L'apprentissage dialogique est un cadre théorique pour la construction des connaissances dans l'apprentissage collaboratif (Koschmann, 1999 ; Stahl, 2009 ; Trausan-Matu, 2010), basé sur le dialogisme et la polyphonie de Mikhaïl Bakhtine (Bakhtine, 1981, 1984). L'apprentissage dialogique est spécifique aux dialogues utilisant le langage naturel, à la fois en face à face et, ces dernières années, par le biais de la collaboration virtuelle dans l'apprentissage collaboratif assisté par ordinateur (CSCL) utilisant la messagerie instantanée (chat) sur Internet et d'autres équipements du web social, tels que les forums de discussion, les wikis, les blogs, etc. Dans ce nouveau contexte, l'apprentissage est une combinaison de lecture individuelle, de réflexion, de choix et d'action, en fonction des personnalités individuelles et, simultanément, de collaboration avec d'autres apprenants par le biais de dialogues, y compris des débats, facilités par la communication instantanée et d'autres équipements du web social.
Cependant, pour induire un style d'apprentissage dialogique, une attention particulière devrait être accordée à la conception des débats selon l'idée de favoriser la multivocalité et l'interanimation, de manière polyphonique, ce qui, comme nous le verrons ici, est un modèle de collaboration humaine complexe et, comme l'a affirmé Bakhtin, est en fait présent dans l'ensemble de la vie et de l'expérience humaines (Bakhtin, 1984, p. 42). Pour les enseignants, il est très difficile de modérer et d'analyser les sessions d'apprentissage collaboratif, car, par exemple, pour analyser un journal de conversation d'apprentissage collaboratif, il faut au moins deux fois sa durée (Trausan-Matu, 2010), ce qui est impossible, en particulier pour évaluer les milliers d'étudiants inscrits à un MOOC. C'est pourquoi des outils d'assistance informatique ("learning analytics") sont nécessaires.
Étant donné que la collaboration se fait principalement par le biais d'un dialogue en langue naturelle, ces outils devraient être capables de détecter, à partir du texte du dialogue (par exemple, les journaux de discussion), s'il existe un véritable cadre dialogique, qui améliore la collaboration de groupe, et si chaque apprenant a contribué au processus d'acquisition des connaissances. Malheureusement, la technologie informatique de pointe pour l'analyse du discours ne peut pas détecter complètement les deux détails mentionnés ci-dessus. En règle générale, les outils d'assistance informatique développés pour analyser les sessions collaboratives font appel à l'analyse statistique et à l'apprentissage automatique (statistique), à partir du nombre et du contenu des interventions de chaque participant ou à partir d'une approche de codage et de comptage. Cependant, les statistiques ne peuvent pas entrer dans la profondeur de la construction des connaissances et du débat d'idées, qui comprennent des séquences complexes de divergences suivies de convergences.
C'est comme évaluer des œuvres musicales de Bach, Mozart ou Chopin à partir des statistiques des notes utilisées. Bien sûr, ces statistiques peuvent donner un aperçu, mais elles ne peuvent pas rendre compte de la qualité, de la beauté, de l'interaction et de la créativité d'une pièce musicale, qui peuvent être considérées comme des idéaux à atteindre également dans le cadre de l'apprentissage collaboratif. En partant de cette analogie, une suggestion sur la manière d'analyser la construction des connaissances et les débats d'idées est de considérer le tissage complexe d'une polyphonie musicale, où plusieurs voix/idées sont développées simultanément dans le temps, avec pour conséquence certaines dissonances/divergences, mais finalement un ensemble cohérent, un discours, est atteint. Une preuve que les chats d'apprentissage collaboratif ont une musicalité implicite a été obtenue par la sonification de plusieurs chats à partir du modèle polyphonique (Calinescu & Trausan-Matu, 2013).
En outre, la polyphonie n'est pas propre à la musique ; on la trouve également dans les romans (Bakhtin, 1984) et, en fait, elle reflète la complexité des activités sociales humaines. Comme l'a écrit Bakhtine, la polyphonie implique "différentes voix chantant de façon variée sur un même thème. Il s'agit bien de "multivoix", exposant la diversité de la vie et la grande complexité de l'expérience humaine.
