Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

Protocole multimodal pour l’évaluation de la métacognition et de l’autorégulation chez les adultes ayant des difficultés d’apprentissage

Published: September 27, 2020 doi: 10.3791/60331
Automatic Translation
1, 1, 1, 1, 2, 2
1University of Oviedo, 2University of Central Florida

Summary

Les travaux actuels proposent un protocole d’évaluation multimodale axé sur les processus métacognitifs, autoréglementation de l’apprentissage et émotionnels, qui constituent la base des difficultés chez les adultes atteints de LD.

Abstract

Les troubles d’apprentissage (LD) englobent les troubles de ceux qui ont de la difficulté à apprendre et à utiliser leurs compétences universitaires, ce qui montre un rendement inférieur aux attentes quant à leur âge chronologique dans les domaines de la lecture, de l’écriture et/ou des mathématiques. Chacun des troubles qui composent les LD impliquent des déficits différents; cependant, certains points communs peuvent être trouvés dans cette hétérogénéité, tels que l’apprentissage de l’autorégulation et de la métacognition. Contrairement aux jeunes âges et aux niveaux d’éducation ultérieurs, il n’existe pratiquement pas de protocoles d’évaluation fondés sur des données probantes pour les adultes atteints de LD. Les LD influencent le rendement scolaire, mais ont aussi de graves conséquences dans les contextes professionnels, sociaux et familiaux. En réponse à cela, les travaux actuels proposent un protocole d’évaluation multimodale axé sur les processus métacognitifs, autoréglementation de l’apprentissage et émotionnels, qui constituent la base des difficultés chez les adultes atteints de LD. L’évaluation se fait par l’analyse du processus d’apprentissage en ligne à l’aide d’une variété de méthodes, de techniques et de capteurs (p. ex., suivi des yeux, expressions faciales de l’émotion, réponses physiologiques, verbalisations simultanées, fichiers journaux, enregistrements d’écran des interactions homme-machine) et méthodes hors ligne (p. ex., questionnaires, entrevues et mesures d’autodéclaration). Cette ligne directrice théorique et empirique vise à fournir une évaluation précise des LD à l’âge adulte afin de concevoir des propositions efficaces de prévention et d’intervention.

Introduction

Les troubles d’apprentissage spécifiques (SLD) englobent les troubles de ceux qui ont de la difficulté à apprendre et à utiliser leurs compétences académiques, ce qui montre un rendement inférieur aux attentes quant à leur âge chronologique dans les domaines de la lecture, de l’écriture et/ou des mathématiques1,2. Il existe différentes estimations des taux de prévalence selon l’âge, la langue et la culture analysées, mais ils sont entre 5% et 15%1,3. Dans la catégorie mondiale des troubles neurodéveloppementaux dans le Manuel diagnostique et statistique des troublesmentaux (5 e Ed.) 1, il est également nécessaire de se concentrer sur l’incidence du trouble déficitaire de l’attention / hyperactivité (ci-après LE TDAH) car il s’agit d’un trouble commun qui a donné lieu à diverses controverses sur la façon de l’aborder ces dernières années. Basé sur le DSM-51, il peut être défini comme un modèle de comportements persistants d’inattention et/ ou d’hyperactivité-impulsivité. De même, le trouble du spectre autistique (ci-après ASD) est une catégorie dans le même manuel qui comprend les étudiants qui présentent des troubles neurodéveloppementaux à la suite de dysfonctionnements multifactoriels du système nerveux central, qui entraînent des dysfonctionnements qualitatifs dans trois domaines fondamentaux du développement de la personne: l’interaction sociale, la communication et les intérêts et les comportements1,2.

Sur ces lignes, un nouveau concept a émergé s’éloignant du sentiment de déficit et offrant une approche plus positive de ces troubles pour être compatible avec les idées actuelles de difficultés neurodéveloppementales comme fortement coexistant et se chevauchant4. De ces nouveaux modèles, il est entendu que les compétences impliquées dans les processus cognitifs de haut niveau, qui permettent de gérer et de réguler son comportement afin d’atteindre un objectif souhaité, sont cruciales pour l’autorégulation et, par conséquent, pour les activités de la vie quotidienne, y compris les académiques5. Dans le contexte de l’âge adulte, la neurodiversité a évolué pour inclure divers types de difficultés, y compris le TDAH et les TSA, ainsi que la dyslexie, la dyspraxie, et / ou la dyscalculie. En conséquence, nous abordons cette neurodiversité à partir d’une conception large des difficultés d’apprentissage (LD). L’augmentation du nombre d’élèves ayant cette diversité inscrits à l’enseignement postsecondaire est bien documentée et est due, en partie, à l’augmentation des taux d’obtention du diplôme d’études secondaires pour les élèves handicapés6, mais en même temps, il ya moins de recherche sur le processus d’apprentissage de ces étudiants que nécessaire7.

Chacun des désordres approchés dans l’isolement impliquent des déficits et des manifestations différents ; cependant, certains points communs peuvent être trouvés dans cette hétérogénéité en termes de LD, tels que métacognitif, autoréglementation, et le dysfonctionnement émotionnel8,9,10,11. Trois fondements fondamentaux dans la littérature de l’apprentissage en général, et les LD en particulier, qui représentent la base d’un apprentissage réussi et jouent un rôle essentiel dans ces difficultés bien connues au niveau académique12. En plus de cela, d’autres approches comprennent qu’il pourrait y avoir une certaine communité entre les déficits dans les fonctions exécutives, tels que les problèmes dans le traitement automatique ou la mémoire de travail, qui se produisent dans différents troubles tels que le TDAH et les troubles de la lecture13 ou le TDAH et tsa5. Toutefois, il reste encore du travail à faire dans ce domaine, puisque toutes les études ne tirent pas les mêmes conclusions sur ces points communs en ce qui concerne les fonctions exécutives. Elle pourrait être due aux variations présentées par les échantillons à partir desquels les études sont basées et aux procédures d’évaluation des fonctions exécutives utilisées dans les enquêtes5,14.

En termes éducatifs, ce mélange diversifié affecte non seulement la qualité de l’apprentissage, en raison de la nature fondamentale des fonctions affectées, mais aussi des phénomènes tels que le décrochage scolaire, le changement de diplôme, etc., avec des implications économiques pour les gouvernements et les universités15. Le taux d’abandon scolaire pour les élèves atteints de DL est plus élevé que chez les élèves de la population généralede 16 ans, mais aussi plus élevé que les taux d’abandon scolaire pour toute autre catégorie de handicaps psychologiques, à l’exception des élèves ayant des troubles émotionnels17. En revanche, le nombre d’étudiants ayant accès à l’enseignement post-obligatoire (formation professionnelle, collège, etc.) augmentede 15, en particulier dans l’enseignement supérieur19,20,21,22. En outre, on pourrait bien supposer qu’il ya beaucoup plus d’étudiants avec LD que ceux qui passent officiellement par les services aux étudiants et constituent généralement les statistiques de prévalence23.

Ces difficultés ne sont pas toujours détectées pendant l’enfance, en particulier chez les adultes nés avant que ces troubles ont été considérés dans le système scolaire régulier, et les symptômes de ces troubles persistent tout au long de la vie des gens et causer des difficultés dans le travail, l’éducation et la vie personnelle24. La recherche a montré que bien que les gens puissent surmonter certaines de leurs difficultés, la plupart continuent d’afficher des difficultés avec l’apprentissage à l’âge adulte et leur persistance est encore problématique à ces niveaux d’éducationsupérieurs 25.

Paradoxalement, contrairement aux niveaux d’éducation antérieurs et aux âges antérieurs, il n’existe pratiquement pas d’instruments fondés sur des données probantes ou de protocoles d’évaluation pour les adultes atteints de LD. Malgré la prolifération des outils de diagnostic pour évaluer les LD pendant l’enfance, la disponibilité d’instruments et de méthodologies valides et fiables pour la population adulte est significativement limitée24. Un examen récent de la littérature sur les troubles d’apprentissage dans l’enseignement supérieur a révélé que la plupart des renseignements recueillis à cet égard sont effectués au moyen d’entrevues et que ce n’est qu’occasionnellement que des questionnaires d’auto-déclaration utilisés26. La méthodologie et les entrevues d’autodétation, bien qu’elles soient précieuses, ne suffisent pas à évaluer avec précision les processus de métacognitive, d’autorégulation et de compétences émotionnelles, en fait, entre autres, en raison de la nature du processus. L’importance des échelles et de la méthodologie d’entrevue pour mesurer ces processus est indéniable27,28, mais il en va de même pour les problèmes associés de validité29 et d’incongruité avec d’autres méthodes novatrices d’évaluation30. Un autre problème dans la détection des LD est le biais dans le diagnostic du désordre dû à l’absence de protocoles complets d’évaluation. Le fait que les professionnels n’ont pas de protocole de référence basé sur des variables objectives est souvent à l’origine de nombreux cas faux positifs et faux négatifs deLDs 31.

