Francisco Martin-Gomez, Aline Chevalier

De la pédagogie de l'objet à l'objet pédagogique : Google comme instrument didactique paramétrable

   
 

Introduction

 

Face au flot d’informations absolument fantastique qui saturent chaque jour un peu plus nos perceptions et dont la « maîtrise » est apparue progressivement comme un enjeu scolaire majeur,  une  compétence nouvelle a progressivement été formalisée et introduite dans la formation obligatoire des élèves français : savoir rechercher de l’information (objectif de connaissances et de compétences pour la maîtrise du socle commun, domaine 2 : des méthodes et outils pour apprendre). S’il apparaît désormais évident qu’Internet, en tant que système d’information agrégeant plus de 91% des recherches d’information (Boubée et Tricot, 2011) domine sans partage les autres modes d’accès à l’information, il reste toutefois encore nécessaire de savoir y trouver et retrouver l’information adéquate pour pouvoir l’utiliser. Le web, tout à la fois outil et produit de la transition numérique de l’information, permet en cela deux modalités distinctes : naviguer ou utiliser un moteur de recherche.

 

L’usage des moteurs de recherche

Si ces deux options coexistent depuis les débuts, il est depuis plus de 10 ans établi que la préférence des utilisateurs se porte largement sur la seconde (Griffiths et Brophy, 2005), la navigation n’étant plus considérée comme une médiation (ou stratégie) efficace face au progrès d’usage (à défaut de les qualifier de technologiques) qu’ont connu les moteurs de recherche. Ainsi, en multipliant mécaniquement les espaces d’informations rencontrés et visités successivement, cette stratégie de navigation peut renchérir le coût cognitifs de la tâche (par exemple en rendant la discrimination des documents plus difficile) et entrer en conflit avec notre tendance à l’économie de moyens  ou « avarice cognitive » (Miura et al., 2006) ; pour finir par être rejetée. La navigation, enfin, génère des phénomènes de frustrations fortes, comme la désorientation, l’impression de tourner en rond (perte du but informationnel) ou l’impression de perte de temps, qui nuisent la résolution de la tâche de recherche (Boubée, 2008).

D’autres auteurs confirmeront par la suite cette préférence, en observant en outre que l’usage d’un moteur conditionne bien l’efficacité d’une recherche d’information sur internet : pour Pak et Price (2008), les comportements et performances observées  lors de l’utilisation d’un moteur de recherche détermine en grande partie la réussite ou l’échec de tout le processus de recherche d’information (RI) ; la navigation entre et dans les sites web est secondaire et conditionnées par l’usage des moteurs (Sharit et al., 2008).

 

Google comme porte d’entrée sur le web

Parmi ces outils, il en est un tout particulièrement qui se démarque par l’intensité de son utilisation : avec plus de 90% de requête adressées au niveau mondial et en France en 2016, Google est le champion fonctionnel du web. Ce dernier, sans concurrent sérieux, jalonne le web de ses indexations et ouvre un accès simplifié à des contenus sans cela éparpillés. Il co-construit se faisant certains comportements de recherche, en fournissant par exemple, sinon l’estampille de vérité suffisante pour faire de ses résultats des objets normés auto-suffisants, à tout le moins un « choix satisfaisant » dès les premières occurrences de la (première) page de résultats… depuis 10 ans (Jansen et Spink, 2006).
Malgré tout, il est évident que toute recherche ne peut être résolue, malgré l’utilisation de Google. Différentes raisons peuvent être avancées, mais les plus fréquemment évoquées tiennent dans la limite du savoir accessible via le moteur (phénomène qui semble devoir diminuer dans le temps, la base de données adossée au moteur Google augmentant régulièrement) et/ou la limite du questionnement que l’utilisateur adresse à ce dernier (représentation inadaptée des besoins, des buts). Ainsi, le manque d’informations, de connaissances vis-à-vis du sujet de recherche, ou de l’outil, peuvent gêner la résolution d’une recherche.