Tout dans la vie est contrepoint, c'est-à-dire opposition"" (Bakhtine, 1984, p. 42). En outre, considérer la polyphonie dans une plus large mesure est subordonné au fait que la musique est une caractéristique humaine fondamentale, jouant un rôle majeur, sous diverses formes, dans de nombreuses activités humaines, en particulier dans des contextes de collaboration. Il a été prouvé que la musique, même à des niveaux plus élémentaires que la polyphonie, a des points communs essentiels avec le langage naturel (Levitin, 2006) ; elle joue un rôle majeur dans la vie humaine (Ball, 2010) et dans les activités de collaboration. Les liens entre le langage naturel et la musique ont commencé à être révélés par des résultats en neurologie (Sacks, 2007) et par des techniques de traitement du langage naturel (Calinescu & Trausan-Matu, 2013).
La répétition et le rythme, caractéristiques essentielles de la musique, qui peuvent jouer un rôle particulier dans l'implication dans un discours construit conjointement (Tannen, 2007), sont également très importants d'un point de vue neurologique, aidant également à la récupération après certaines blessures ou maladies (Sacks, 2007). Toutefois, dans l'apprentissage dialogique, il convient de prêter attention au fait que la répétition et le rythme sont multivocaux, qu'ils se produisent dans des schémas d'interaction (Trausan-Matu, Stahl & Sarmiento, 2007), induisant une polyphonie, ce qui signifie qu'il n'y a pas une seule voix qui monopolise le discours. Ce chapitre se concentre sur l'analyse de l'apprentissage collaboratif au sein de petits groupes d'étudiants, en partant d'un modèle polyphonique, dans lequel sont identifiées plusieurs voix interanimées qui ont des "personnalités" intrinsèquement différentes et conflictuelles, mais qui construisent des connaissances et forment un ensemble cohérent.
Le concept de "voix" est généralisé pour inclure les idées, l'interanimation des voix étant un débat incluant un cadre dialogique d'idées, parmi lesquelles se produisent des divergences résolues en convergences. L'analyse peut être effectuée manuellement mais, en raison de la complexité du discours dialogique dans les sessions d'apprentissage collaboratif, une assistance informatique est nécessaire. L'analyse peut être effectuée soit sur des journaux de discussions en ligne, soit sur des dialogues enregistrés en face à face, par exemple dans des salles de classe, dans ce dernier cas en partant à la fois des transcriptions des discussions et des enregistrements vidéo, en considérant également l'interanimation des actes non verbaux, individuels ou collectifs (Trausan-Matu, 2013).
La polyphonie peut être rencontrée dans de nombreuses sessions d'apprentissage collaboratif. La polyphonie peut être rencontrée dans de nombreuses sessions d'apprentissage collaboratif, par exemple lors d'une session de chat collaboratif au cours de laquelle un groupe d'étudiants a résolu un problème mathématique qu'ils n'avaient pas pu résoudre individuellement (Stahl, 2009, pp. 60-64). Plusieurs voix sont entrées dans une animation polyphonique tissée à partir d'un énoncé pastiche, une "voix" simulant un raisonnement mathématique, les énoncés répliqués constituant des voix parmi lesquelles des convergences et des divergences se sont produites, pour finalement aboutir à une "dissonance" finale (divergence) conduisant à une "consonance" - la solution du problème (Trausan-Matu et al., 2007).
Cependant, la polyphonie peut également être induite par des devoirs spécialement conçus dans lesquels les étudiants sont amenés à débattre des caractéristiques et des interrelations des concepts appris sur une messagerie instantanée (chats) avec ou sans modérateur (Trausan-Matu, Dascalu & Rebedea, 2014).
La figure 31.1 présente un extrait d'une session de chat CSCL au cours de laquelle les étudiants avaient pour mission de discuter des caractéristiques que devrait avoir un environnement de chat avancé.
Apprentissage dialogique
L'apprentissage collaboratif est principalement basé sur les dialogues. L'idée d'utiliser les dialogues pour l'apprentissage n'est pas nouvelle. Les dialogues socratiques écrits par Platon il y a plus de 24 siècles, dans lesquels la méthode maïeutique est utilisée pour "faire naître" la vérité, en sont le meilleur exemple. Mikhaïl Bakhtine discute en détail de la notion socratique de la nature dialogique de la vérité et de la nature dialogique de la pensée humaine sur la vérité. La recherche dialogique de la vérité s'oppose au monologisme officiel, qui prétend détenir une vérité toute faite, et elle s'oppose également à la confiance en soi naïve des personnes qui pensent savoir quelque chose, c'est-à-dire qui pensent détenir certaines vérités (Bakhtine, 1984, p. 110)
La citation précédente et la perspective de la polyphonie sont en accord avec l'idée qu'au lieu de considérer l'éducation comme un processus de transfert de connaissances d'un professeur ou d'un livre à l'apprenant, ce dernier devrait être impliqué dans un dialogue visant à rechercher la compréhension et la vérité : "La vérité ne naît pas et ne se trouve pas dans la tête d'une personne individuelle, elle naît entre des personnes qui cherchent collectivement la vérité, dans le processus de leur interaction dialogique" (Bakhtin, 1984, p. 110) ; "Toute véritable compréhension est de nature dialogique" (Voloshinov, 1973).