En réponse à la fois à la rareté des instruments pour adultes et à la nécessité d’améliorer la méthodologie existante, l’étude actuelle propose un protocole d’évaluation multimodale axé sur les processus métacognitifs, autoréglementations et émotionnels, qui constituent la base des difficultés chez les adultes atteints de LD. Conformément à la littérature actuelle, nous proposons un pas vers la mesure intégrative et multicanal32,33. L’évaluation est effectuée au moyen d’une analyse du processus d’apprentissage en ligne à l’aide de plusieurs méthodes, techniques et capteurs (p. ex., environnement d’apprentissage hypermédia, réalité virtuelle, suivi des yeux, expressions faciales de l’émotion, réponses physiologiques, fichiers journaux, enregistrements d’écran des interactions homme-machine) et méthodes hors ligne (p. ex., questionnaires, entrevues et mesures d’autodéclaration). Cette méthodologie mixte fournit des preuves du déploiement de processus cibles avant, pendant et après l’apprentissage qui peuvent être triangulés pour améliorer la compréhension de la façon dont les élèves apprennent et où se trouve le problème, s’il y en a un34.

Le protocole d’évaluation s’effectue en deux séances. Les séances peuvent être effectuées en une seule séance ou peuvent avoir besoin d’applications partielles selon la personne. Le premier est axé sur la détection ou la confirmation des LD et quel type spécifique de trouble nous sommes confrontés, et le second est conçu pour aller dans les processus métacognitifs, autorégulation, et émotionnel de chaque cas individuel en profondeur.

La session 1 se veut une évaluation diagnostique ou de confirmation des troubles d’apprentissage du participant : SLD, TDAH et/ou TSA (haut fonctionnement) afin de déterminer le type de problèmes spécifiques que les participants ont. Cette évaluation est essentielle pour deux raisons. 1) Les adultes ayant des troubles d’apprentissage ont rarement des informations précises sur leur comportement dysfonctionnel. Certains d’entre eux soupçonnent qu’ils ont un LD, mais n’ont jamais été évalués. D’autres ont peut-être été évalués lorsqu’ils étaient enfants, mais n’ont pas de rapports ou d’autres renseignements. 2) Il peut y avoir des écarts avec les diagnostics précédents (p. ex., un diagnostic antérieur de dyslexie par opposition à un diagnostic actuel de déficit de l’attention et de vitesse de traitement lente; diagnostic antérieur de TSA contrairement à la capacité intellectuelle limitée actuelle, etc.). Le participant est interviewé, et des questionnaires et des tests normalisés sont appliqués. Cette session ici est réalisée par des thérapeutes ayant de l’expérience dans le diagnostic des difficultés de développement et d’apprentissage dans le contexte de la recherche et clinique dans différents bureaux d’une faculté de psychologie espagnole. La séance commence par une entrevue structurée qui recueille des renseignements biographiques ainsi que la présence de symptômes liés aux DSL mentionnés dans le DSM-51. Par la suite, le critère de capacité intellectuelle de référence WAIS-IV35 est utilisé en cas de mise en œuvre du critère d’exclusion et parce qu’il fournit des informations très précieuses pour les difficultés d’apprentissage à partir des échelles « mémoire de travail » et « vitesse de traitement »36. En outre, le test37 révisé par PROLEC se est largement utilisé pour évaluer les troubles de la lecture (processus lexicals, sémantiques et/ou syntaxiques de lecture), l’une des difficultés d’apprentissage les plus répandues et invalidantes dans les contextes académiques actuels, qui se chevauche avec d’autres troubles tels que le TDAH38. Cette évaluation permet de recueillir l’exactitude, la rapidité et la fluidité de la lecture ainsi que les incapacités de lecture, et plus important encore, dans le processus de lecture de l’échec se produit37 (ce test a été évalué avec les étudiants pré-universitaires. Actuellement, il n’y a pas de tests en Espagne qui sont adaptés à la population adulte en général, de sorte que ce test a été sélectionné parce qu’il est le plus proche de la population cible). Ensuite, nous sélectionnons les symptômes du TDAH à travers l’Organisation mondiale de la Santé Adulte TDAH Échelle auto-déclaration (ASRS)39 et affiner l’évaluation de ce trouble, l’introduction de la multimodalité avec un test de pointe de réalité virtuelle de performance continue pour l’évaluation des processus attentionnels et la mémoire de travail chez les adultes, l’Aquarium Nesplora31,40. Ce test est un outil très utile pour diagnostiquer le TDAH chez les adultes et les adolescents de plus de 16 ans dans un scénario écologique, fournissant des données objectives et fiables. Il évalue l’attention sélective et soutenue, l’impulsivité, le temps de réaction, l’attention auditive et visuelle, la persévérance, la qualité de la concentration attentionnelle, l’activité motrice, la mémoire de travail et le coût du changement de tâche. En outre, avec le WAIS-IV35 dans son ensemble pour recueillir des informations sur la capacité intellectuelle du participant, nous accordons une attention particulière aux échelles « mémoire de travail » et « vitesse de traitement » parce qu’elles sont liées à des difficultés d’apprentissage et que les résultats de ces échelles sont utilisés dans la décision finale. Enfin, nous incluons le quotient du spectre autistique (AQ-Short)41 dans le protocole, la version courte de l’AQ-Adult fiable de Baron-Cohen, Wheelwright, Skinner, Martin et Clubley42.

La deuxième session met l’accent sur une évaluation multimodale du processus d’apprentissage du participant. La clé pour comprendre l’apprentissage complexe réside dans la compréhension du déploiement des processus cognitifs, métacognitifs, motivationnels et affectifs des élèves43. À cette fin, les participants travaillent avec MetaTutor, où l’utilisation de stratégies métacognitives et cognitives déployées est observée pendant qu’ils apprennent. MetaTutor est un environnement d’apprentissage hypermédia qui est conçu pour détecter, modéliser, tracer et favoriser l’apprentissage autoréglementé des élèves tout en apprenant différents sujets scientifiques44. La conception de MetaTutor est basée sur des recherches approfondies par Azevedo et ses collègues43,45,46,47 et appartient à une nouvelle tendance dans la mesure de SRL, la soi-disant troisième vague, qui se caractérise par l’utilisation combinée de la mesure et des technologies d’apprentissageavancées 33. L’utilisation de MetaTutor fournit également des données de trace multimodales, intégrant des mesures telles que, le suivi des yeux, les réponses physiologiques émotionnelles (réponse galvanique de la peau (GSR) et les expressions faciales des émotions)48, les données de journal et les questionnaires. Toutes ces mesures sont combinées pour parvenir à une meilleure compréhension des participants SRL et métacognition.

Le suivi des yeux permet de comprendre ce qui attire immédiatement l’attention, quels éléments cibles sont ignorés, dans lesquels les éléments d’ordre sont remarqués, ou comment les éléments se comparent aux autres; l’activité électrodermique nous permet de savoir comment l’excitation émotionnelle change en réponse à l’environnement; la reconnaissance faciale-émotion permet la reconnaissance et l’analyse automatiques des expressions faciales; et l’enregistrement des données recueille et stocke l’interaction de l’élève avec l’environnement d’apprentissage pour une analyse plus approfondie. En ce qui concerne les questionnaires, le Mini International Personality Point Pool49 informe sur une gamme d’activités et de pensées que les gens vivent dans la vie quotidienne en évaluant chacun des cinq principaux traits de personnalité (extraversion, agréalité, conscience, névrose et ouverture). Les aspects connotatifs des croyances épistémologiques50 fournissent de l’information sur les croyances des participants au sujet des connaissances. L’échelle d’estime de soi de Rosenberg montre ce que les participants pensent d’eux-mêmes dans l’ensemble51. Le questionnaire52 sur le règlement sur les émotions fournit des informations sur la régulation des émotions des participants. Le Questionnaire sur les émotions de réussite (AEQ)53 informe sur les émotions habituellement vécues à l’université.

En bref, l’évaluation des LD à l’âge adulte est particulièrement difficile. L’éducation et l’expérience permettent à de nombreux adultes de compenser leurs déficits et présentent plus tard des symptômes indifférenciés ou masqués, sur lesquels les connaissances scientifiques sont encore rares. Compte tenu de l’écart critique de recherche qui se pose, ces travaux actuels visent à assurer des lignes directrices théoriquement axées sur les empiriques pour une évaluation précise des LD à l’âge adulte afin de concevoir des actions efficaces de prévention et d’intervention.

Pour aider les lecteurs à décider si la méthode décrite est appropriée ou non, il est nécessaire de préciser que le protocole ne convient pas aux personnes ayant une déficience intellectuelle parce que leur diagnostic invalide le diagnostic des difficultés d’apprentissage. En outre, en raison des singularités de l’équipement utilisé et du format de présentation du contenu d’apprentissage, il n’est toujours pas possible d’évaluer les personnes ayant une déficience motrice (membres supérieurs, cou et/ou visage), malentendants ou malvoyants. Il ne serait pas non plus approprié pour les participants souffrant de troubles psychiatriques graves. Il faudrait l’utilisation de médicaments qui pourraient modifier le traitement de l’information ou l’expression physiologique des émotions.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Le comité d’éthique de la recherche de la Principauté des Asturies et de l’Université d’Oviedo a approuvé ce protocole.

