Nouvelles publications
Pourquoi l'autoformation est-elle si efficace?
Dernière revue: 16.10.2021
Tout le contenu iLive fait l'objet d'un examen médical ou d'une vérification des faits pour assurer autant que possible l'exactitude factuelle.
Nous appliquons des directives strictes en matière d’approvisionnement et ne proposons que des liens vers des sites de médias réputés, des instituts de recherche universitaires et, dans la mesure du possible, des études évaluées par des pairs sur le plan médical. Notez que les nombres entre parenthèses ([1], [2], etc.) sont des liens cliquables vers ces études.
Si vous estimez qu'un contenu quelconque de notre contenu est inexact, obsolète ou discutable, veuillez le sélectionner et appuyer sur Ctrl + Entrée.
Ces dernières années, les enseignants ont accordé plus d'attention aux exercices pratiques, aux expériences de laboratoire et à la recherche des étudiants. Cela est dû au fait que les élèves apprennent beaucoup mieux le matériel s'ils ont la capacité de contrôler l'intensité de l'acquisition de connaissances indépendamment.
La formation autodirigée a eu le temps de se prouver du côté positif, cependant, les raisons de ce phénomène sont mal comprises.
Certains scientifiques suggèrent que l'apprentissage autodirigé est efficace en raison de la motivation de la personne à apprendre. Cependant, afin d'identifier la relation entre l'apprentissage autodirigé et les processus cognitifs, en particulier les processus de mémoire et d'attention, les données des spécialistes ne suffisent pas.
Douglas Markant et Todd Gurekis, scientifiques de l'Université de New York, ont tenté d'étudier les raisons de l'efficacité de ce processus d'étude du matériel. Ils sont venus à l'étude de ce type d'apprentissage du point de vue informatique et cognitif.
Des spécialistes ont avancé plusieurs hypothèses sur la raison pour laquelle l'apprentissage autodirigé a des avantages par rapport à d'autres types de maîtrise du matériel.
La compréhension auto-dirigée et indépendante de l'information aide une personne à optimiser son expérience et à se concentrer sur l'étude de matériaux que nous n'avons pas encore compris. De plus, la nature de l'apprentissage autodirigé vous permet de conserver les informations que vous avez étudiées pendant une longue période.
Cependant, ce type de formation n'est pas toujours efficace. Une personne peut faire des erreurs en prenant une décision sur l'information qu'il va étudier. La raison de ceci peut être des erreurs cognitives.
Les chercheurs notent que la base pour étudier comment les gens évaluent diverses sources d'information, ainsi que pour évaluer les données qu'ils recherchent, peuvent être les modèles de calcul couramment utilisés dans les études d'apprentissage automatique.
L'analyse à l'aide de techniques d'apprentissage automatique peut aider à déterminer les moments négatifs et positifs de l'apprentissage autodirigé.
Une étude conjointe, qui comprend une évaluation de ce type de compréhension de l'information en termes de processus cognitifs et de calcul, aidera les experts à comprendre l'essence des processus qui sont à la base de l'apprentissage autonome et autodirigé.
En outre, les scientifiques espèrent que grâce à la compréhension de ces processus, il sera possible de développer des méthodes auxiliaires pour l'étude indépendante du matériau.