La technologie numérique a eu plusieurs types d'impact sur l'apprentissage dialogique. Ces technologies peuvent être utilisées en classe (Louis & Warwick, chapitre 27 dans ce volume ; Rasmussen, Amundrud& Ludgvigsen, chapitre 28 dans ce volume ; Staarman & Ametller, chapitre 34 dans ce volume ; Pifarré, chapitre 29 dans ce volume), en dehors des classes comme activité supplémentaire (comme dans notre cas, les devoirs) et totalement séparées des classes, par exemple, les forums de discussion ou les chats dans les MOOC.
Les approches ont pris en compte des aspects tels que les "objets frontières" construits (Ligorio, Amenduni & McLay, chapitre 35 dans ce volume ; Kumpulainen, Rajala & Kajamaa, chapitre 30 de ce volume), la manière dont l'utilisation de cette technologie affecte l'attention en classe (Rasmussen, ce volume), le rôle de la matérialité (Kumpulainen, Rajala & Kajamaa, chapitre 30 de ce volume), le rythme des conversations (Ligorio & Ritella, 2010), les transactes (Joshi & Rosé, 2007 ; Rosé et al. ,2008 ), la micro-créativité (Chiu, 2013), etc.
A l'exception des approches qui analysent le tempo et la transactivité, les autres se concentrent sur les effets du processus de collaboration, et non sur l'analyse du processus de collaboration dialogique. Le présent chapitre se concentre précisément sur cet aspect : comment analyser l'apprentissage dialogique dans des contextes de collaboration ? Quel est le modèle approprié pour un tel processus ? La solution proposée considère la polyphonie comme un modèle conceptuel. Le fait que la vérité et la pensée humaine soient de nature dialogique est une condition nécessaire mais non suffisante pour la perspective polyphonique dans l'apprentissage, comme l'a remarqué Bakhtin lui-même : "la polyphonie authentique ... n'a pas existé et n'aurait pas pu exister dans le dialogue socratique" (Bakhtin, 1984, p. 178).
Le modèle polyphonique
La polyphonie dans l'apprentissage collaboratif et dans la musique ont de nombreux points communs. Dans ce dernier cas, elle peut être définie comme un dialogue multipartite entre plusieurs lignes mélodiques différentes d'importance égale (appelées voix), qui partent d'un thème commun. Chaque voix diverge généralement vers des variations, générant implicitement des dissonances avec d'autres voix concurrentes, mais les dissonances sont résolues et un ensemble cohérent est atteint ; un discours musical est construit. La polyphonie peut se retrouver dans de nombreux types de musique, y compris, par exemple, dans les improvisations du jazz de la Nouvelle-Orléans, qui exprime probablement le mieux l'idée que la polyphonie transmet la joie d'être ensemble et de construire une réalisation commune en dépit (mais en tirant parti) des différences entre les participants.
Il s'agit d'un processus d'interanimation comme la danse et la créativité de groupe.
Dans l'apprentissage collaboratif, la polyphonie peut conduire à ce que Gerry Stahl appelle des moments de collaboration (Stahl, 2006) rencontrés lors de sessions d'apprentissage collaboratif en ligne ou en face à face. Habituellement, la polyphonie est abordée dans le contexte de la musique classique, avec un cadre théorique basé sur les règles du contrepoint ("note contre note") (Fux 1966), qui garantissent que la monotonie est évitée et que l'harmonie est cependant atteinte. La présence de plusieurs dissonances est très importante, car elles évitent la platitude. Elles induisent également le besoin d'être résolues par des consonances, afin d'atteindre la cohérence d'un discours. Cette séquence de dissonances-consonances est identique aux étapes de divergence-convergence bien connues dans le cas des systèmes de stimulation de la créativité (Csikszentmihalyi, 1996), avec des effets bénéfiques dans l'apprentissage collaboratif pour trouver des solutions et identifier des caractéristiques et des relations nouvelles.
Dans l'apprentissage collaboratif, la polyphonie se construit plutôt comme dans le jazz et non comme dans la musique classique, car elle est réalisée en collaboration par les participants, sur place, par improvisation, comme résultat de la créativité du groupe (Sawyer, 2003) ; elle n'est pas "conçue" par une seule personne, le compositeur, comme dans la musique classique. Sfard a souligné que "plutôt que de parler d'"acquisition de connaissances", de nombreuses personnes préfèrent considérer l'apprentissage comme une participation à un certain discours" (Sfard, 2000).