1. Session 1 : évaluation du diagnostic

REMARQUE : Dans cette session du protocole, des tests d’évaluation de différents éditeurs sont utilisés, qui ont leurs propres manuels d’application et d’interprétation spécifiques. Étant donné que ces tests, ou d’autres tests similaires, sont largement connus par la communauté scientifique dans le domaine de la psychologie et de l’éducation, la procédure d’application n’est pas détaillée étape par étape (par exemple, compte tenu de l’objectif de ce document, il n’est pas logique de détailler chaque étape de l’application WAIS-IV35).

  1. Consentement éclairé
    1. Expliquez aux participants les aspects éthiques et confidentiels de la recherche et demandez-leur de reconnaître et de signer le consentement éclairé de la personne.
  2. Entretien structuré
    1. Expliquez les instructions suivantes au participant : « Maintenant, je vais vous interviewer afin d’obtenir des informations importantes sur votre vie et vos problèmes scolaires. Il y a des questions ouvertes et fermées, mais vous pouvez m’interrompre quand vous voulez. S’il vous plaît, laissez-moi savoir si vous avez besoin de moi pour clarifier un point. Après cette première entrevue, je vous demande peut-être de faire quelques tests d’évaluation et des questionnaires. Je vais vous dire les instructions spécifiques pour chacun d’eux. Êtes-vous prêt?
    2. Recueillir les renseignements biographiques ainsi que la présence de symptômes liés au SLD et les critères d’exclusion mentionnés dans le DSM-51 à la suite du script de l’entrevue (voir dossier supplémentaire A ).
  3. Premier point de décision en ce qui concerne l’entrevue structurée (critères d’exclusion)
    1. Terminer l’évaluation si le participant répond aux critères d’exclusion initiaux, c’est-à-dire qu’il explique qu’il a une déficience motrice (segments supérieurs), une déficience sensorielle (visuelle ou auditive), un diagnostic de déficience intellectuelle ou un trouble mental grave.
    2. Poursuivre l’évaluation s’il semble que le participant a ou pense qu’il a un SLD et ne répond pas aux critères d’exclusion.
  4. Capacité intellectuelle
    1. Appliquer le test WAIS-IV35 pour recueillir des renseignements sur la capacité intellectuelle du participant en suivant les instructions du manuel.
  5. Deuxième point de décision en ce qui concerne la capacité intellectuelle (critères d’exclusion)
    1. Terminez l’évaluation si le participant ne comprend pas les instructions du test, s’il ne peut pas être évalué, ou s’il a un QI inférieur à 70.
    2. Poursuivre l’évaluation si la personne a une capacité intellectuelle normale ou limitée.
      REMARQUE : La limite du QI acceptée dans la présente étude a été fixée comme un score de plus de 70.
  6. Tdah
    1. Demandez au participant de remplir les six éléments du questionnaire de dépistage autodéclarant du Adult-v1.1. (ASRS39) de l’Organisation mondiale de la Santé (OMS) International Composed Diagnostic Interview.
      REMARQUE : Ce questionnaire fournit des informations sur la présence de symptômes liés au TDAH mentionnés dans le DSM-IV54.
    2. Appliquer le test Aquarium Nesplora40 si le participant obtient 12 notes ou plus dans le questionnaire précédent ASRS36.
  7. Difficultés de lecture
    1. Appliquer le test de dépistage PROLEC SE-R des difficultés de lecture37 suivre les instructions du manuel.
  8. Trouble du spectre autistique (niveau 1)
    1. Demandez au participant de remplir les 28 articles du questionnaire du quotient du spectre autistique (AQ-Short) de Hoekstra et coll.41
      REMARQUE : Ce questionnaire fournit de l’information sur la présence de symptômes liés au comportement social, aux aptitudes sociales, à la routine, au changement, à l’imagination et aux chiffres/modèles.
  9. Analyser les résultats.
    1. Analyser l’entrevue, les questionnaires et les résultats des tests de chaque participant et décider s’il a des difficultés d’apprentissage importantes ou non ou s’il risque de les avoir.
      REMARQUE : Deux membres du comité d’experts (l’évaluateur et un autre membre de l’équipe de recherche) analysent le profil d’apprentissage de chaque participant et décident s’il est étudiant atteint de SLD, de TDAH et/ou de TSA ou non ou s’ils risquent de les avoir. Aucun critère ne peut remplacer le jugement de l’expert.
  10. Point de décision finale
    1. Terminez l’évaluation si le participant n’est manifestement pas un élève ayant des difficultés d’apprentissage.
    2. Poursuivre l’évaluation si le participant est une personne atteinte de DL (ou à risque) et passer à la session 2.

2. Session 2 : évaluation multimodale

REMARQUE : La session 2 doit se faire entre 1 et 7 jours après la session 1.

