Pourquoi l'autoformation est-elle si efficace?

Ces dernières années, les enseignants ont commencé à accorder davantage d'importance aux cours pratiques, aux expériences en laboratoire et à la recherche étudiante. Cela s'explique par le fait que les étudiants assimilent beaucoup mieux la matière lorsqu'ils ont la possibilité de contrôler de manière autonome l'intensité de leur acquisition de connaissances.

L’apprentissage autodirigé s’est avéré être un phénomène positif, mais les raisons de ce phénomène sont mal comprises.

Certains scientifiques suggèrent que l'apprentissage autodirigé est efficace grâce à la motivation d'une personne à apprendre. Cependant, les experts ne disposent pas de données suffisantes pour identifier le lien entre l'apprentissage autodirigé et les processus cognitifs, en particulier la mémoire et l'attention.

Les scientifiques de l'Université de New York, Douglas Markant et Todd Gurekis, ont tenté d'étudier les raisons de l'efficacité de ce processus particulier d'étude de la matière. Ils ont abordé l'étude de ce type d'apprentissage d'un point de vue computationnel et cognitif.

Les experts avancent plusieurs hypothèses expliquant pourquoi l’apprentissage autodirigé présente des avantages par rapport aux autres types d’apprentissage.

L'apprentissage autonome et indépendant permet d'optimiser son expérience et de se concentrer sur des éléments d'apprentissage non encore maîtrisés. De plus, la nature de l'apprentissage autonome permet de mémoriser les connaissances acquises sur une longue période.

Cependant, ce type d'apprentissage n'est pas toujours efficace. Une personne peut commettre des erreurs dans ses choix d'information. Des erreurs cognitives peuvent en être la cause.

Les chercheurs notent que les modèles informatiques couramment utilisés dans la recherche sur l’apprentissage automatique pourraient être utilisés pour étudier la manière dont les gens évaluent différentes sources d’information et évaluent les données qu’ils recherchent.

L’analyse utilisant des méthodes d’apprentissage automatique peut aider à identifier les aspects négatifs et positifs de l’apprentissage autodirigé.

Une étude combinée comprenant une évaluation de ce type d’apprentissage à partir de processus cognitifs et informatiques aidera les experts à comprendre les processus qui sous-tendent l’apprentissage indépendant et autodirigé.

Les scientifiques espèrent également qu’en comprenant ces processus, il sera possible de développer des méthodes auxiliaires pour l’étude indépendante du matériau.