 

L’intérêt de analyse expert/novice

L’analyse duale en termes expert-novice couplée à la considération de la complexité et son impact sur la résolution de la tâche peut ici prendre ainsi tout son sens dans la construction des apprentissages documentaires : d’une part, l’observation des caractéristiques expertes définit un « pool » de compétences et savoir-faire à acquérir (les apprenants pouvant en général être considérés comme des novices), tout en déterminant un objectif-cible pédagogique ; d’autre part, cette approche fournit une grille de lecture didactique, permettant de construire une progression, cette dernière étant représentée par la différence entre les comportements initiaux et les comportements experts vers lesquels tendre ; enfin, considérer la complexité de la tâche permet d’appréhender les variation dans la difficulté de résolution et ainsi de planifier l’accès à l’autonomie des élèves (maîtrise des compétences).
 

L’effet de la complexité de la tâche

Par complexité, nous entendons ici la « fonction d’incertitude » qu’une situation peut générer, ou plus précisément,  la complexité est comprise ici comme le sentiment d’incertitude que peut provoquer une tâche, quant aux résultats et/ou aux moyens de les atteindre (Vakkari, 1999 ; Byström et Järvelin, 1995). Comme l’a théorisé Morin (1988), il y aura complexité lorsque nous rencontrons une « incompressibilité algorithmique », c’est-à-dire une irréductibilité et indéductibilité à l’avance d’une séquence d’évènements. De nombreuses études, comme celle de Jansen et Spink (2006) sur le comportement type d’un utilisateur de moteur de recherche, ou encore celle de Lorrigo et al. (2005) sur les comportements oculaires d’utilisateur de moteurs de recherche selon les caractéristiques de la tâche, ont montré que la complexité d’une tâche peut ainsi impacter le nombre de requêtes formulées, le nombre de mots-clés utilisés, leurs natures (issus de la question ou inférés), leur type (pertinents/non pertinents), le nombre de pages de résultats étudiées, le temps passé sur ces pages, le nombre de liens étudiés, le temps passé dessus, l’ordre dans lequel ces liens sont étudiés. A cela nous ajouterons les conclusions des études de Chevalier, Maury et Fouquereau (2014) et celle de Monchaux, Amadieux, Chevalier et Mariné (2015). Dans ces études, si les auteurs concluent également que la complexité de la tâche de RI influence le temps de recherche ou le temps passé à naviguer ainsi que la performance des participants, ils précisent toutefois que ce temps supplémentaire provient d’un nombre de relectures plus important des informations (signalant ici une perte de l’information en mémoire de travail ou encore des difficultés de compréhension).
Si l’impact de la complexité de la tâche est désormais reconnue sur les stratégies déployées pour les utilisateurs en situation de recherche d’information, Vakkari (1999), rejoignant ainsi Fox et Tversky (1995) ou Fox et Weber (2002), rappelle que la déterminabilité d’une tâche, c’est-à-dire l’incertitude qui lui est corrélée, varie en fonction des connaissances du sujet sur la tâche. Brewer (2003) précisera que la représentation mentale qu’un individu se fait d’une situation de recherche d’information permet à ce dernier de mieux planifier et comprendre les réactions de l’environnement. Ainsi, plus un individu comprend finement la tâche et plus il sera capable de mettre en œuvre les bonne procédures et stratégies amenant la résolution. C’est ici l’impact de l’expertise qui est soulevé.
Comme le rappellent Dinet, Chevalier et Tricot (2012), l’expertise est essentiellement étudiée sous deux angles distincts dans la recherche : l’expertise liée au domaine et l’expertise dans la recherche d’information. L’expertise liée au domaine peut se définir comme l’ensemble des connaissances directement impliquées dans le thème de la recherche d’information (également appelées connaissances antérieures), alors que l’expertise liée à la recherche d’information se réfère aux savoir-faire et compétences techniques liés à l’utilisation des supports et des outils de recherche tels que les navigateurs ou les moteurs de recherches. Ces deux expertises s’articulent et peuvent se compenser dans l’action : Fields et al. (2005), cités dans Dinet et al. (2012), testant les comportements de recherche de documentaliste-bibliothécaires versus des experts du domaine (médecine), montrent ainsi que les bibliothécaires compensent leur manque de connaissances du domaine par leurs qualités techniques dans l’usage de l’outil de recherche supérieures.
Et malgré les critiques épistémologiques de Boubée et Tricot (2011) sur les constructions expérimentales reposant sur la distinction expert/novice, notamment parce qu’il est difficile de pouvoir classer des élèves comme véritablement novices si on considère les effets métacognitifs et les phénomènes de transferts de compétences, les biais dans le recueils des données ou la définition des tâches, nous avons pour notre part fait le choix de construire cette étude sur les effets des connaissances antérieures (expertise domaine). En effet, pour Brand-Gruvel, Wopereis et Walvaren (2009), les compétences de base déterminantes dans une RI sont : capacité langagière (lecture-compréhension), capacités d’évaluation, et les capacités techniques de maîtrise des environnements numériques. Puisque nos participants ont tous reçu, en amont de l’expérimentation, une formation documentaire identique, incluant une formation(1) spécifique à la recherche d’information sur le moteur Google (dans le cadre de leur formation obligatoire en collège, sur une durée de plusieurs heures), le rôle des capacités langagières et d’évaluation s’en trouvent renforcer et devraient être déterminantes dans la réussite de ces tâches. Or, ce sont pour nous des compétences dont la maîtrise relève de l’expertise du domaine. Enfin, les tâches de RI ont été conçues en considération de l’écologie scolaire de ces élèves, c’est-à-dire inscrites dans un processus d’apprentissage disciplinaire (ici l’histoire), qui repose avant tout dans une tension entre une situation initiale de novice (petite base de connaissances) et une situation finale  de plus grande expertise (plus grande base de connaissances).

