Comment l'intelligence artificielle peut-elle soutenir l'apprentissage de l'écrit ?

Les Environnements Informatiques pour l’Apprentissage Humain (EIAH) soutiennent les apprentissages en permettant une instruction individuelle (Berninger et al., 2015 ; Bonneton-Botté et al., 2020 ; Simonet, Anquetil & Bouillon, 2017) et en étayant le processus d'apprentissage et d'enseignement via des rétroactions en temps réel fournies par l'environnement informatique (van der Kleij, Feskens & Eggen, 2015). En permettant l’écriture manuscrite, les tablettes équipées de stylet associées à des applications dotées d’intelligence artificielle présentent un intérêt certain pour soutenir l’enseignement et l’apprentissage de la langue écrite (Bonneton-Botté et al., 2020). Cependant, une revue critique sur l'efficacité des tablettes à l'école a mis en évidence un manque d'études rigoureuses mesurant les résultats d'apprentissage, et d'évaluations impliquant l'utilisation de la technologie des tablettes par les praticiens et leurs élèves sur une période de temps relativement soutenue (Haßler, Major & Henessy, 2015).

A travers la présentation de deux projets d’innovation[1], cette contribution se propose d’envisager les potentialités d’applications intelligentes destinées aux tablettes équipées d’un stylet dont l’objectif est d’accompagner l’enseignement et l’apprentissage de la graphomotricité d’écriture et de l’orthographe lexicale. 

Le plus souvent, l’intelligence artificielle (IA) au service de l’éducation réveille le fantasme du robot remplaçant l’enseignant. Pourtant, le développement de l’IA a pour objectif d’aider l’enseignant. L’IA est un ensemble de techniques basées sur des algorithmes qui permettent à l’élève d’avoir un retour sur son apprentissage et d’avoir des parcours d’apprentissage adaptés à son niveau, mais aussi qui guide l’enseignant par des outils d’aide à la décision. Une IA peut collecter un large volume de données pour les analyser, facilitant ainsi l’acquisition de compétences tout en respectant le rythme de chaque élève. Pour exemple, considérant le niveau en orthographe et en graphomotricité d’un élève, une IA pourrait lui proposer de travailler des graphèmes complexes mais sur des mots relativement courts dans un premier temps. La capacité de ces dispositifs technologiques à personnaliser les parcours d’apprentissage (van der Kleij et al., 2015) se double d’une capacité à fournir à l’apprenant des rétroactions (ou feedbacks) sur ses productions.Pour Hattie et Timperley (2007), la rétroaction se définit comme « une information fournie par un agent (e.g., enseignant, pair, parent, soi, livre, un environnement informatique comme la tablette) concernant un aspect de sa performance » (2007, p. 81). Les revues de questions et méta-analyses sur les EIAH soulignent le caractère bénéfique des feedbacks sur les apprentissages (Kluger & De Nisi, 1996 ; van der Kleij et al., 2015).L’efficacité des feedbacks proposés varie en fonction de leur temporalité (un feedback immédiat est plus bénéfique qu'un feedback tardif) et par la nature de l’information fournie à l’apprenant (plus l'information est riche et précise, plus l’impact du feedback sera positif). Enfin, les travaux de Sullivan, Kantak et Burtner (2008) indiquent que les feedbacks pourraient ne pas avoir le même effet selon les caractéristiques développementales des apprenants ; les auteurs préconisent d’examiner les bénéfices des feedbacks en fonction du niveau initial des apprenants dans le domaine d’apprentissage concerné.

Le projet IntuiScript a eu pour ambition de produire une solution intelligente pour tablette équipée d’un stylet permettant d’assister l’enseignement du geste graphomoteur et de soutenir les apprentissages des élèves en respectant notamment le rythme des acquisitions propres à chacun. à partir d’une présentation dynamique de modèles d’écriture, l’application permet aux élèves de travailler de façon autonome l’écriture de lettres, de chiffres ou de mots. Une analyse automatique et immédiate de la production de l’élève renvoie un feedback sous la forme d’une jauge et d’annotations colorées (cf. figure 1). Les informations analysées et renvoyées concernent la forme produite, la direction et l’ordre des traits à l’intérieur des lettres et la continuité du tracé. Les analyses réalisées sur les productions permettent de personnaliser les scénarii pédagogiques. Ainsi un élève qui, à plusieurs reprises, échoue à tracer les lettres d’un mot et à les enchaîner, se verra proposer par l’IA des exercices spécifiques de tracés de lettres ou de segments de lettres non maîtrisées.

Figure 1 : 3 essais et leurs feedbacks pour la première syllabe du mot « lion ».

