De plus en plus tendance, l’adaptive learning est une méthode d’apprentissage dans laquelle une ou plusieurs caractéristiques de l’environnement d’apprentissage s’adaptent à l’apprenti. Nous avons déjà abordé, dans un précédent article, les grands principes et les bénéfices de l’adaptive learning. Aujourd’hui, examinons plus en détail cette modalité et ses différentes formes.
Les data au cœur de l’adaptabilité des solutions d’adaptive learning
Dans un monde idéal, chaque apprenant devrait se voir attribuer un formateur personnel qui prendrait en considération toutes ses caractéristiques : sa capacité à mémoriser, ses préférences pour la découverte et la bonne compréhension des contenus, son rythme… L’objectif de l’adaptive learning est de prendre en compte toutes ces différences pour proposer à l’apprenant une approche pédagogique adaptée à l’apprenant un parcours pédagogique unique et adapté.
En résumé, l’adaptive learning repose sur trois éléments :
- l’analyse des comportements des apprenants, puis l’adaptation permanente du contenu et du déroulement de la formation ;
- la collecte des données sur les apprenants pour nourrir l’IA ;
- l’analyse des résultats de l’apprenant pour ajuster la progression et le niveau de difficulté.
Une démarche applicable aux formations brèves ou longues
Le volume et la qualité des data collectées conditionnent le niveau d’efficacité des formations en adaptive learning. Il est aisé de comprendre qu’une formation courte permet de collecter et d’analyser moins de données qu’une formation longue. En fonction des objectifs et de la durée de la formation, la démarche d’adaptive learning va se concentrer :
- sur le contenu des modules de formation
- sur le parcours de formation
Un lent chemin vers l’hyperpersonnalisation des formations
Pour les concepteurs de solutions en adaptive learning, le nerf de la guerre réside dans l’aptitude à proposer une personnalisation toujours plus poussée de l’apprentissage.
Des algorithmes de plus en plus élaborés évaluent par exemple, en se basant sur le taux de clic ou de rebond, si l’apprenant est distrait, bloqué ou agacé, et de lui proposer alors une pause, un encouragement ou un indice correspondant à son état d’esprit. De la même façon, les algorithmes sont à même de mesurer si l’apprenant est plus à l’aise avec une vidéo ou un fichier en PDF et de lui proposer le format le plus adapté.
De même que le développement de l’e-learning n’a pas conduit à la disparition des formations en présentiel, l’intelligence artificielle des dispositifs d’adaptive learning n’est pas en mesure de remplacer les qualités profondément humaines du formateur, comme l’intuition ou l’empathie. Risquons-nous à dire que ce n’est pas son objet. L’adaptive learning comble aujourd’hui un manque, celui d’automatiser la personnalisation des formations pour un grand nombre de personnes en même temps. Et cela constitue déjà un grand pas pour la formation professionnelle.