Étant donné que chaque pièce musicale est un discours, le résultat d'un processus créatif, dans le jazz, la polyphonie étant un exemple de construction de discours et de créativité de groupe, l'apprentissage collaboratif en tant qu'implication dans un discours construit conjointement peut prendre comme modèle la construction de discours dans la polyphonie de jazz. Outre la construction du discours, la créativité est une caractéristique importante de l'apprentissage, par exemple pour résoudre un problème ou trouver de nouvelles caractéristiques et relations lors d'un débat sur des concepts appris, que ce soit en tant que créativité de groupe ou individuelle, sous la forme de "micro-créativité", c'est-à-dire la redécouverte de vérités ou de solutions à des problèmes par les apprenants (Chiu, 2013). L'apprentissage collaboratif peut donc être considéré comme un processus créatif, dans lequel les étudiants acquièrent des connaissances, parviennent à comprendre plusieurs sujets et découvrent des solutions à des problèmes. Il peut être lié à la créativité encouragée en petits groupes lors de séances de remue-méninges. La métaphore de la musique polyphonique est essentielle pour la modélisation et l'analyse du discours dans l'apprentissage collaboratif, car d'autres approches ne peuvent pas gérer les complexités créatives et simultanément cohérentes du discours construit en collaboration.
Par exemple, le discours collaboratif est souvent analysé à l'aide de plusieurs codes et comptages ou d'autres outils statistiques, mais, comme dans le cas de la musique, les statistiques sur les notes ou les accords utilisés reflètent-elles la qualité d'une mélodie ? L'expérience de la participation à des conversations collaboratives réussies, à des fins d'apprentissage (lorsqu'une solution a été trouvée, ou qu'une discussion cohérente a été menée, qu'un discours a été construit) ou dans d'autres contextes, procure une satisfaction semblable à celle de la participation à une improvisation de jazz polyphonique ou même de l'écoute de celle-ci ou d'un morceau de musique classique polyphonique, par exemple, une composition de Jean-Sébastien Bach.
Afin de mieux comprendre les idées du modèle polyphonique et la façon dont il peut être utilisé pour analyser les dialogues dans les sessions d'apprentissage collaboratif, les concepts implicites de base sont examinés dans les quatre sections suivantes. Voix et énoncés, au sens généralisé Dans la musique polyphonique, le concept de "voix" est utilisé au sens généralisé, étant, comme mentionné précédemment, une ligne mélodique distincte qui coexiste avec d'autres. Il n'est donc pas lié uniquement à la voix humaine, en tant que manière individuelle de parler ou de chanter (en fait, des personnes peuvent parler avec une autre voix dans un phénomène de ventriloquie). Une voix est plutôt une position indépendante, avec une étendue longitudinale, caractérisée par une manière distincte de jouer et de développer un thème musical, parallèlement à d'autres voix. Il ne s'agit pas d'une association univoque d'une voix à un instrument ou à un instrumentiste unique. Une voix, une ligne mélodique, peut être jouée en séquence par plusieurs groupes d'instrumentistes de l'orchestre (violons, altos, violoncelles, etc., qui se comportent comme des individus), par exemple dans les symphonies de Brahms. D'un point de vue orthogonal, plusieurs voix peuvent être jouées par une seule personne au piano, à l'orgue ou au violon ; un pianiste peut, par exemple, jouer avec ses deux mains trois voix ou plus. Inspiré du sens généralisé des voix en musique, le modèle polyphonique du discours en langue naturelle étend l'idée de voix de sa dénotation évidente en tant que sons émis par la parole d'une personne donnée, au concept généralisé d'une position distincte : un concept, une idée, une théorie ou un paradigme (au sens de Thomas Kuhn (1962)) articulé par un fil répété d'énonciations.
Ce sens est en fait en consonance avec le fait que les idées, théories, paradigmes, etc. sont généralement verbalisés ; ils sont exprimés dans le langage naturel et viennent comme des voix intérieures dans notre raisonnement intra-subjectif. Par exemple, la théorie du darwinisme peut être considérée comme une "voix" qui entre en débat avec la "voix" de la théorie du créationnisme.