Les tablettes équipées de stylet offrent l’opportunité de tracer au doigt ou au stylet des formes graphiques, des lettres, des mots ou groupes de mots. Ces dernières années ont vu se développer et se commercialiser de nombreuses applications éducatives. Bonneton-Botté et al. (2020) ont évalué les bénéfices de l’application issue du projet IntuiScript au cours d’une étude impliquant 233 élèves de grande section âgés en moyenne de 5 ans et 4 mois. Au total, 22 classes de grande section ont participé à un programme de 12 semaines mis en œuvre par les enseignant(e)s. Le groupe contrôle, composé de 93 élèves, a poursuivi le programme scolaire en travaillant exclusivement sur papier, tandis que les 138 élèves du groupe expérimental bénéficiaient, en complément d’un travail sur papier, de temps d’ateliers sur tablettes équipées de l’application Kaligo cycle 1. Un pré-test et un post-test (i.e., consistant à écrire des lettres, des groupes de lettres, des mots et pseudo-mots sur une feuille de papier elle-même posée sur une tablette digitalisante) ont été réalisés pour évaluer les progrès de tous les enfants et vérifier l’existence d’un transfert d’apprentissage du support tablette au support papier. L’analyse des productions au pré-test a permis de catégoriser les niveaux en écriture des participants (faible, modéré ou élevé). Les résultats montrent que l’ensemble des élèves du programme expérimental « tablette » ont progressé significativement plus que les élèves du groupe « papier ». Cependant, une analyse complémentaire indique que les progrès dépendent du niveau graphomoteur initial des élèves au début de l’étude. Les élèves avec un niveau graphomoteur élevé au début de l’étude n’ont pas montré de progrès significatifs en écriture, qu’ils soient dans le groupe « tablette » ou dans le groupe « papier ». Cette absence d’effet traduit très probablement un effet plafond : ces élèves présentant de bonnes compétences au départ n’ont pas réalisé de progrès notables en écriture quelle que soit la condition d’apprentissage. Les élèves avec un niveau graphomoteur modéré au début de l’étude et qui ont bénéficié des tablettes ont progressé significativement plus que les élèves de niveau modéré qui ont travaillé sur papier. Les élèves qui présentaient un niveau graphomoteur faible ont progressé mais de la même façon, qu’ils aient travaillé sur papier ou sur tablette. En résumé, en considérant le niveau graphomoteur initial des élèves, cette étude a permis de montrer que les bénéfices d’un apprentissage sur tablette équipée d’une application « intelligente » sont supérieurs ou comparables à un apprentissage uniquement réalisé sur papier. Le fait que les apprentissages soient transférés en situation papier n’est pas un résultat négligeable. En effet, certaines recherches réalisées sur des temps courts (quelques heures) ont montré que la différence de friction entre les supports papier et le support tablette perturbent les stratégies graphomotrices des enfants et des adultes (Alamargot & Morin, 2015 ; Gerth et al., 2016).

En accordant aux élèves et aux enseignants un temps conséquent pour s’approprier l’outil, les études ont de meilleures chances de mesurer objectivement les bénéfices des technologies numériques. Plusieurs études ont démontré le rôle de la graphomotricité sur la production écrite : le coût élevé de l'exécution graphomotrice capterait les ressources attentionnelles nécessaires au traitement et/ou au maintien de la forme orthographique au cours de l’écriture (Pontart et al., 2013 ; Simard-Dupuis, 2019). Aussi, l’analyse en temps réel des productions graphomotrices des élèves ouvre des perspectives intéressantes relativement à l’orthographe lexicale.

La maîtrise de l’orthographe lexicale nécessite l’acquisition de connaissances orthographiques et morphologiques (Treiman, 2019). Ces acquisitions s’opèrent d’une part par apprentissage statistique [i.e., de nombreuses connaissances graphotactiques s’acquièrent grâce à une sensibilité aux régularités orthographiques de la langue française : par exemple, le phonème [o] s’écrit plus fréquemment eau en position finale (Deacon, Conrad & Pacton, 2008)] ; d’autre part, par l’apprentissage explicite qui relève principalement du système scolaire ; c’est le cas notamment des principales règles orthographiques (i.e., je mets « m » devant « m », « b » ,« p » ou encore je mets une cédille sur le « c » pour conserver le son /s/ devant les voyelles « a »,« o », « u ») et des connaissances visuo-orthographiques qui permettent d’orthographier des mots irréguliers comme le mot « thym » par exemple (Treiman, 2019 ; Nootens, Doyen, Noyer-Martin & Simard-Dupuis, 2019). Une méta-analyse réalisée par Graham et Santangelo (2014) sur 53 études incluant 6 037 élèves de 5 à 17 ans conclut à l’efficacité de l’enseignement explicite. D’autres études soulignent aussi le rôle positif des feedbacks délivrés à l’oral par les enseignants aux élèves lorsqu’ils sont apportés rapidement et qu’ils informent l’élève sur des caractéristiques précises de sa production écrite (Morin & Montésinos-Gelet, 2007 ; Sénéchal et al., 2012). Dans une étude de Aara et Aron (2001), les élèves bénéficiant d’un feedback précis sur leur production suite à une tâche de dictée (l’enseignant précisait s’il y avait omission, substitution ou transposition de lettres) ont significativement mieux progressé en orthographe lexicale que les élèves qui avaient simplement la possibilité d’observer la forme correcte du mot à la suite de leur production. Le P2IA C2 Kaligo a pour objectif le développement d’une application intelligente dédiée à l’orthographe lexicale. Cette application intelligente est capable notamment :

