Améliorer la pensée critique grâce à la cartographie des arguments

Double codage, regroupement de gestalt et organisation hiérarchique.

Comme vous l’avez peut-être compris dans le contenu de mon blog actuel, de mon livre et de mes recherches précédentes, la pensée critique (CT) est ma spécialité. Cependant, peut-être que je n’en parle pas assez dans ce blog, c’est que la thèse n’était pas l’ objectif principal de mon doctorat. la recherche – c’était plutôt l’ évaluation de la cartographie des arguments en tant qu’outil d’apprentissage ; c’est-à-dire les effets de la cartographie des arguments sur une série de résultats scolaires, y compris la mémoire et la tomodensitométrie. Pour clarifier, une mappe d’arguments est une représentation visuelle d’un réseau de raisonnement structuré de manière logique, dans laquelle l’argument est rendu explicite et sans ambiguïté au moyen d’un schéma en forme de «boîte et de flèche», dans lequel les boîtes représentent des propositions (c’est-à-dire la revendication centrale, les motifs). objections et réfutations) et les «flèches» entre les propositions indiquent les relations inférentielles reliant les propositions entre elles (Dwyer, 2011; van Gelder, 2002). Dans le cadre de mon doctorat, trois études expérimentales à grande échelle ont été menées, dont les principaux résultats indiquent que la cartographie des arguments (AM) peut considérablement améliorer les performances de la mémoire au-delà de celles des méthodes d’étude plus traditionnelles et que la fourniture d’une formation en TDM infusée par AM peut considérablement améliorer les performances du scanner (Dwyer, 2011). Compte tenu de ces avantages observés, je pense qu’il est intéressant de parler un peu de l’AM ici et de la raison pour laquelle cela fonctionne, en particulier pour ceux qui souhaitent améliorer leur propre tomodensitomètre ou celui des autres.

(Dwyer, 2011; van Gelder, 2007)

Un exemple de carte d’arguments

Source: (Dwyer, 2011; van Gelder, 2007)

Notamment, bien qu’il existe d’autres formes de diagrammes d’arguments, telles que la cartographie de concepts et la cartographie conceptuelle , elles diffèrent considérablement de la modulation d’amplitude en fonction de la manière dont elles sont organisées et de la manière dont chaque “proposition” est présentée. Le problème avec de nombreuses techniques de mappage de concepts est qu’elles ne présentent pas d’argument en soi. Au lieu de cela, ils présentent une structure graphique qui représente un texte séparé, qui peut être utilisé pour illustrer: les liens entre les concepts, les schémas décisionnels, un ensemble de plans ou d’instructions ou, au mieux, une synthèse des arguments. – qui ne représente pas l’argument dans son intégralité. Ainsi, étant donné que le texte de l’argument et le diagramme peuvent souvent être des entités distinctes, la mise en correspondance des concepts peut devenir plus exigeante sur le plan cognitif en ajoutant la nécessité de déplacer l’attention du texte sur le diagramme et inversement (par exemple, Chandler & Sweller, 1991; Pollock, Chandler & Sweller, 2002; Tindall-Ford, Chandler et Sweller, 1997). En outre, si le lecteur d’une carte conceptuelle ne connaît pas les informations contenues dans le texte qui en dérive, la carte elle-même perd toute signification. Ni phrases, ni structures inférentielles facilitant la compréhension ne sont requises. Dans ce contexte, les stratégies de cartographie conceptuelle ne constituent peut-être pas forcément des outils pédagogiques utiles qui peuvent être analysés par tous.

Bien que les MA existent depuis près de 200 ans (Buckingham-Shum, 2003; voir Whately, 1826), leur construction était une tâche lente et fastidieuse, accomplie au stylo et au papier; et donc, peu utilisé comme outil d’apprentissage, malgré les avantages potentiels par rapport à la prose standard comme moyen de présenter le raisonnement. Avec l’avènement de divers logiciels conviviaux AM, le temps nécessaire à la construction d’un AM a été considérablement réduit. Peut-être en raison des progrès relativement récents dans les logiciels de gestion de l’actif, peu de recherches ont été menées pour tester ses effets sur l’apprentissage. Cependant, le peu de recherche qui a examiné les effets de AM sur la tomodensitométrie a révélé des effets bénéfiques (Alvarez-Ortiz, 2007; Butchart et al., 2009; Dwyer, Hogan et Stewart, 2011; Dwyer, Hogan et Stewart, 2012; van Gelder, 2001). ; van Gelder, Bissett & Cumming, 2004). La raison pour laquelle AM ​​a un effet bénéfique sur la tomodensitométrie consiste en un raisonnement tenant compte de la nature schématique du codage à double codage de celle-ci, des principes de regroupement de Gestalt et de l’organisation hiérarchique.