Un autre exemple est la "voix" du professeur ou de l'auteur d'un manuel de cours, qui peut être implicitement présente dans une conversation, ayant des échos dans les énoncés, même s'il/elle n'est pas réellement un participant.Dans les sessions de chat d'apprentissage collaboratif, nous considérons que les mots ou les phrases répétés sont probablement des idées débattues ; ils sont candidats à devenir des voix, qui entrent dans des débats avec d'autres voix:L'idée est un événement vivant ... L'idée est un événement vivant...
En cela, l'idée est semblable au mot, avec lequel elle est dialogiquement unie. Comme le mot, l'idée veut être entendue, comprise et "répondue" par d'autres voix, d'autres positions. Comme le mot, l'idée est par nature dialogique. (Bakhtine, 1984, p. 88)
Par exemple, dans la figure 31.2, on peut identifier trois candidats pour les voix : "Comme dans le cas de la musique, une voix peut également être un groupe d'individus (instruments de musique, respectivement humains, par exemple un groupe d'étudiants dans une salle de classe ou sur Internet). Une voix peut être, dans le modèle polyphonique, également un geste, par exemple un élève ou un groupe d'élèves qui baisse les yeux lorsque le professeur pose une question ou une classe d'élèves qui, à un moment donné, se met à chuchoter (Trausan-Matu, 2013).
Un énoncé est émis par une personne, et il peut contenir plusieurs voix, des échos d'autres voix ou être émis à travers un phénomène de ventriloquie (quelqu'un qui parle avec la voix d'une autre personne) : "On peut identifier un nombre important de mots qui sont implicitement ou explicitement admis comme étant ceux de quelqu'un d'autre, et qui sont transmis par une variété de moyens différents" (Bakhtin, 1981, p. 354). Il convient de souligner que, dans le sens de Bakhtin, les énoncés doivent également être considérés dans un sens généralisé : il peut s'agir d'une phrase, d'une expression et même d'un mot ou d'un geste et, à l'opposé, d'un livre ou d'une théorie entière.Liens longitudinaux et transversaux entre les voix
Parmi les énoncés qui articulent une voix, plusieurs types de liens peuvent être détectés, sur deux axes orthogonaux : explicite vs. implicite et longitudinal vs. transversal. Les liens sont explicites lorsque l'énonciateur montre sans aucun doute à quel énoncé précédent il fait référence, par exemple en nommant le destinataire (par exemple, "@john ... ") ou en utilisant une fonction de référencement, comme celle fournie dans la plate-forme de chat utilisée dans le projet Virtual Math Teams (Stahl, 2009), qui permettait à l'utilisateur, s'il souhaitait montrer explicitement qu'il faisait référence à un énoncé précédent, de cliquer sur cet énoncé, ce lien explicite étant enregistré (Holmer, Kienle & Wessner, 2006).
Par exemple, dans la figure 31.3, la colonne "Ref" contient le numéro ("Nr") de l'énoncé référencé. John (à l'énoncé numéro 19) utilise cette fonction pour répondre à la fois à Tim (énoncé numéro 17) et (à l'énoncé numéro 20) à Adrian (énoncé numéro 18) à un intervalle de 6 secondes et (à l'énoncé numéro 21) poursuivre immédiatement sa réponse à Adrian. Un effet important du référencement explicite est que plusieurs fils de discussion parallèles peuvent exister pendant la conversation (ce qui peut être très difficile dans une conversation en face à face ou au téléphone, où une seule personne peut prendre la parole à la fois), ce qui stimule le tissage polyphonique.
Dans le modèle polyphonique, les liens (explicites et implicites) peuvent être longitudinaux ou transversaux, à l'instar des mélodies ou des accords dans le cas de la musique. Dans le premier cas, il s'agit de la continuité d'une même voix, de ses échos et de sa ventriloquie. Les liens transversaux se produisent entre les différentes voix d'un même énoncé ou entre différents énoncés.
Divergences/dissonances vs. convergences/consonstances
Les liens transversaux peuvent être divergents ou convergents. Les liens divergents et convergents s'apparentent à ce que Bakhtine appelle "anacrisis" et "syncrisis", les principaux moyens utilisés par Socrate dans sa méthodologie maïeutique pour faire naître la vérité:Les deux dispositifs de base du dialogue socratique étaient la syncrisis et l'anacrisis.La syncrisis était comprise comme la juxtaposition de différents points de vue sur un objet spécifique... L'anacrisis était comprise comme un moyen de susciter et de provoquer la parole de son interlocuteur, en le forçant à exprimer son opinion et à l'exprimer complètement ... L'anacrisis est la provocation de la parole par la parole ... La syncrisis et l'anacrisis dialogisent la pensée, la portent au grand jour, la transforment en réplique, l'attachent à la relation dialogique entre les hommes.