• de délivrer des informations explicites sur les règles graphotactiques et sur les connaissances morphologiques ;
• de personnaliser les parcours en re-proposant régulièrement à l’élève des mots irréguliers ou des graphèmes complexes encore non maîtrisés ;
• de renvoyer à chaque élève une information précise sur l’erreur réalisée ainsi que des feedbacks d’encouragement lorsqu’il progresse.

Associée à une tablette équipée d’un stylet, l’application sera en capacité d’analyser la production manuscrite de l’élève en situation de dictée et de prendre en compte cette donnée pour personnaliser son parcours. Une première étude contrôle a permis de vérifier chez des élèves de CP et CE1 que les erreurs réalisées au cours d’une dictée sur papier ou sur tablette ne différaient ni qualitativement ni quantitativement (Bonneton-Botté, Girard, Rogard, Anquetil, & Jamet, 2021). Une expérimentation en cours auprès de 8 classes d’élèves de CE2 permettra de vérifier si après une utilisation de 4 semaines en classe, les élèves du groupe expérimental « tablette » ont acquis significativement plus de connaissances orthographiques que les élèves d’un groupe témoin qui travaillent les mêmes mots mais en s’exerçant sur papier.

Dans le champ de la littéracie, les conclusions d’études expérimentales récentes convergent toutes sur le rôle bénéfique de l’enseignement explicite et des feedbacks en temps réel pour soutenir les apprentissages. Cette contribution a permis de montrer l’intérêt spécifique pour la production écrite d’applications intelligentes destinées aux tablettes équipées d’un stylet capables de soutenir l’enseignement explicite et de fournir des rétroactions précises et rapides aux élèves.

Nathalie Bonneton-Botté, maître de conférences en psychologie du développement, INSPÉ de Bretagne-UBO, LP3C EA 1285

• Privilégier des applications conçues à partir des recherches récentes expérimentées en classe et dont les résultats ont été publiés.
• Considérant le rôle important de la graphomotricité sur la qualité des productions écrites des élèves, le choix du matériel (lorsqu’un financement est possible) devrait être guidé moins par son coût que par ses caractéristiques techniques : une tablette active orientée stylet permet d’appuyer la paume de sa main sur le support tablette comme sur une feuille.
• Privilégier les applications dotées d’IA qui permettent une personnalisation des parcours et des rétroactions en temps réel pour une meilleure assistance de l’enseignement et de l’apprentissage de l’écrit.

• https://p2ia-kaligo.com/
• https://eduscol.education.fr/1911/partenariat-d-innovation-et-intelligence-artificielle-p2ia
• https://primabord.eduscol.education.fr/qu-est-ce-que-l-intelligence-artificielle-ia