Premièrement, contrairement au texte standard, les MA représentent les arguments selon deux modalités (visuel / spatial / schématique et verbal / propositionnel), facilitant ainsi la capacité de traitement de l’information latente de chaque apprenant. La théorie du double codage (Paivio, 1971; 1986), la conceptualisation et l’analyse empirique de l’apprentissage par multimédia de Mayer, ainsi que la recherche de Sweller et ses collègues sur la charge cognitive (Sweller, 2010) suggèrent que l’apprentissage peut être amélioré et la charge cognitive réduite par la présentation d’informations sous une double modalité visuel-verbal, à condition que les formes de représentation visuelle et verbale soient bien intégrées (c’est-à-dire pour éviter les demandes de changement d’attention). Étant donné que AM prend en charge le double codage des informations dans la mémoire de travail via l’intégration de texte dans une représentation schématique, les ressources cognitives précédemment consacrées à la traduction d’arguments basés sur la prose en une représentation cohérente, organisée et intégrée sont «libérées» et peuvent être utilisées pour faciliter un codage plus approfondi des arguments dans les MA, ce qui facilite le rappel ultérieur (par exemple, Craik et Watkins, 1973), ainsi que des processus de réflexion ultérieurs, tels que CT (Halpern, 2014; Maybery, Bain et Halford, 1986). En outre, des recherches antérieures sur l’utilisation d’outils d’apprentissage sous forme de diagrammes, comme AM, ont montré des effets positifs sur les résultats de l’apprentissage (Berkowitz, 1986; Larkin et Simon, 1987; Oliver 2009; Robinson et Kiewra, 1995) et offrent des avantages par rapport à la présentation textuelle traditionnelle de information car l’indexation et la structuration de l’information peuvent potentiellement prendre en charge des processus de calcul essentiels nécessaires à la tomodensitométrie.

Deuxièmement, les AM utilisent des principes de regroupement de Gestalt (par exemple, un code de couleur similaire et une proximité étroite) qui facilitent l’organisation de l’information dans la mémoire de travail et la mémoire à long terme, ce qui facilite la tomodensitométrie. Par exemple, la couleur peut être utilisée dans un MA pour distinguer la preuve d’une revendication (par exemple, le vert) de la preuve d’une revendication (par exemple, le rouge); ainsi, toutes les raisons ont un code de couleur similaire, tout comme les objections. Plus généralement, un bon MA est conçu de telle sorte que si une proposition est une preuve pour une autre, les deux seront juxtaposées de manière appropriée et le lien expliqué par une indication relationnelle, telle que cause , mais et cependant (van Gelder, 2001).

En ce qui concerne la proximité, l’AM moderne permet de supprimer ou de transférer des propositions uniques ou des branches entières de l’argument d’un endroit à un autre (et de les éditer au cours du processus) afin de faciliter la reconstruction. La manière dont les propositions et les chaînes de raisonnement peuvent être manipulées au sein d’un MA peut encourager une analyse et une évaluation plus approfondies de l’argument, ainsi que des affinements supplémentaires de sa structure inférentielle. Des propositions similaires peuvent être regroupées, ce qui facilite leur assimilation et supprime la nécessité de changer d’attention comme dans les informations textuelles (par exemple, d’un paragraphe ou même d’une page à une autre). Un tel regroupement rend également la recherche d’informations spécifiques et pertinentes plus efficace, ce qui favorise les inférences de perception.

Enfin, la troisième raison potentielle pour laquelle AM ​​a un effet bénéfique sur la CT est que les AM présentent l’information de manière hiérarchique, ce qui facilite également l’organisation de l’information pour la promotion de la CT. Lorsque vous argumentez à partir d’une revendication centrale, vous pouvez présenter un nombre quelconque d’arguments qu’il convient de représenter de manière adéquate pour que l’argument soit correctement transmis. Par exemple, un argument qui fournit un support (1) pour un support (2) pour un support (3) pour une revendication (4) comporte quatre niveaux dans sa structure hiérarchique. Les arguments plus complexes ou «plus profonds» (par exemple, avec trois niveaux d’arguments ou plus sous une revendication centrale) sont difficiles à représenter dans le texte en raison de sa nature linéaire; Et pourtant, il est essentiel que l’étudiant comprenne ces structures d’arguments complexes si son objectif est d’analyser et d’évaluer l’argument, de déduire ses propres conclusions. La nature hiérarchique de AM permet au lecteur de choisir et de suivre une branche spécifique de l’argument dans laquelle chaque proposition individuelle est intégrée à d’autres propositions pertinentes en termes de relation inférentielle.

De plus, demander aux élèves de produire des MA peut fournir aux éducateurs des informations précieuses sur le «modèle mental de l’élève de l’argument en question» (Butchart et al., 2009). Ces informations peuvent être utilisées pour aider les enseignants à fournir des informations en retour aux étudiants ou à les intégrer aux apprentissages allant des niveaux simples aux niveaux complexes de compréhension, d’analyse et d’évaluation des arguments. Logiquement, au fur et à mesure que l’expertise en MA grandit, il en va de même pour la capacité de présenter un argument bien structuré, ce qui permet également d’améliorer la capacité d’écriture.