Ces deux dispositifs trouvent leur origine dans la notion de nature dialogique de la vérité, qui est à la base du dialogue socratique. (Bakhtine, 1984, pp. 110-111) Les liens convergents (syncrisis) peuvent conduire à l'unification des voix ou à la reconnaissance qu'elles peuvent coexister (au moins pour le moment) sans qu'il y ait de conflit. Les liens divergents (anacrisis), "la provocation du mot par le mot", ont une grande importance car, à l'instar de l'étape divergente dans les processus de créativité, ils créent un terrain fertile pour de nouvelles idées. De plus, à l'instar desissonances en musique, les divergences génèrent un besoin de consonances : "Quel que soit le nombre de voix, le caractère d'une composition polyphonique dépend de manière cruciale de la façon dont elle utilise et résout les dissonances" (Pesic, 2017). Un tel phénomène a été identifié dans les textes de Bakhtine et comparé aux forces centripètes/centrifuges en physique (Bakhtine, 1981)
Interanimation
La "provocation du mot par le mot" qui définit l'anacrisis, et son dialogue avec la syncrisis, comme mentionné par Bakhtin, fournissent une bonne image de ce que nous appelons "interanimation". Pour qu'une session d'apprentissage collaboratif soit réussie, il est souhaitable que les participants s'impliquent et que les sujets à discuter soient débattus intensément, ce qui signifie que des divergences suivies éventuellement de convergences doivent être présentes. La succession des deux types de liens transversaux suggère un phénomène d'interanimation : "Dans l'arène de presque chaque énoncé, une interaction et une lutte intenses se déroulent entre le mot de l'un et celui de l'autre, un processus dans lequel ils s'opposent ou s'inter animent dialogiquement" (Bakhtine, 1981, p. 354).
Un modèle intéressant (que l'on retrouve également, par exemple, dans les symphonies de Brahms, où, à plusieurs reprises, des groupes d'instructions poursuivent la ligne mélodique d'autres groupes), qui reflète une forte interanimation par plusieurs convergences successives, est ce que Mercer (2000) appelle "cumulative talk" et Sacks "collaborativeutterances", illustré comme suit : Joe : (toux) Nous étions dans une discussion automobile, Henry : discutant des motifs psychologiques de Mel : courses de dragsters dans les rues (Sacks 1992, pp.144-145) Dans les conversations, l'implication et la participation de l'interlocuteur sont des éléments essentiels de la relation entre l'interlocuteur et le sujet.
Dans les conversations, l'implication et, intrinsèquement, l'interanimation sont renforcées par les répétitions et le rythme (Tannen, 2007), si elles ne sont pas monopolisées par une seule voix. Il en va de même dans la musique polyphonique, où le thème de départ est repris par chaque voix, avec des variations, répétées de nombreuses fois. Dans les conversations d'apprentissage collaboratif, des tempos tels que "andante", "allegro", etc. ont été identifiés (Ligorio & Ritella, 2010).
La méthode d'analyse polyphonique et son support informatique
La méthode d'analyse polyphonique présentée ici considère les interactions et le discours construit dans les dialogues d'apprentissage collaboratif du point de vue du modèle polyphonique, présenté dans les sections précédentes. Le premier objectif principal de l'analyse est l'identification de l'interaction des voix, en tant que caractéristique de la construction du discours polyphonique, une caractéristique souhaitable des sessions d'apprentissage collaboratif. Un deuxième objectif important est la détection des contributions de chaque participant aux dialogues.
La méthode d'analyse a été utilisée dans plusieurs projets, pour analyser différents types de conversations : sessions de chat réalisées dans le cadre du projet Virtual Math Teams à l'université de Drexel (Stahl, 2009 ; Trausan-Matu & Rebedea, 2009) et au département d'informatique de l'université Politehnica de Bucarest, en Roumanie (Trausan-Matu et al..., 2014), des forums de discussion à la faculté de médecine de l'université de Manchester, au Royaume-Uni (Trausan-Matu et al., 2014) et la collaboration en face à face dans une classe de japonais (Trausan-Matu, 2013).La méthode d'analyse comporte sept étapes, visant à identifier :
- Les principaux concepts discutés lors de la session collaborative,
- Les énoncés verbaux et non verbaux,
- Les liens explicites et implicites,
- Les voix dans le sens généralisé discuté précédemment,
- Les divergences et les convergences entre les voix,
- L'interanimation et
- La construction du discours et les métriques.