• Alamargot D. & Morin M.-F. (2015), “Does Handwriting on a Tablet Screen Affect Students’ Graphomotor Execution? A Comparison Between Grades Two and Nine”, Human Movement Science, 44, p. 32-41. https://doi.org/10.1016/j.humov.2015.08.011
• Arra, C. T., & Aaron, P. G. (2001). Effects of psycholinguistic instruction on spelling performance. Psychology in the Schools, 38(4), 357–363. https://doi.org/10.1002/pits.1024
• Berninger V. W., Nagy W., Tanimoto S., Thompson R., & Abbott R. D. (2015), “Computer Instruction in Handwriting, Spelling and Composing for Students with Specific Learning Disabilities in Grades 4-9”, Computers & Education, 81, p. 154-168. https://doi.org/10.1016/j.compedu.2014.10.005
• Bonneton-Botte N.,Beucher-Marsal C., Bara F., Muller J., Le Corf L., Quéméneur M. & Dare M. (2019), “Teaching Cursive Handwriting: A Contribution to the Acceptability Study of Using Digital Tablets in French Classrooms”, Journal of Early Childhood Literacy, 146879841983858. https://doi.org/10.1177/1468798419838587
• Bonneton-Botté N., Fleury S., Girard N., Le Magadou M., Cherbonnier A., Renault M., Jamet E. (2020), “Can Tablet Apps Support the Learning of Handwriting? An Investigation of Learning Outcomes in Kindergarten Classroom”, Computers & Education, 151, 103831. https://doi.org/10.1016/j.compedu.2020.103831
• Bonneton-Botté N.,Girard N., Rogard S., Anquetil E. & Jamet E. (2021), La Dictée sur tablette : une étude exploratoire, colloque SFERE, Marseille, le 30 et 31 mars 2021.
• Deacon S. H., Conrad N. & Pacton S. (2008), “A Statistical Learning Perspective on Children's Learning about Graphotactic and Morphological Regularities in Spelling”, Canadian Psychology/Psychologie canadienne, 49(2), p. 118-124. https://doi.org/10.1037/0708-5591.49.2.118
• Gerth S., Dolk T., Klassert A., Fliesser M., Fischer M. H., Nottbusch G., et al.(2016), “Adapting to the Surface: A Comparison of Handwriting Measures when Writing on a Tablet Computer and on Paper”, Human Movement Science, 48, p. 62-73. https://doi.org/10.1016/j.humov.2016.04.006
• Graham, S., & Santangelo, T. (2014). Does spelling instruction make students better spellers, readers, and writers? A meta-analytic review. Reading and Writing, 27(9), 1703–1743. https://doi.org/10.1007/s11145-014-9517-0
• Guilbert J., Alamargot D. & Morin M.-F. (2019), “Handwriting on a Tablet Screen: Role of Visual and Proprioceptive Feedback in the Control of Movement by Children and Adults”, Human Movement Science, 65, p. 30-41. https://doi.org/10.1016/j.humov.2018.09.001
• Haßler B., Major L. & Hennessy S. (2015), “Tablet Use in Schools: A Critical Review of the Evidence for Learning Outcomes”, Journal of Computer Assisted Learning, 32(2), p. 139-156. https://doi.org/10.1111/jcal.12123
• Hattie J. & Timperley H. (2007), “The Power of Feedback”, Review of Educational Research, 77(1), p. 81-112. https://doi.org/10.3102/003465430298487.
• Kluger A. N. & De Nisi A. (1996), “The Effects of Feedback Interventions on Performance: A Historical Review, a Meta-Analysis, and a Preliminary Feedback Intervention Theory”, Psychological Bulletin, n° 2, p. 254 284. https://doi.org/10.1037/0033-2909.119.2.254
• Morin & Montésinos-Gelet (2007), Approcher l’écrit à pas de loup, Montréal, Québec : Chenelière Éducation.
• Nootens P., Doyen A.-L., Noyer-Martin M. & Simard-Dupuis É. (2019), « Apprentissage de l’orthographe lexicale et apports des dispositifs d’enseignement explicite », ANAE, n° 163, p. 750-758.
• Pontart V., Bidet-Ildei C., Lambert E., Morisset P., Flouret L. & Alamargot D. (2013), “Influence of Handwriting Skills During Spelling in Primary and Lower Secondary Grades”, Frontiers in Psychology, 4(818), p. 1-9. https://doi.org/10.3389/fpsyg.2013.00818
• Sénéchal, M., Ouellette, G., Pagan, S., & Lever, R. (2011). The role of invented spelling on learning to read in low-phoneme awareness kindergartners: a randomized-control-trial study. Reading and Writing, 25(4), 917–934. https://doi.org/10.1007/s11145-011-9310-2
• Simard-Dupuis É. (2019), « Influence des traitements graphomoteurs sur la production orthographique de mots isolés chez des élèves francophones du primaire », thèse de doctorat.
• Simonnet D., Anquetil E. & Bouillon M. (2017), “Multi-Criteria Handwriting Quality Analysis with Online Fuzzy Models”, Pattern Recognition, 69, p. 310-324. https://doi.org/10.1016/j.patcog.2017.04.003
• Simonnet D., Girard N., Anquetil E., Renault M., Thomas S. (2018), “Evaluation of Children Cursive Handwritten Words for e-Education”, Pattern Recognition Letters, 2018, ISSN 0167-8655. https://doi.org/10.1016/j.patrec.2018.07.021.
• Sullivan K. J., Kantak S. S. & Burtner P. A. (2008), “Motor Learning in Children: Feedback Effects on Skill Acquisition”, Physical Therapy, 88(6), p. 720-732. https://doi.org/10.2522/ptj.20070196
• Treiman R. (2019), « Apprentissage statistique et orthographe. Approche neuropsychologique des apprentissages chez l’enfant », 163 (31), p. 739-749.
• Van der Kleij F. M., Feskens R. C. & Eggen T. J. (2015), “Effects of Feedback in a Computer-Based Learning Environment on Students’Learning Outcomes: A metaanalysis”, Review of educational research, 85(4), p. 475-511.

Date de publication : Octobre 2021