  1. Préparez le participant.
    1. Rappelez aux participants que la session dure environ 2 heures et qu’ils vont remplir certains questionnaires et tâches dans l’environnement d’apprentissage MetaTutor pendant que certains appareils enregistrent leurs performances tout au long de la session.
    2. Demandez aux participants de se attacher les cheveux, de se vider le cou, d’enlever leurs lunettes et d’enlever la gomme à mâcher, le cas échéant.
      REMARQUE : Si le participant porte des lunettes, des cheveux longs ou des franges qui couvrent une partie de son visage, le eye tracker ne pourra pas lire ses mouvements oculaires.
    3. Présentez MetaTutor aux participants. Expliquez que l’objectif de la session est d’en apprendre davantage sur le système circulatoire à l’aide de l’outil.
    4. Assurez-vous que les haut-parleurs sont connectés et fonctionnent.
      REMARQUE : Le participant peut également utiliser un casque si vous le préférez.
  2. Préparation et étalonnage de la réponse galvanique de la peau
    REMARQUE : N’oubliez pas qu’il existe de nombreux types de RSG fabriqués par différentes entreprises. Utilisez-le selon les spécifications du fournisseur.
    1. Nettoyez le GSR et les doigts du participant avec de l’alcool.
    2. Placez les capteurs GSR du doigt/bracelet sur l’index et les annulaires avec les connecteurs du côté du bout des doigts ou selon les instructions du fabricant.
    3. Demandez au participant de reposer sa main sur la table tranquillement et essayez de vous détendre pendant 5 min.
    4. Ouvrez le logiciel dans l’ordinateur.
    5. Assurez-vous que le graphique d’enregistrement fonctionne. Vérifiez que le graphique d’enregistrement s’enregistre.
    6. Cliquez sur Exécuter l’expérience > Taux 10 par seconde > Durée > 10 > Minute. Enregistrez l’information pendant dix minutes pour établir la ligne de base.
      REMARQUE : Le taux de 10 par seconde signifie la fréquence avec laquelle les mesures sont prises.
    7. Minimisez l’écran.
    8. Continuez avec l’étalonnage d’autres appareils et, après 10 minutes, enregistrez les informations dans un fichier .csv.
  3. Suivi des yeux et préparation et étalonnage de la webcam
    NOTE: Rappelez-vous qu’il existe de nombreux types de suivi des yeux et webcam fabriqué par différentes entreprises. Utilisez-les selon les spécifications du fournisseur.
    1. Ouvrez le logiciel dans l’ordinateur portable latéral et dans l’ordinateur.
      REMARQUE : Les mouvements oculaires sont capturés sur le PC sur lequel le participant travaille, mais les données sont enregistrées sur l’ordinateur portable latéral. En outre, dans l’ordinateur portable latéral, l’expérimentateur peut voir les mouvements que le participant fait et corriger la position du participant si nécessaire.
    2. Indiquez quelle session sera enregistrée (Metatutor dans ce cas) et les données d’inscription du participant : Fichier > Expérience récente > Metatutor > Inclure les données d’inscription du participant > OK.
    3. Vérifiez que les deux ordinateurs sont connectés l’un à l’autre et que les lumières infrarouges de suivi des yeux sont allumées et prêtes à capturer le mouvement des yeux.
    4. Réglez la webcam de l’ordinateur à la position du participant.
    5. Demandez au participant de s’asseoir face à l’avant et d’être aussi neutre que possible, bien qu’on s’attende à ce que ses expressions faciales varient au cours de la séance d’apprentissage.
      REMARQUE : Au cours de la session d’apprentissage, une vidéo du visage du participant est enregistrée avec la webcam qui est ensuite analysée à l’aide d’une application de bureau55.
    6. Demandez au participant d’être immobile et de regarder les différents points de l’écran avec son nez mis en ligne avec/légèrement sur le bord du bureau (à 90°).
    7. Cliquez sur Enregistrement > Écrire les données d’inscription du participant > Ok pour démarrer le processus d’étalonnage.
    8. Demandez au participant d’appuyer sur la barre d’espace et de suivre les points à l’écran avec ses yeux.
    9. Assurez-vous que les yeux du participant, lorsqu’il regarde l’écran, sont centrés avant de passer à l’étape suivante, en utilisant l’ordinateur portable latéral pour vérifier ces informations.
      REMARQUE : Le regard du participant est centré lorsque les mouvements de ses yeux sont enregistrés sur l’écran de l’ordinateur portable latéral avec deux cercles blancs. Lorsque le regard quitte la zone d’enregistrement, le logiciel avertit avec des flèches jaunes (si légèrement dévié), avec des flèches rouges (si dévié beaucoup) ou sans cercles blancs (si elle n’est pas enregistrée). Le chemin du mouvement des yeux se reflète avec une lumière jaune (focus attentionnel) et la piste à travers l’écran avec une ligne verte.
    10. Demandez aux participants d’éviter de toucher leur visage ou de se reposer la tête dans leurs mains autant que possible.
    11. Minimisez l’écran.
  4. Suivi multimodal de la session d’apprentissage
    1. Maximisez l’écran GSR et cliquez sur Exécuter l’expérience > Taux 10 par seconde > Durée > 5 > heures > Enregistrer et minimiser à nouveau l’écran.
    2. Maximisez le suivi des yeux et l’écran de la webcam, assurez-vous que le logiciel fonctionne correctement, cliquez sur Enregistrer sur l’ordinateur et sur l’ordinateur portable latéral pour vous inscrire et enregistrer la session et minimiser à nouveau l’écran.
      REMARQUE : Une fois que les appareils ont été calibrés, n’oubliez pas de commencer à enregistrer la session d’évaluation dans chacun d’eux. À partir de ce moment, l’interaction complète des participants avec l’outil d’apprentissage sera enregistrée jusqu’à la fin de la session.
  5. Questionnaires et séance d’apprentissage à MetaTutor
    1. Ouvrez le logiciel dans le PC et remplissez les données d’inscription du participant. ID complet > Expérimentateur > Jour > Questionnaires oui > Continuer.
      REMARQUE : Tous les journaux seront enregistrés au cours de la session dans un journal de données de fichiers.
    2. Expliquez au participant qu’il doit suivre les instructions de l’outil et qu’il n’interagira avec l’ordinateur qu’au cours de la session d’apprentissage. Expliquez que le chercheur sera dans la pièce d’à côté au cas où quelque chose se passerait.
      1. Demandez au participant des informations sociodémographiques et académiques. Nom complet > Sexe > Âge > Groupe ethnique > Niveau d’éducation > Université > Diplôme > GPA > Information sur les cours de biologie suivis le cas échéant > Continuer. Avant de cliquer sur Continuer , expliquezaux participants qu’ils doivent suivre toutes les instructions que l’outil leur donnera. En outre, qu’ils n’interagiront avec l’ordinateur que pendant la session d’apprentissage.
      2. Demandez au participant de remplir certains questionnaires.
        REMARQUE : Le participant doit remplir cinq questionnaires d’apprentissage métacognitifs et autoréglementés : a) Le mini-pool de personnalités internationales49; b) Les aspects connotatifs des croyances épistémologiques50; c) L’échelle d’estime de soi de Rosenberg51; d) Le questionnaire sur le règlement sur lesémotions 52; e) Le Questionnaire sur les émotions de réussite (AEQ)53 et un questionnaire sur les connaissances générales sur le système circulatoire.
      3. Montrez au participant l’interface de MetaTutor et ses différentes parties.
        1. Expliquez au participant que la zone de contenu est l’endroit où le contenu d’apprentissage est affiché tout au long de la session sous forme de texte.
        2. Montrez au participant qu’il peut naviguer à travers une table des matières sur le côté de l’écran pour accéder à différentes pages.
        3. Montrez au participant que l’objectif global d’apprentissage s’affiche en haut de l’écran pendant la session.
        4. Montrez au participant que les sous-objectifs fixés par les apprenants sont affichés en haut au milieu de l’écran et qu’ils peuvent gérer des sous-objectifs ou les prioriser ici.
        5. Montrez au participant qu’il y a une minuterie située dans le coin supérieur gauche de l’écran affiche le temps restant dans la session.
        6. Affichez au participant la liste des processus d’autorégulation, qui s’affichent dans une palette sur le côté droit de l’écran, et le participant peut cliquer dessus tout au long de la session pour déployer des stratégies de planification, de surveillance et d’apprentissage.
        7. Montrez au participant les images statiques pertinentes aux pages de contenu sont affichées à côté du texte pour aider les apprenants à coordonner les informations provenant de différentes sources.
        8. Affichez au participant le texte entré sur le clavier et la façon dont les interactions des élèves avec les agents sont affichées et enregistrées dans cette partie de l’interface.
        9. Montrez au participant les quatre agents artificiels qui aident les élèves dans leur apprentissage tout au long de la session.
          NOTE: Ces agents sont Gavin le Guide, Pam le planificateur, Mary le moniteur, et Sam le Strategizer.
      4. Demandez au participant de cliquer sur Démarrer pour commencer la session d’apprentissage chaque fois qu’il est prêt.
        REMARQUE : Le participant interagit avec l’outil.
      5. Une fois la session terminée, demandez au participant de remplir à nouveau le questionnaire sur les connaissances.

3. Logoff

  1. À la fin de la session enregistrer les données enregistrées de GSR, eye tracking / webcam et Metatutor ainsi que les données d’enregistrement du participant. Extraire les données dans un fichier .csv pour une utilisation plus facile.
  2. Retirez les capteurs GSR de la main du participant et nettoyez à nouveau les capteurs galvaniques avec de l’alcool.
  3. Remerciez les participants pour leur collaboration et dites au revoir.

4. Analyse des difficultés d’apprentissage

  1. Analyser le rendement d’apprentissage de chaque participant en fonction des différents rapports produits (voir la section Résultats) pour obtenir un profil multimodal.
    REMARQUE : Au moins deux membres du comité d’experts analysent le processus d’apprentissage de chaque participant. Bien que l’évaluation puisse être effectuée de manière exhaustive à l’aide de nouveaux instruments et outils, aucun rapport ne peut remplacer le jugement de l’expert.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Cette section illustre les résultats représentatifs obtenus à partir du protocole, y compris un exemple de résultats conjoints de la session 1 et un exemple de chaque source d’information de la session 2.

Les résultats sur les troubles sont recueillis au cours de la première session par des tests diagnostiques en tenant compte des procédures et des points de coupure spécifiés pour l’évaluation diagnostique des difficultés d’apprentissage des participants (SLD, TDAH et TSA). Le comité d’experts décide si le participant a des troubles d’apprentissage ou risque de les avoir ou non (voir un exemple de prise de décision à la figure 1). Si le participant présente des troubles d’apprentissage et participe à la session 2, les données provenant de sources alternatives sont recueillies.

Au cours de la deuxième session, le protocole recueille les résultats de cinq sources différentes : le GSR des participants, les émotions du visage, les mouvements oculaires, les questionnaires et les données journalières.

Tout d’abord, nous obtenons une mesure de la GSR comme une indication de l’excitation émotionnelle au cours de la session d’apprentissage (calme / excité)56. Les troubles d’apprentissage sont liés à l’anxiété chez les adultes, et plusieurs études ont révélé que les étudiants ayant des troubles d’apprentissage de la première année à l’université signalent des symptômes d’anxiété plus élevés, agissant comme un facteur dans la diminution du rendement57,58,59. Toutefois, il n’existe pas de relation en tête-à-tête entre la compréhension et l’assainissement; chaque cas doit être analysé individuellement par le comité d’experts en tenant compte de la base de référence spécifique de chaque participant. La figure 2 montre deux cas paradigmatiques qui peuvent nous montrer si la régulation de l’anxiété est un point clé pour l’intervention.

Deuxièmement, nous obtenons un enregistrement du visage du participant tout au long de la session qui nous montre les différentes émotions qu’ils ressentaient pendant le processus d’apprentissage pour tenir compte de la relation théorique avec la métacognition et l’autorégulation. Il existe une variété de logiciels de reconnaissance des émotions faciales pour recueillir cette information. Dans le protocole actuel, nous utilisons un outil55, qui comprend la reconnaissance des émotions, le retour de la confiance à travers un ensemble d’émotions pour chaque visage dans la vidéo (dégoût, peur, colère, bonheur, mépris, neutre, tristesse et surprise). Ces émotions sont comprises comme transculturelles et universellement communiquées avec des expressions faciales spécifiques60. Les participants ont eu tendance à éprouver toutes les émotions détectées au cours de la session, mais nous pouvons obtenir un index général pour chaque donnant des informations sur la tendance générale. On pense que l’activation positive des émotions telles que le bonheur, la surprise et le plaisir favorise la motivation intrinsèque et extrinsèque, facilite l’utilisation de stratégies d’apprentissage flexibles et favorise l’autorégulation. Inversement, les émotions négatives de désactivation, telles que l’ennui et la tristesse, sont posées pour réduire uniformément la motivation et le traitement effort de l’information, produisant des effets négatifs sur les résultats d’apprentissage. Pour la désactivation neutre et l’activation négative des émotions, telles que la colère, la peur, le mépris et le dégoût, les relations sont présumées plus complexes. Plus précisément, la colère et la peur peuvent saper la motivation intrinsèque, mais peuvent induire une forte motivation extrinsèque pour investir des efforts pour éviter l’échec, ce qui signifie que les effets sur l’apprentissage des élèves n’ont pas besoin d’être négatifs53 (voir la figure 3). Les résultats indiquent le degré de coïncidence avec l’une des émotions analysées, attribuant des valeurs entre 0 et 1 à chacune d’entre elles.