Chaque étape de l'analyse peut être assistée par des outils informatiques, utilisant le traitement du langage naturel (NLP), des algorithmes graphiques, des statistiques et des visualisations graphiques pour l'identification des éléments précédemment énumérés et pour fournir des métriques, des statistiques et des visualisations. Plusieurs systèmes ont été développés pour soutenir l'analyse polyphonique des chats CSCL, des conversations transcrites en face à face et des forums de discussion : Polyphony (Trausan, Rebedea, Dragan & Alexandru, 2007), PolyCAFe (Trausan-Matuet al..., 2014) et le système open source ReaderBench (Dascalu, Dessus, Trausan-Matu, Bianco& Nardy, 2013), également disponible en ligne (http://readerbench.com/).
La première étape de l'analyse a pour objectif de délimiter les concepts principaux. Il s'agit des concepts dont les étudiants ont dû débattre et des concepts introduits dans la discussion par les participants. L'identification de la deuxième catégorie de concepts à partir des journaux de texte peut se faire manuellement ou à l'aide de techniques NLP : en commençant par les mots les plus utilisés (après avoir éliminé les "stop-words", tels que "the", "a", "in", "but", etc, Dans la deuxième étape, dans les journaux des sessions en ligne (chats ou forums), chaque intervention soumise est considérée comme un énoncé verbal.
Dans le cas de conversations en face à face, les énoncés peuvent être limités par le changement de locuteur. Les énoncés non verbaux peuvent être des gestes des participants, identifiés à partir des enregistrements vidéo, par exemple un changement de regard lorsqu'une question est posée (Trausan-Matu, 2013). Pour la troisième étape, les liens explicites sont faciles à obtenir si une fonction de référencement est fournie, comme discuté dans la section "Liens longitudinaux et transversaux entre les voix". Les liens implicites peuvent être détectés soit manuellement, en inspectant le journal, soit à l'aide de techniques NLP, en considérant, dans les paires d'énoncés à courte distance : les mots ou phrases répétés, les coréférences (Jurafsky & Martin, 2009), les chaînes lexicales - séquences de mots sémantiquement liés (Budanitsky & Hirst, 2006), les paires d'adja-cence, les liens d'argumentation, les marqueurs discursifs, etc. Un graphe est construit avec les énoncés comme nœuds, les arcs étant les liens explicites et implicites.
La détection des candidats pour les voix commence par les principaux concepts définis ou identifiés dans la première étape, suivie par l'identification de groupements sémantiques : Latent Semantic Analysis - (LSA) (Landauer & Dumais, 1997), topics détectés avec Latent Dirichlet Allocation - (LDA) (Blei,Ng & Jordan, 2003) ou chaînes lexicales (Jurafsky & Martin, 2009). PolyCAFe utilise Tf*Idf et LSA. ReaderBench utilise Tf*Idf, LSA, LDA et les chaînes lexicales. Pour être validés en tant que voix, de bons indicateurs pourraient être s'ils ont une rythmicité dans un segment de la conversation ou une distribution régulière le long du dialogue.
L'identification des divergences et des convergences entre les voix fait l'objet de la cinquième étape. Les liens transversaux sont identifiés à partir de la présence de marqueurs discursifs (tels que "mais", "néanmoins", "différent", "même", "aussi", "autre", etc.
Par exemple, dans la figure 31.4, le marqueur "mais" dans l'énoncé 30 indique une divergence. La cible de ce lien transversal est évidemment l'énoncé 27 explicitement référencé. Une convergence apparaît immédiatement entre les voix "topic" et "re)présentation", signalée par le marqueur de discours "also" dans l'énoncé 34 et son lien explicite avec l'énoncé 30. Cette séquence de divergences et de convergences est un indicateur d'interanimation, qui est un indicateur d'une bonne collaboration.
La polyphonie n'est pas une présence sans lien de divergences et de convergences entre plusieurs voix. Il doit y avoir une interanimation entre les voix, qui peut être détectée lorsque des combinaisons spécifiques de divergences et de combinaisons se produisent entre les idées/voix. Toutefois, pour devenir polyphonique, l'interanimation doit se terminer par des convergences qui marquent le processus de construction du discours/de la connaissance.
La dernière étape conclut l'analyse en considérant les aspects de la construction du discours : la création de sens, l'identification des artefacts dans la résolution de problèmes, l'étude des moments charnières, le rythme, les régions de collaboration, l'évaluation de la participation des apprenants et de la collaboration de l'équipe dans son ensemble. Des valeurs numériques (métriques) sont calculées pour évaluer la participation, la contribution au contenu et la collaboration.
