L’adaptive learning, c’est quoi ?
L’adaptative learning, ou apprentissage adaptatif, se base sur l’Intelligence Artificielle. Il propose des formations personnalisées, adaptées au profil et au parcours de l’apprenant, à ses capacités, ses besoins et ses attentes.
Cela permet d’optimiser le processus de formation et de palier rapidement aux différents besoins. C’est une formation ultra-personnalisée qui propose une expérience d’apprentissage individuelle et évolutive, en temps réel. Le contenu devient alors ni trop facile, ni trop difficile.
Tous les étudiants commencent avec le même contenu, et en fonction des réponses aux tests ou aux activités, l’adaptation du contenu pédagogique commence. Par exemple, en fonction des erreurs et des réussites aux exercices, des cours plus poussés ou du soutien seront plus ou moins proposés.
La personnalisation a lieu sur :
- Les parcours de formation : le choix des modules et de leur ordre
- Les contenus : le niveau de difficulté, les supports, les savoirs et savoir-faire enseignés
- Les modalités pédagogiques
Le fonctionnement de l’adaptive learning
L’adaptive learning repose sur trois grands appuis pour proposer une personnalisation la plus pertinente possible :
- Les datas : elles sont issues des plateformes LMS et récoltées préalablement, puis tout au long de l’avancée et du parcours de l’apprenant.
- Les neurosciences : elles permettent de comprendre comment fonctionne le cerveau en situation d’apprentissage.
- L’adaptive machine learning : c’est une technologie reliée à l’Intelligence Artificielle qui, grâce à des algorithmes, est capable de comprendre les données recueillies et de les traiter. Elle permet de générer des analyses prédictives en temps réel.
Différence entre micro et macro adaptive learning
Le macro adaptive learning est la personnalisation du parcours de formation, tandis que le micro adaptive learning est l’individualisation du contenu des différents modules. Ce sont deux échelles différentes qui peuvent se compléter.
Le macro adaptive learning s’ajuste en fonction de la progression de l’apprenant. Chaque module est placé au moment où l’étudiant en a besoin, en fonction de ses résultats et de son rythme d’apprentissage. Un module peut apparaître plusieurs fois, si l’algorithme estime que l’élève a oublié ou pas assez acquis une notion. Le contenu du parcours est le même pour tout le monde, seul l’ordre des modules et la rapidité de leurs disponibilités changent. Cette approche correspond davantage aux longues formations, au contenu dense.
Le micro adaptive learning sert à personnaliser le contenu même de la formation. Les modules et supports pédagogiques varient d’un apprenant à l’autre. Cette personnalisation est plus fine, tout le monde n’apprend pas la même chose. C’est une optimisation du temps de formation, en évitant les leçons sur les connaissances que l’on possède déjà. Cela permet d’obtenir une plus grande agilité. Cette méthodologie est adaptée à l’acquisition rapide de notions et compétences.
Les bénéfices de cette méthodologie
De nombreux bénéfices découlent de l’adaptive learning :
- Une meilleure mémorisation : l’enseignement s’adapte au fonctionnement de l’apprenant et à sa manière de mémoriser.
Une mémoire visuelle ? des iconographies et un apprentissage vidéo seront proposés, une mémoire auditive ? l’algorithme vous donnera des podcasts, une mémoire kinesthésique ? la gamification de l’apprentissage et les exercices seront mis en valeur. Le micro learning est aussi favorisé.
- Une plus grande motivation : l’engagement est favorisé grâce à une meilleure expérience d’apprentissage, l’ennui est combattu par la personnalisation de la formation.
- Une fidélisation : la satisfaction de l’étudiant l’encouragera à continuer, sa rapide mémorisation saura le motiver et le fidéliser.
- Une efficacité accrue : le développement des connaissances est plus rapide, car celui-ci est optimisé dans ce sens.
- Un gain de temps pour les administrateurs de la formation : tout se fait automatiquement grâce à l’Intelligence Artificielle.
Les inconvénients de l’adaptive learning
Malheureusement, il y a aussi des inconvénients à l’application de l’adaptive learning :
- L’humain mis de côté : l’automatisation de la formation entraîne une déshumanisation de l’apprentissage, car le formateur s’efface. Nous avons pourtant vu les bénéfices qu’humaniser l’e-learning apporte, dans un précédent article.
- La maîtrise des technologies de pointe : la nécessité de maîtriser ces technologies avancées peut décourager les créateurs des formations, leur prise en main est parfois complexe. Il faut aussi savoir interpréter les résultats délivrés par l’Intelligence Artificielle.
- Une variation de la qualité : les plateformes d’adaptive learning émergent à peine et la qualité des propositions algorithmiques peuvent varier, d’une solution à une autre.
- Un coût initial supérieur à celui d’une formation e-learning classique : il faut investir dans une plateforme adaptée, mais cela est rapidement rentabilisé par le gain de temps de formation.
Pour aller plus loin
L’adaptive learning change les codes de l’apprentissage
L’adaptive learning, définition et idées reçues