Troisièmement, nous utilisons les données du suivi oculaire. Les eye-trackers capturent des informations de regard en termes de fixations, et de saccades (Figure 4). Dans le protocole actuel, nous sommes intéressés à analyser les fixations, en particulier la proportion de temps de fixation et le modèle des fixations. À cette fin, nous avons défini sept domaines d’intérêt (AOI) dans l’interface MetaTutor pour l’autorégulation (étiqueté avec des rectangles dans la figure 5):AOI1 Timer, AOI2 Goal and Sub goals, AOI3 Agent/avatar pour l’échafaudage, AOI4 Table of Contents, AOI5 Text Content, AOI6 Image Content, AOI7 Learning Strategies Palette.

Pour ce qui est de l’évaluation des directives d’intervention concises, nous pouvons en déduire ce qui suit.

Les fixations dans AOI1 désignent les stratégies de gestion du temps et/ou de gestion des ressources. Les fixations réduites ou massives dans AOI1 dénotent des compétences incorrectes en gestion du temps. Il doit être vérifié rapidement.

Les fixations dans AOI2 indiquent la planification, la fixation et la priorité des objectifs et des sous-objectifs. Des études antérieures montrent que cet AOI particulier, avec l’AOI7, est particulièrement important pour évaluer l’apprentissage avec MetaTutor61. Étant dit que cette information est concise, courte et visuelle, la proportion de fixations ne doit pas être très élevée (figure 6).

Les fixations dans aoi3 agent montrent que le participant profite des invites et des commentaires que les agents fournissent au cours de l’interaction en réponse aux objectifs, aux comportements, aux auto-évaluations et aux progrès des participants. Il convient de noter qu’un manque de fixations sur l’agent AOI doit être examiné attentivement, parce que les apprenants peuvent ne pas toujours avoir besoin de regarder un agent pour traiter ses invites audio et la rétroaction61. Cet AOI doit être vérifié de temps en temps. Les avatars ne parlent pas fréquemment, il devrait donc y avoir un petit pourcentage de fixations par rapport à d’autres domaines, mais cela refléterait qu’ils ont établi une interaction avec l’agent (Figure 6).

Les fixations dans AOI4 et/ou les transitions entre le texte et l’image/graphique (AOI5 et AOI6) indiquent que l’utilisation de la stratégie des participants pour coordonner les sources d’information (COIS), associée aux gains conceptuels45. La longueur des fixations sur les textes et les images indique les processus d’intégration contribuant à des représentations mentales précises de l’information présentée62. Le COIS est opérationnel sous forme de séquence de deux transitions entre les fixations oculaires sur le texte et les zones image/graphique (p. ex., texte/graphique/texte). AOI4 doit être vérifié avec une certaine fréquence. Comme l’information est claire, courte et visuelle, la proportion de fixations ne devrait pas être très élevée. La proportion la plus élevée de fixations devrait être dans AOI5 et AOI6. Le sujet devrait passer la plupart de son temps à examiner le contenu (c’est-à-dire les textes écrits) et consacrer beaucoup de temps aux images et aux graphiques pour coordonner et intégrer les deux sources de connaissances (figure 6).

Les fixations sur AOI7 indiquent l’utilisation de stratégies cognitives (prise de notes, rédaction d’un résumé, inférence) et de stratégies métacognitives (activation des connaissances préalables, évaluation de la pertinence du contenu, évaluation de la compréhension et des connaissances)63. Il est raisonnable pour le participant d’examiner les ressources disponibles ou les stratégies d’apprentissage avec une certaine fréquence (figure 6).

Pour l’analyse ultérieure, il est nécessaire de se concentrer sur les données relatives aux étudiants qui interagissent avec MetaTutor, à l’exclusion des parties de l’interaction au cours desquelles les participants regardent des tutoriels système. Les données collectées peuvent être bruyantes et ont besoin d’une validation experte. La principale source de bruit est due aux participants qui détournent l’écran, que le eye-tracker interprète comme des données non valides; dans ce cas, il est conseillé de supprimer les segments correspondants des données de regard. La figure 6 montre un participant ayant un dysfonctionnement métacognitif et un participant ayant une utilisation adaptative des stratégies à ce niveau.

Quatrièmement, les questionnaires sont analysés avec le reste de l’information et sont notés selon les instructions des auteurs. Ils fournissent des données au niveau des participants de l’estime de soi et de la régulation émotionnelle. Un niveau favorable d’estime de soi ou de stratégies correctes de régulation émotionnelle facilite les processus d’apprentissage64. Voir des exemples d’interprétation (figure 7).

Enfin, toutes les interactions des apprenants avec le contenu, les agents et l’environnement d’apprentissage sont enregistrées dans les journaux pour une analyse plus détaillée suivant le schéma de la figure 8. Les données de journal MetaTutor nous offrent un large éventail de possibilités entre autres choses, le nombre de fois où les apprenants ont déployé des stratégies d’apprentissage autoréglementés (p. ex., prise de notes, résumés, suivi des progrès vers l’objectif, évaluation du contenu, jugements d’apprentissage, sentiments de connaissance, planification, activation préalable des connaissances, etc.), si ces stratégies étaient auto-ou externes générées par l’échafaudage externe, et le temps que chaque participant passait à visionner dans MetaTutor qui était pertinent/non pertinent par rapport à son sous-objectif actif actuel65,66. L’exploitation minière de motifs, l’exploitation minière des procédés, les règles d’association et d’autres approches potentielles67,68 fourniraient une mesure de l’utilisation par les élèves de la surveillance et de la réglementation cognitives et métacognitives tout au long de la séance d’apprentissage.

Figure 1
Figure 1. Exemple de prise de points de décision de la session 1. Ce cas montre un participant qui a eu des problèmes d’apprentissage depuis l’enfance, la plupart du temps dans les processus de lecture. L’expert peut voir que ces incapacités de lecture sont plus importantes dans les processus lexical et syntaxiques (b). De plus, on observe que le participant n’a pas de handicap moteur, sensoriel ou mental. On observe que le participant a une capacité intellectuelle normale et n’est pas à risque par rapport au trouble du spectre autistique ou au TDAH (a) les omissions, les commissions et le temps de réaction, dans les canaux visuels et auditifs, sont inférieurs à 60, sont donc dans la gamme normale). Dans ce cas, les problèmes de lecture sont détectés et les critères d’exclusion ne sont pas observés, de sorte qu’il est considéré que le participant a SLD en raison de troubles de lecture. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Figure 2
Figure 2. Résultats d’un niveau d’activation stable et d’un niveau d’activation instable pendant la session d’apprentissage. Cette image représente les résultats de deux participants. Participant A avec des niveaux d’activation stables et le participant B avec des niveaux d’activation instables pendant la session d’apprentissage puisque la ligne B du participant est plus irrégulière et avec de nombreux pics. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Figure 3
Figure 3. Image de reconnaissance de l’émotion. a) Exemple d’émotion neutre; b) Exemple d’émotion de tristesse; et c) Exemple de tendance de l’émotion du bonheur. Dans le cercle jaune, il est possible de voir la tendance de l’émotion. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Figure 4
Figure 4. Exemple montrant les données de transition entre le texte et le graphique (AOI5 et AOI6) au cours d’une session d’apprentissage MetaTutor. Les cercles et les lignes représentent des zones de fixation et de transition entre les zones. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Figure 5
Figure 5. Domaines d’intérêt (AOI) de l’interface MetaTutor pour l’évaluation de l’autorégulation : AOI1 à AOI7. AOI1 Timer, AOI2 Goal and Sub-goals, AOI3 Agent, AOI4 Table of Contents, AOI5 Text Content, AOI 6 Image Content, AOI7 Learning Strategies Palette. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Figure 6
Figure 6. Proportion de fixations dans les AOI de l’interface MetaTutor exprimées en pourcentage. a) Exemple d’un participant qui déploie un dysfonctionnement de l’autorégulation; b) Exemple d’un participant déployant des comportements d’autoréglementation. Proportion de fixations dans chaque zone (valeurs comprises entre 0 et 1). a) Les données réelles d’un participant qui passe plus de 80 % du temps à lire le texte écrit (AOI5) sous-use les ressources conçues pour l’aider à comprendre ce contenu (AOI6); il passe à peine en revue le schéma de contenu pour vérifier ce qu’il a déjà appris et ce qui reste à apprendre (AOI4); néglige les objectifs d’apprentissage et les sous-objectifs (AOI2) et il passe rarement en revue la palette des stratégies d’apprentissage (AOI7). En outre, il ne surveille pas le temps affecté à la tâche (AOI1) et ignore les avatars qui tentent de l’aider (AOI3); b) Données réelles d’un participant qui passe la moitié du temps (environ 50 %) à lire le texte écrit (AOI5) et examine fréquemment le graphique conçu pour l’aider à comprendre le contenu (AOI6). Bien qu’il passe la plupart de son temps sur le contenu, il passe fréquemment en revue le schéma de contenu pour vérifier ce qu’il a appris et ce qu’il lui reste à apprendre (AOI4); il prête attention aux objectifs d’apprentissage et aux sous-objectifs (AOI2) pour s’assurer qu’il les atteint et il va à la palette des stratégies d’apprentissage (AOI7) en cas de besoin. En outre, il surveille le temps sans trop s’en soucier (AOI1) et établit une certaine interaction avec les agents (AOI3). Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Figure 7
Figure 7. Exemple d’interprétation des résultats des questionnaires. Dans la gauche graphique) Rosenberg échelle d’estime de soi51, des scores plus élevés indiquent une plus grande estime de soi (minimum = 10; maximum = 40). En graphique à droite), Questionnaire de régulation des émotions52, réévaluation cognitive (minimum = 7; maximum = 42); Suppression expressive (minimum = 4; maximum = 28). Des scores plus élevés indiquent une utilisation plus élevée des stratégies de réévaluation ou de suppression. La réévaluation cognitive est une forme de changement au niveau cognitif qui aide à interpréter une situation qui provoque des émotions d’une autre manière, changeant ainsi leur impact émotionnel (l’utilisation de stratégies de réévaluation aide à penser à des situations négatives et à une construction alternative pour les résoudre). La suppression expressive est une forme de modulation de réponse qui implique d’inhiber le comportement émotionnel-expressif continu (les utilisateurs récurrents des stratégies de suppression devraient avoir moins de compréhension de leurs humeurs, les voir moins favorablement, et les gérer moins avec succès). Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Figure 8
Figure 8. Journal de traitement des données. Cette image représente la gestion des données de journal. Le système recueille les données brutes d’interaction entre l’étudiant et MetaTutor, puis effectue le prétraitement des données pour appliquer ultérieurement learning analytics et/ou data mining technique pour découvrir, analyser ou visualiser le processus d’apprentissage complet. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Le protocole actuel propose une évaluation multimodale axée sur les processus métacognitifs, autoréglementationnels et émotionnels, qui constituent la base des difficultés chez les adultes atteints de LD.

