Communications, vol. 10, mai 2019

Fermer
Identification

Veuillez saisir votre adresse e-mail ci-dessous:

LoadingVeuillez patienter... Chargement...
Fermer Connexion
Mot de passe oublié

Veuillez entrer l'adresse e-mail associée à votre compte HAPPYneuron.
Les instructions pour réinitialiser le mot de passe seront transmises à cette adresse e-mail.

LoadingEnregistrement des données...
Fermer
Connexion

Il semblerait que vous ayez égaré votre mot de passe, que souhaitez-vous faire ?

Fermer
Inscription gratuite

Découvrez la méthode HAPPYneuron pendant 7 jours, gratuitement et sans engagement.

*
*
*
*
*
*
En cliquant sur le bouton ci-dessus, vous acceptez les Conditions d'utilisation.
* Champ obligatoire
Conditions d'utilisation
Fermer
Inscrivez-vous à la newsletter

Inscrivez-vous à la newsletter

Recevez gratuitement deux fois par mois les découvertes les plus intéressantes sur le cerveau et nos offres spéciales.