  1. Cette méthodologie de mise à niveau avant une expérimentation a déjà été utilisée par Dommes, Chevalier et Lia (2011) pour lisser les différences entre jeunes et âgés, et nous pensons également qu’un tel apprentissage neutralise les effets des différences individuelles initiales dans l’expertise technique liés à l’outil et aux procédures de RI, en positionnant nos deux groupes dans un niveau de maîtrise similaire.
 

L’effet des connaissances antérieures sur le sujet

Lazonder, Biemans et Wopereis (2000), en basant leurs mesures de performances sur le temps, la réussite dans la tâche et l’efficacité, ont montré que les experts sont plus rapides et plus efficaces que les novices. Marchionini (1995),  Brand-Gruwel et al. (2005) ou encore Ford et al. (2005) cité par Dinet et al. (2012) ont également tiré des conclusions similaires dans leurs études respectives. Pour ces derniers, les experts planifient davantage et préparent leurs activités de recherche, ce qui expliquerait pour partie ces différences de performances et d’efficacité. Ce que Chevalier et Kicka (2006) ou encore Tabatai et Shore (2005) confirment de leurs côtés. Dans cette optique, Sternberg (1998) propose de qualifier les experts par l’ensemble de caractéristiques suivantes : moins de temps de recherche d’informations, une meilleure représentation du problème (à mettre en correspondance avec une plus grande planification), un temps de résolution plus court et une plus grande précision dans la construction de la résolution du problème. L’auteur parle de schémas « riches et bien organisés ». Cette expertise et ces schémas impactent de façon transversale la recherche d’information. En effet, la capacité à viser/juger de l’essentiel, cette reconnaissance de l’information importante, se manifeste des « deux côtés » de la recherche d’information, et notamment au niveau de l’évaluation des résultats, puisque ces derniers étudient les textes rencontrés en filtrant l’information pertinente ou évaluant les sites en s’appuyant sur leur base de connaissance, à partir de critères préétablis. Chevalier et Kicka (2006) ainsi que Tabatabai et Shore (2005) précisent en outre que les experts explorent moins de sites web, activent moins de liens, connaissent moins de réitération de requêtes.

Enfin, Karlsson et al. (2012), à la suite de Tabatabai et Luconi (1998), en étudiant plus précisément les manifestations langagières des experts, observent une sélection de mots-clés défaillantes et vide de sens (laissent de côtés des concepts essentiels) précisent ainsi qu’un utilisateur « expert du domaine » disposera d’un vocabulaire spécifique à la tâche beaucoup plus étendu, lui permettant de construire des requêtes plus sophistiquées (plus de mots-clés), précises ou variées qu’un novice.