La première session est essentielle parce qu’elle se veut une évaluation diagnostique des troubles d’apprentissage du participant. Notez que cette séance ici est réalisée par des thérapeutes ayant de l’expérience dans le diagnostic des difficultés de développement et d’apprentissage dans le contexte de la recherche et clinique. Nous utilisons ces outils en Espagne, de sorte que les chercheurs d’autres pays devraient sélectionner des tests adaptés à leur population. L’importance de la méthode en ce qui concerne les méthodes existantes est que bon nombre des échelles pour le TDAH, les DSL et les TSA ont été conçues pour être utilisées chez les enfants, les tests neuropsychologiques et la neuroimagerie étant la meilleure, mais moins réaliste, alternative à ce manque d’instruments24. En outre, tous les handicaps susmentionnés sont habituellement évalués par leurs symptômes spécifiques dans l’isolement, sans tenir compte des points communs bien connus trouvés dans les LD, tels que le métacognitif, l’autoréglementation, et le dysfonctionnement émotionnel. Dans tous les cas, la plupart des connaissances sur la métacognition, l’autorégulation et les émotions sont basées sur des données autodéclarées à l’âge précoce ou adulte. Cependant, les auto-déclarations de toute nature sont vulnérables à divers types de biais69 et plusieurs fois aucune corrélation entre les données physiologiques et auto-déclarées n’a été trouvée dans les échantillons de LD70.

Pour cette raison, la session 2 du protocole est critique. Il se concentre sur les processus fondamentaux de l’apprentissage (métacognitif, autorégulation et comportement émotionnel), l’importance de la méthode par rapport aux méthodes alternatives est qu’il s’agit d’une évaluation multimodale du processus d’apprentissage du participant fournissant des données de trace multicanal. L’outil qui rend possible l’intégration de toutes ces sources d’information est MetaTutor43, un outil métacognitif basé sur la technologie d’apprentissage de pointe et l’un des meilleurs représentants et des lignes de recherche les plus connues de la soi-disant troisième vague de mesure de l’autorégulation33.

En ce qui concerne les réponses galvaniques de la peau, la majorité des études psychophysiologiques des sujets de LD se sont concentrées sur l’un des trois sujets connexes : l’excitation, l’orientation et l’attention. Dans ce protocole, l’excitation fournit un cadre unique pour comprendre l’émotion et la cognition qui ne peut pas être fourni par des mesures statiques comme l’auto-rapport71. Avec les expressions faciales, des recherches antérieures ont indiqué que les émotions académiques sont significativement liées à la motivation des élèves, les stratégies d’apprentissage, les ressources cognitives, l’autorégulation et les résultats scolaires72. Quand il s’agit de mouvements oculaires, nous connaissons la valeur des données de regard dans la prévision de l’apprentissage des élèves lors de l’interaction avec MetaTutor61 et plusieurs chercheurs ont suggéré que la durée des fixations indiquent un traitement cognitif plus profond au cours de l’apprentissage73. Les questionnaires fournissent des informations complémentaires sur le rendement des participants pendant la session d’apprentissage de MetaTutor, leur perception d’eux-mêmes en tant qu’apprenants et leur comportement lorsqu’ils apprennent. Enfin, les données de journal sont une source supplémentaire d’information sur les processus d’autoréglementation des participants. Après la collecte de données brutes et de prétraitement de données, les nouvelles techniques d’analyse de l’apprentissage et d’exploration de données éducatives nous permettent de découvrir, d’analyser et de visualiser, ou de le dire autrement, plonger dans le processus d’apprentissage74,75,76.

Cette méthodologie mixte fournit des preuves du déploiement de processus cibles avant, pendant et après l’apprentissage qui peuvent être triangulés pour améliorer notre compréhension de la façon dont les adultes atteints de LD apprennent et où se trouvent les problèmes.

Cette proposition est un protocole, qui signifie une procédure et un système d’instruments, il convient donc de se rappeler que les mesures proposées n’ont pas la même valeur isolément qu’elles le font lorsqu’elles font partie de l’ensemble, et c’est là que réside l’intérêt pour cette proposition. L’objectif est de converger ces flux de données, de comprendre comment les adultes atteints de LD surveillent et contrôlent leurs processus cognitifs, métacognitifs et affectifs pendant l’apprentissage.

Bien que ce protocole soit une boîte à outils efficace pour le dépistage et le diagnostic par le psychologue praticien, il n’est pas sans limites. Le diagnostic des LD adultes est particulièrement difficile. L’éducation et l’expérience permettent à de nombreux adultes de compenser leurs déficits et ces adultes présentent par la suite des caractéristiques individuelles lors de l’examen24. Comme les résultats l’indiquent, il est difficile de fournir des points de coupure précis à partir de certaines sources de données (p. ex., GSR, données de journal, etc.) en règle générale dans la population cible.

Un autre défi, plutôt que de limiter, est la complexité dans le traitement des données complexes, bruyantes et désordonnées qui en résultent, qui nécessite la participation d’experts de différents domaines tels que les psychologues, les physiologistes, les informaticiens et les scientifiques de l’éducation, etc. Comme l’ont récemment noté Azevedo et Gašević77, nous devons intégrer une mosaïque complexe de modèles et de cadres théoriques issus des sciences psychologiques, éducatives, pédagogiques et computationnelles. En outre, les erreurs d’instrumentation, la validité interne et externe, la validité écologique par rapport à la rigueur expérimentale, les canaux de données convergents et les inférences sur les données de processus ne sont que quelques-unes des questions méthodologiques résultant de la collecte de données multimodales multicanaux que les chercheurs doivent traiter77,78.

Néanmoins, l’orientation future de cette méthodologie dépasse l’objectif d’évaluation, actuellement la possibilité est ouverte d’utiliser des données multicanales en temps réel multicanaux pour concevoir des interventions préventives basées sur adaptive Hypermedia Learning Environments79 ou fournir aux apprenants des échafaudages en temps réel, intelligents et adaptatifs (modélisation des stratégies cognitives, régulation de la métacognition via un agent artificiel, incitation à la régulation des émotions, introduction d’outils de visualisation pour découvrir des processus cachés, etc.) 77,80.

Enfin, les LD doivent être suivis au cours de leur vie; le cours longitudinal des SLD, du TDAH et du TSA et de leurs séquelles à long terme ne font que commencer à être explorés21. Nous espérons que l’utilisation généralisée de cette ligne directrice théoriquement fondée sur des empiriques aidera à identifier la population d’adultes atteints de LD et à mieux comprendre ces troubles afin de concevoir des actions efficaces de prévention et d’intervention.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Les auteurs n’ont rien à révéler.