Références

Alvarez-Ortiz, C. (2007). La philosophie améliore-t-elle les capacités de pensée critique? La thèse de master. Université de Melbourne, Australie.

Berkowitz, SJ (1986). Effets de l’enseignement de l’organisation du texte sur la mémoire des élèves de sixième année en vue d’une lecture explicative. Reading Research Quarterly, 21, 2, 161-178.

Buckingham-Shum, SJ (2003). Les racines de la visualisation d’arguments assistée par ordinateur. PA Kirschner, S. Buckingham-Shum et C. Carr (Eds.), Visualizing argumentation: outils logiciels pour la prise de conscience collaborative et éducative, 3-24. Londres: Springer-Verlag.

Butchart, S., Bigelow, J., Oppy, G., Korb, K. et Gold, I. (2009). Améliorer la pensée critique en utilisant des exercices de mappage d’arguments sur le Web avec des commentaires automatisés. Australasian Journal of Educational Technology, 25, 2, 268-291.

Chandler, P. et J. Sweller, J. (1991). Preuve de la théorie de la charge cognitive. Cognition and Instruction, 8, 4, 351-362.

Craik, FIM et Watkins, MJ (1973). Le rôle de la répétition dans la mémoire à court terme. Journal d’apprentissage verbal et comportement verbal, 12, 6, 599-607.

Dwyer, CP (2011). L’évaluation de la cartographie des arguments en tant qu’outil d’apprentissage. Thèse de doctorat. Université nationale d’Irlande, Galway.

Dwyer, CP, Hogan, MJ, et Stewart, I. (2011). La promotion des compétences de pensée critique à travers la cartographie des arguments. Dans CP Horvart & JM Forte (Eds.), Critical Thinking, 97-122. Nova Science Publishers, New York.

Dwyer, CP, Hogan, MJ, et Stewart, I. (2012). Une évaluation du mappage des arguments en tant que méthode d’amélioration des performances de la pensée critique dans les environnements de e-learning. Metacognition and Learning, 7, 219-244.

Halpern, DF (2014). Pensée et connaissance: Introduction à la pensée critique (5ème éd.). Royaume-Uni: Psychology Press.

Larkin, J. et Simon, H. (1987). Pourquoi un diagramme vaut (parfois) dix mille mots. Sciences cognitives, 11, 65–99.

Maybery, MT, Bain, JD et Halford, GS (1986). Le traitement de l’information exige une inférence transitive. Journal of Experimental Psychology: Apprentissage, mémoire et cognition, 12, 4, 600-613.

Mayer, RE (1997). Apprentissage multimédia: posons-nous les bonnes questions? Psychologue de l’éducation, 32, 1, 1-19.

Oliver, K. (2009). Une enquête sur la cartographie des concepts pour améliorer la compréhension en lecture de textes scientifiques. Journal de l’enseignement des sciences et de la technologie, 18, 5, 402-414.

Paivio, A. (1971). Imagerie et processus verbaux. Hillsdale, NJ: Erlbaum.

Paivio, A. (1986). Représentations mentales: une approche à double codage. New York: Presse d’Université d’Oxford.

Pollock, E., Chandler, P., et Sweller, J. (2002) Assimiler des informations complexes. Learning & Instruction, 12, 61-86.

Robinson, DH et Kiewra, KA (1995). Argument visuel: Les organisateurs graphiques sont supérieurs aux contours pour améliorer l’apprentissage à partir de texte. Journal of Educational Psychology, 87, 3, 455–467.

Sweller, J. (2010). Théorie de la charge cognitive: avancées théoriques récentes. Dans JL Plass, R. Moreno et R. Brünken (Eds.), The Cognitive Load Theory, 29-47. New York: Presse universitaire de Cambridge.

Tindall-Ford, S., Chandler, P. et J. Sweller (1997). Quand deux modes sensoriels valent mieux qu’un. Journal of Experimental Psychology: Applied, 3, 4, 257-287.

van Gelder, TJ (2001). Comment améliorer la pensée critique en utilisant la technologie éducative. Dans G. Kennedy, M. Keppell, C. McNaught et T. Petrovic (Eds.), Rendez-vous à la croisée des chemins: Actes de la 18e conférence annuelle de la Société australienne pour l’informatique dans l’apprentissage dans l’enseignement supérieur, p. Melbourne: Unité multimédia biomédicale, Université de Melbourne.

van Gelder, TJ (2002). Mappage d’arguments avec Reason! Bulletin de l’APA: Philosophie et informatique, 2, 1, 85-90.

van Gelder, TJ (2007). La justification de RationaleTM. Law, Probability & Risk, 6, 23-42.

van Gelder, TJ, Bissett, M. et Cumming, G. (2004). Renforcer l’expertise en raisonnement informel. Revue canadienne de psychologie expérimentale 58, 142-52.

Whately, R. (1826). Éléments de logique. Londres: Fellowes.