Titre : Learning Stratégies and Transfert in the Domaine of Programming :
Stratégies d'apprentissage et Transfert dans le domaine de la programmation
Auteurs : Peter Pilrolli and Margaret Recker de l'Université de Californie, Berkeley
L'étude rapporté dans ce article présente deux expériences sur le système tutoriel intelligent. La première étude développe un modèle basé sur le système de production de théories de transfert et la résolution des problème analogiques, à propos des effets des exemples d''nstruction, des habiletés cognitive de transfert à travers le problème de programmation et de leurs effets pratiques.
La deuxième expérimentation analyse les protocoles collecté sur des sujet qui ont utilisé des textes d'instruction et des exmples avant de travailler avec le tutoriel et le protocole collecté avant que les sujets ne résolvent leur problème de programmation.
Les résultats montrent que les acquisitions d'habiletés
cognitives est facilitée par un haut degré de métacognition
avec des forts degrés de monitoring des connaissances qui
seul génère plus d'explication objectives et stratégiques
et retient l'attention sur la structure de l'instruction. Il ressort
des réflexions sur les résolution de problème
qui ont pour but de comprendre l'abstraction des programmes en
ligne ou qui cherche la compréhension de comment le programme
fonctionne semble améliorer l'apprentissage.
Cette étude comporte deux expériences : La
première a consister en la manipulation des exemple d'instruction,
validé sur des sujets qui ont procédé par
un tutoriel de zézaement (Lisp Tutor). La seconde expérience
a consisté en la reproduction de la première avec
adjonction d'un protocole verbal dans le but de dégager
les effets de la variabilité du débutant sur l'acquisition
des habilités, par l'explication de sa démarche
personnelle corrélée à la réussite
de programmation
Dans la première expérience , l'examen a porté sur l'utilisation du guide zézayant par les étudiants afin de voir leur impact sur l'acquisition des habilités, le transfert des habilités à travers des tâches et des pratiques. Tous les sujets des deux groupes utilisent le même guide pour résoudre leur problème de programmation. Le guide zézayant permet d'identifier les nouvelles composantes de celles qui font référence aux habilités antérieures. Le degré de similarité est en suite identifié.
Sur vingt adultes repartis au hasard dans les groupes, douze sont des étudiant de licence de CMU et les huit autres ont été payés pour participer à l'expérience, sont de l'université de Californie, Berkeley.
Les sujets doivent lire et suivre des leçons tirées d'un livre pour résoudre leur problème de programmation. Le guide de zézaiement interfère ou non selon la conformité ou non du comportement de l'étudiant au modèle. Le guide l'interrompt avec un feed-back, il insinue, aide etc. l'étudiant à obtenir une bonne solution.
L'étudiant dispose des problèmes de programmation pour lesquels il doit écrire des code pour les résoudre. Le modèle idéal et le modèle qui présente de défauts structurent l'espace de résolution des problèmes. Le tuteur et l'étudiant sont en interaction du fait que si le code qu'entre l'étudiant est correct ou non le tuteur réagit en fonction de l'objectif dont la réussite entraîne le début d'un autre cycle. L'étudiant peut corriger ces erreurs.
La leçon de "recursion" comporte dix problèmes de programmation dont quatre consister à la définition de fonction récursives, ce sont le problèmes N1 à N4 ; les L1 à L2 sont affecté aux fonction récursives de liste, le M1 et M2 sont mixtes car ils combinent le deux derniers
Dans le teste, pour départager le deux groupe deux programmes ont été utilisé, celui qui concerne la liste(Carlist) et celui des nombres (Sumall).
Onze sujets constituant un groupe, reçurent des textes relatifs aux listes et les neuf autres des textes sur les nombres, et après lecture, ils sont soumis à dix problèmes de programmation récursive en utilisant le guide zézayant. En deux séquences, les onze résolurent tous les problèmes regroupés pendant que les neuf résolvent leur problème l'un après l'autre issu de catégories différentes. Tous eurent deux séquences et résolurent leur problèmes posés par le guide zézayant pendant que les expérimentateurs veillent à ce que le système relate le problèmes suivant les instructions..
Pour chaque programmation les erreurs des sujets sont additionnées. Le guide zézayant fournit les données des erreurs issues de l'analyse du nombre d'entrées de code incorrectes comparés au modèle idéal. Les problèmes N1, L1, L3, et L4 ont fait objet de nombre d'erreurs au delà la moyenne pour le problèmes relatifs au nombre et ces mêmes présentent un nombre d'erreur en deçà de la moyenne. Les N2, N3, L2 M1 et M2 ont connu des erreur relativement égaux à la moyenne.
Pour ce qui est des effets généraux de la "séquentialisation" des problèmes et des exemples, l'analyse des différences montre que pour les séquences bloquées, les données des erreurs ont connu une transformation appropriée à l'examen de leurs données brutes. Les sujets par ailleurs ont montré des performances meilleures quant les problèmes sont de mêmes nature que les groupes d'exemples de sorte que leur interaction donnent une transformation significative des erreurs.