Acknowledgments

Ce manuscrit a été appuyé par un financement de la National Science Foundation (DRL#1660878, DRL#1661202, DUE#1761178, DRL#1916417), Conseil de recherches en sciences humaines du Canada (CRSH 895-2011)-1006), le Ministère des sciences et de l’innovation I+D+i (PID2019-107201GB-100), et l’Union européenne par l’intermédiaire des Fonds européens de développement régional (ERDF) et de la Principauté des Asturies (FC-GRUPIN-IDI/2018/000199). Les opinions, constatations, conclusions ou recommandations exprimées dans le présent document sont celles des auteurs et ne reflètent pas nécessairement les points de vue de la Fondation nationale des sciences ou du Conseil de recherches en sciences humaines du Canada. Les auteurs tiennent également à remercier les membres du smart lab de l’UCF pour leur aide et leurs contributions.

Materials

Name Company Catalog Number Comments
AQUARIUM Nesplora
Eye-tracker RED500 Systems SensoMotoric Instruments GmbH
Face API Microsoft
GSR NUL-217 NeuLog

DOWNLOAD MATERIALS LIST

References

  1. American Psychiatric Association. Diagnostic and statistical manual of mental disorders (5th ed.). , Washington,DC. (2013).
  2. World Health Organization. International statistical classification of diseases and related health problems (11th Revision). , Retrieved from https://icd.who.int/browse11/l-m/en (2018).
  3. Education's Individuals with Disabilities Education Act. 2018 Annual Report to Congress on the Individuals with Disabilities Education Act. , Available from: https://sites.ed.gov/idea/data (2018).
  4. Armstrong, T. The myth of the normal brain: Embracing neurodiversity. AMA Journal of Ethics. 17 (4), 348-352 (2015).
  5. Berenger, C., Roselló, B., Miranda, A., Baixauli, I., Palomero, B. Executive functions and motivation in children with autism spectrum disorder and attention deficit hyperactivity disorder. International Journal of Developmental and Educational Psychology. 1 (1), 103-112 (2016).
  6. Brinkerhoff, L. C., McGuire, J. M., Shaw, S. F. Postsecondary education and transition for students with learning disabilities (2nd ed.). , Pro-ed. Austin, TX. (2002).
  7. Allsopp, D. H., Minskoff, E. H., Bolt, L. Individualized course-specific strategy instruction for college students with learning disabilities and ADHD: Lessons learned from a model demonstration project. Learning Disabilities Research & Practice. 20 (2), 103-118 (2005).
  8. Crane, N., Zusho, A., Ding, Y., Cancelli, A. Domain-specific metacognitive calibration in children with learning disabilities. Contemporary Educational Psychology. 50, 72-79 (2017).
  9. Harris, K. R., Reid, R. R., Graham, S. Self-regulation among students with LD and ADHD. Learning about Learning Disabilities. Wong, B. , Academic Press. Orlando, FL. 167-195 (2004).
  10. National Joint Committee on Learning Disabilities. Collective Perspectives on Issues Affecting Learning Disabilities. , PRO-ED. Austin, Texas. (1994).
  11. Sawyer, A. C., Williamson, P., Young, R. Metacognitive processes in emotion recognition: Are they different in adults with Asperger's disorder. Journal of Autism and Developmental Disorders. 44 (6), 1373-1382 (2014).
  12. Meltzer, L. Executive function in education: From theory to practice. , Guilford Publications. New York. (2018).
  13. Martino, G., Capri, T., Castriciano, C., Fabio, R. A. Automatic Deficits can lead to executive déficits. Mediterranean Journal of Clinical Psychology. 5 (3), 1-31 (2017).
  14. Fabio, R. A., et al. Frequency bands in seeing and remembering: comparing ADHD and typically developing children. Neuropsychological Trends. 24, 97-116 (2018).
  15. Bernardo, A. B., Esteban, M., Cerezo, R., Muñiz, L. J. Principales variables influyentes en el abandono de titulación en la Universidad de Oviedo. Informe PRIOR: PRoyecto Integral de ORientación Académico-Profesional. , Universidad de Oviedo. Oviedo. (2013).
  16. Cortiella, C. Diplomas at risk: A critical look at the graduation rate of students with learning disabilities. , National Center for Learning Disabilities. New York, NY. (2013).
  17. Plasman, J. S., Gottfried, M. A. Applied STEM coursework, high school dropout rates, and students with learning disabilities. Educational Policy. 32 (5), 664-696 (2018).
  18. Cortiella, C., Horowitz, S. H. The state of learning disabilities: Facts, trends and emerging issues (3rd Ed). , National Center for Learning Disabilities. New York. (2014).
  19. Chevalier, T. M., Parrila, R., Ritchie, K. C., Deacon, S. H. The role of metacognitive reading strategies, metacognitive study and learning strategies, and behavioral study and learning strategies in predicting academic success in students with and without a history of reading difficulties. Journal of Learning Disabilities. 50 (1), 34-48 (2017).
  20. Goroshit, M., Hen, M. Academic procrastination and academic performance: Do learning disabilities matter. Current Psychology. , 1-9 (2019).
  21. Grinblat, N., Rosenblum, S. Why are they late? Timing abilities and executive control among students with learning disabilities. Research in Developmental Disabilities. 59, 105-114 (2016).
  22. Heiman, T., Fichten, C. S., Olenik-Shemesh, D., Keshet, N. S., Jorgensen, M. Access and perceived ICT usability among students with disabilities attending higher education institutions. Education and Information Technologies. 22 (6), 2727-2740 (2017).
  23. Couzens, D., et al. Support for students with hidden disabilities in universities: A case study. International Journal of Disability. Development and Education. 62 (1), 24-41 (2015).
  24. Schelke, M. W., et al. Diagnosis of developmental learning and attention disorders in adults: A review of clinical modalities. Neurology, Psychiatry and Brain Research. 23, 27-35 (2017).
  25. Madaus, J. W., Shaw, S. F. The impact of the IDEA 2004 on transition to college for students with learning disabilities. Learning Disabilities Research & Practice. 21 (4), 273-281 (2006).
  26. Santos, C. G., Fernández, E., Cerezo, R., Núñez, J. C. Dificultades de aprendizaje en Educación Superior: un reto para la comunidad universitaria. Publicaciones. 48 (1), 63-75 (2018).
  27. Jiménez, L., García, A. J., López-Cepero, J., Saavedra, F. J. The brief-ACRA scale on learning strategies for university students. Revista de Psicodidáctica. 23 (1), 63-69 (2018).
  28. Zimmerman, B. J. Motivational sources and outcomes of self-regulated learning and performance. Handbook of Self-Regulation of Learning and Performance. Zimmerman, B. J., Schunk, D. H. , Routledge. NY. 49-65 (2011).
  29. Pike, G. R., Kuh, G. D. A tipology of student engagement for Amer-ican colleges and universities. Research in Higher Education. 46, 185-209 (2005).
  30. Winne, P. H., Perry, N. E. Measuring self-regulated learning. Handbook of Self-Regulation. Boekaerts, M., Pintrich, P. R., Zeidner, M. , Elsevier Academic Press. San Diego, CA. 531-566 (2000).
  31. Areces, D., Cueli, M., García, T., González-Castro, P., Rodríguez, C. Using brain activation (nir-HEG/Q-EEG) and execution measures (CPTs) in an ADHD assessment protocol. Journal of Visualized Experiments. (134), e56796 (2018).
  32. Azevedo, R., Taub, M., Mudrick, N. V. Understanding and reasoning about real-time cognitive, affective, and metacognitive processes to foster self-regulation with advanced learning technologies. Handbook of Self-Regulation of Learning and Performance. Alexander, P. A., Schunk, D. H., Greene, J. A. , Routledge. New York. (2017).
  33. Panadero, E., Klug, J., Järvelä, S. Third wave of measurement in the self-regulated learning field: when measurement and intervention come hand in hand. Scandinavian Journal of Educational Research. 60 (6), 723-735 (2016).
  34. Greene, J. A., Azevedo, R. The measurement of learners' self-regulated cognitive and metacognitive processes while using computer-based learning environments. Educational Psychologist. 45 (4), 203-209 (2010).
  35. Wechsler, D. A. Wechsler Adult Intelligence Scale (4th ed.). , Psychological Corporation. San Antonio, TX. (2008).
  36. Theiling, J., Petermann, F. Neuropsychological profiles on the WAIS-IV of adults with ADHD. Journal of Attention Disorders. 20 (11), 913-924 (2016).
  37. Cuetos, F., Arribas, D., Ramos, J. L. Prolec-SE-R, Batería para la evaluación de los procesos lectores en Secundaria y Bachillerato - Revisada. , TEA. Madrid. (2016).
  38. Mayes, S. D., Calhoun, S. L., Crowell, E. W. Learning disabilities and ADHD: Overlapping spectrum disorders. Journal of Learning Disabilities. 33 (5), 417-424 (2000).
  39. Kessler, R. C., et al. The World Health Organization Adult ADHD Self-Report Scale (ASRS): a short screening scale for use in the general population. Psychological Medicine. 35 (2), 245-256 (2005).