Dans ce but, les analyses statistiques sont combinées avec l'analyse des réseaux sociaux (Brandes, 2001 ; Dascalu et al., 2013 ; Trausan-Matu et al., 2014), l'analyse sémantique et les techniques basées sur la polyphonie qui prennent en compte la distribution des voix et leur interaction.
PolyCAFe et ReaderBench fournissent diverses représentations graphiques des liens explicites et implicites, de la distribution des voix et de l'interanimation.
Par exemple, la Figure 31.6 présente une visualisation comparative réalisée par PolyCAFe des voix " chat ", " forum ", " wiki " et " blog " de deux chats où les étudiants devaient discuter de technologies collaboratives. La partie supérieure de la figure montre un degré d'interaction plus élevé dans le chat. PolyCAFe fournit également un feedback textuel aux étudiants sur leur participation à la session collaborative. PolyCAFe et ReaderBench calculent et visualisent tous deux une mesure de la collaboration, comme le montre la figure 31.7.
Cette visualisation permet aux utilisateurs (enseignants et étudiants) d'avoir une image rapide de l'évolution de la collaboration dans le temps et de comparer les performances de différents groupes d'étudiants.
Conclusions
Ce chapitre a présenté en détail les idées qui sous-tendent l'introduction du modèle polyphonique du discours généré dans les sessions d'apprentissage collaboratif dialogique et son opérationnalisation à l'aide de la PNLP pour l'analyse de la collaboration dans le CSCL.
L'une des idées maîtresses de l'approche est la forte connexion entre la musique, en particulier le jazz polyphonique, le langage naturel et la collaboration. Plusieurs autres approches d'analyse des conversations d'apprentissage collaboratif ont été présentées dans ce chapitre. En outre, d'autres approches importantes doivent être mentionnées, la plupart d'entre elles incluant des systèmes d'assistance informatique. Du point de vue du domaine de l'analyse des conversations, Zemel et ses collègues (2009) ont étudié des séquences longues cohérentes entrelacées dans des chats d'apprentissage collaboratif. Elles peuvent être considérées comme des voix dans le modèle polyphonique, mais rien n'est dit sur les interactions entre elles.
Une approche qui a des points communs avec le modèle polyphonique a été développée par Suthers et Desiato (2012). Les deux concepts centraux de leur approche sont l'éventualité et l'adoption.
Dans notre terminologie, les contingences sont des candidats pour des liens implicites et les reprises sont des liens implicites explicites et efficaces. L'approche de Suthers est centrée sur les reprises tandis que l'analyse polyphonique se concentre sur les voix et l'interanimation. Knowledge Space Visualizer utilise LSA pour l'analyse et diverses visualisations de textes générés lors d'une session CSCL (Teplovs, 2008). Les systèmes informatiques qui analysent les chats ou les forums d'apprentissage collaboratif sont souvent basés sur l'idée de codification et de comptage (codification des énoncés puis réalisation de statistiques [Strijbos, 2009]), sur des statistiques simples, sur l'apprentissage automatique ou utilisent des techniques de NLP. Ces dernières sont généralement basées sur l'idée de sac de mots, ce qui signifie qu'elles ne prennent pas en compte l'ordre des mots dans les textes.
Du point de vue de la modélisation polyphonique, ils peuvent seulement identifier les voix potentielles à partir des mots les plus utilisés, mais afin d'identifier si les candidats sont réellement des voix, d'autres analyses doivent être effectuées : tout d'abord, un mot ou une phrase répété(e) est considéré(e) comme une voix potentielle s'il/elle apparaît comme un fil conducteur de longue durée pendant le chat, et pas seulement dans un court segment.des synonymes ou des mots sémantiquement proches peuvent être inclus dans le fil conducteur (ce que l'on appelle les chaînes lexicales [Budanitsky & Hirst, 2006]).
Deuxièmement, on s'attend à ce que les voix (mots ou phrases) soient répercutées, ce qui signifie qu'elles sont prononcées par plus d'un participant. Cependant, une analyse automatique approfondie de la collaboration n'est pas (encore ?) possible, car les techniques de pointe en matière de NLP et d'apprentissage automatique ne peuvent pas pénétrer dans la profondeur du discours textuel. Il est très difficile de détecter tous les liens pertinents entre les énoncés, par exemple l'ironie, les allusions, les insinuations, etc, Cependant, les outils informatiques déjà disponibles peuvent être utilisés par les humains pour analyser avec succès les conversations CSCL afin de détecter comment la collaboration a évolué dans le temps et dans quelle mesure chaque participant a contribué à l'élaboration des connaissances communes.