  40. Climent, G., Banterla, F., Iriarte, Y. AULA: Theoretical manual. , Nesplora. San Sebastián, Spain. (2011).
  41. Hoekstra, R. A., et al. The construction and validation of an abridged version of the autism-spectrum quotient (AQ-Short). Journal of Autism and Developmental Disorders. 41, 589-596 (2010).
  42. Baron-Cohen, S., Wheelwright, S., Skinner, R., Martin, J., Clubley, E. The autism-spectrum quotient (AQ): evidence from Asperger syndrome/high-functioning autism, males and females, scientists and mathematicians. Journal of Autism and Developmental Disorders. 31, 5-17 (2001).
  43. Azevedo, R., Johnson, A., Chauncey, A., Burkett, C. Self-regulated learning with MetaTutor: Advancing the science of learning with MetaCognitive tools. New Science of Learning. Khine, M., Saleh, I. , Springer. New York, NY. 225-247 (2010).
  44. Azevedo, R., Witherspoon, A., Chauncey, A., Burkett, C., Fike, A. MetaTutor: A MetaCognitive tool for enhancing self-regulated learning. 2009 AAAI Fall Symposium Series. , (2009).
  45. Azevedo, R. Theoretical, methodological, and analytical challenges in the research on metacognition and self-regulation: A commentary. Metacognition & Learning. 4 (1), 87-95 (2009).
  46. Feyzi-Behnagh, R., Trevors, G., Bouchet, F., Azevedo, R. Aligning multiple sources of SRL data in MetaTutor: Towards interactive scaffolding in multi-agent systems. 18th biennial meeting of the European Association for Research on Learning and Instruction (EARLI). , Munich, Germany. Paper presented (2013).
  47. Harley, J. M., et al. Assessing learning with MetaTutor: A Multi-Agent Hypermedia Learning Environment. Annual meeting of the American Educational Research Association. , Philadelphia, PA. Paper presented (2014).
  48. Azevedo, R., Feyzi-Behnagh, R., Harley, J., Bouchet, F. Analyzing temporally unfolding self-regulatory process during learning with multi-agent technologies. EARLI Biannual Conference 2013. , Munich. Paper presented (2013).
  49. Donnellan, M. B., Oswald, F. L., Baird, B. M., Lucas, R. E. The mini-IPIP scales: tiny-yet-effective measures of the Big Five factors of personality. Psychological Assessment. 18 (2), 192 (2006).
  50. Stahl, E., Bromme, R. The CAEB: An instrument for measuring connotative aspects of epistemological beliefs. Learning and Instruction. 17 (6), 773-785 (2007).
  51. Gray-Little, B., Williams, V. S. L., Hancock, T. D. An item response theory analysis of the Rosenberg Self-Esteem Scale. Personality and Social Psychology Bulletin. 23, 443-451 (1997).
  52. Gross, J. J., John, O. P. Individual differences in two emotion regulation processes: implications for affect, relationships, and well-being. Journal of Personality and Social Psychology. 85 (2), 348 (2003).
  53. Pekrun, R., Goetz, T., Frenzel, A. C., Barchfeld, P., Perry, R. P. Measuring emotions in students' learning and performance: The Achievement Emotions Questionnaire (AEQ). Contemporary Educational Psychology. 36 (1), 36-48 (2011).
  54. American Psychiatric Association. Diagnostic and statistical manual of mental disorders - reviewed (DSM-IV-TR). , Washington, DC. (2000).
  55. Face API [Computer software]. , Available from: https://azure.microsoft.com/es-es/services/cognitive-services/face/ (2019).
  56. Picard, R. W. Affective computing. , MIT press. (2000).
  57. Grills-Taquechel, A. E., Fletcher, J. M., Vaughn, S. R., Stuebing, K. K. Anxiety and reading difficulties in early elementary school: Evidence for unidirectional-or bi-directional relations. Child Psychiatry & Human Development. 43 (1), 35-47 (2012).
  58. Mammarella, I. C., et al. Anxiety and depression in children with nonverbal learning disabilities, reading disabilities, or typical development. Journal of Learning Disabilities. 49, 130-139 (2014).
  59. Nelson, J. M., Harwood, H. Learning disabilities and anxiety: A meta-analysis. Journal of Learning Disabilities. 44 (1), 3-17 (2011).
  60. Arora, M. R., Sharma, J., Mali, U., Sharma, A., Raina, P. Microsoft Cognitive Services. International Journal of Engineering Science. 8 (4), 17323-17326 (2018).
  61. Bondareva, D., et al. Inferring learning from gaze data during interaction with an environment to support self-regulated learning. International Conference on Artificial Intelligence in Education. , Springer. Berlin, Heidelberg. 229-238 (2013).
  62. Mason, L., Tornatora, M. C., Pluchino, P. Do fourth graders integrate text and picture in processing and learning from an illustrated science text? Evidence from eye-movement patterns. Computers & Education. 60 (1), 95-109 (2013).
  63. Duffy, M. C., Azevedo, R. Motivation matters: Interactions between achievement goals and agent scaffolding for self-regulated learning within an intelligent tutoring system. Computers in Human Behavior. 52, 338-348 (2015).
  64. Cerezo, R., et al. Mediating Role of Self-efficacy and Usefulness Between Self-regulated Learning Strategy Knowledge and its Use. Revista de Psicodidáctica. 24 (1), 1-8 (2019).
  65. Mudrick, N. V., Azevedo, R., Taub, M. Integrating metacognitive judgments and eye movements using sequential pattern mining to understand processes underlying multimedia learning. Computers in Human Behavior. 96, 223-234 (2019).
  66. Taub, M., Azevedo, R. How Does Prior Knowledge Influence Eye Fixations and Sequences of Cognitive and Metacognitive SRL Processes during Learning with an Intelligent Tutoring System. International Journal of Artificial Intelligence in Education. 29 (1), 1-28 (2019).
  67. Bogarín, A., Cerezo, R., Romero, C. A survey on educational process mining. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. 8 (1), 1230 (2018).
  68. Cerezo, R., Bogarín, A., Esteban, M., Romero, C. Process mining for self-regulated learning assessment in e-learning. Journal of Computing in Higher Education. , (2019).
  69. Levenson, R. W. Blood, sweat, and fears. Annals of the New York Academy of Sciences. 1000 (1), 348-366 (2003).
  70. Meer, Y., Breznitz, Z., Katzir, T. Calibration of Self-Reports of Anxiety and Physiological Measures of Anxiety While Reading in Adults With and Without Reading Disability. Dyslexia. 22 (3), 267-284 (2016).
  71. Daley, S. G., Willett, J. B., Fischer, K. W. Emotional responses during reading: Physiological responses predict real-time reading comprehension. Journal of Educational Psychology. 106 (1), 132-143 (2014).
  72. Pekrun, R., Goetz, T., Titz, W., Perry, R. P. Academic emotions in students' self-regulated learning and achievement: A program of qualitative and quantitative research. Educational Psychologist. 37 (2), 91-105 (2002).
  73. Antonietti, A., Colombo, B., Di Nuzzo, C. Metacognition in self-regulated multimedia learning: Integrating behavioural, psychophysiological and introspective measures. Learning, Media and Technology. 40 (2), 187-209 (2015).
  74. Bogarin, A., Cerezo, R., Romero, C. Discovering learning processes using inductive miner: a case study with Learning Management Systems (LMSs). Psicothema. 30 (3), 322-329 (2018).
  75. Lang, C., Siemens, G., Wise, A., Gašević, D. Handbook of learning analytics. , Society for Learning Analytics and Research. Beaumont, AB, Canada. (2017).
  76. Romero, C., Ventura, S., Pechenizkiy, M., Baker, R. S. J. Handbook of educational data mining. , CRC Press. Boca Raton, FL. (2010).
  77. Azevedo, R., Gašević, Analyzing Multimodal Multichannel Data about Self-Regulated Learning with Advanced Learning Technologies: Issues and Challenges. Computers in Human Behavior. 96, 207-210 (2019).
  78. Veenman, M. V. J., Van Hout-Wolters, B., Afflerbach, P. Metacognition and Learning: Conceptual and Methodological Considerations. Metacognition Learning. 1, 3-14 (2006).
  79. Brusilovsky, P., Millán, E. User models for adaptive hypermedia and adaptive educational systems. The adaptive web. Brusilovsky, P., Kobsa, A., Nejdl, W. , Springer. Berlin, Heidelberg. 3-53 (2007).
  80. Taub, M., et al. using multi-channel data with multi-level modeling to assess in-game performance during gameplay with CRYSTAL ISLAND. Computers in Human Behavior. 76, 641-655 (2017).

Tags

Comportement numéro 163 Troubles d’apprentissage métacognition autorégulation évaluation multimodale âge adulte MetaTutor
Protocole multimodal pour l’évaluation de la métacognition et de l’autorégulation chez les adultes ayant des difficultés d’apprentissage
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Cerezo, R., Fernández, E.,… More

Cerezo, R., Fernández, E., Gómez, C., Sánchez-Santillán, M., Taub, M., Azevedo, R. Multimodal Protocol for Assessing Metacognition and Self-Regulation in Adults with Learning Difficulties. J. Vis. Exp. (163), e60331, doi:10.3791/60331 (2020).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter