Les commentaires des étudiants ont façonné ces mises à jour. Des données réelles provenant de salles de classe à travers les États-Unis l’ont prouvé.
Imaginez que vous enseignez un cours de mathématiques au collège. Certains enfants parlent bien anglais. D’autres commencent tout juste à apprendre la langue. L’écart de compréhension se creuse rapidement si vous ne disposez pas des bons outils. C’est une lutte familière. Les enseignants veulent aider tout le monde. Mais les ressources sont limitées. La motivation diminue. L’engagement diminue.
C’est le problème auquel Kyron Learning et le laboratoire AIMS se sont attaqués. Ils n’ont pas deviné ce qui fonctionnait. Ils ont regardé ce qui s’est passé. Ils se sont associés pour une étude en quatre cycles financée par la Fondation Gates. Le but ? Mesurer l’impact de l’enseignement basé sur l’IA sur la motivation et l’engagement des apprenants de langue anglaise en mathématiques.
Le résultat n’était pas seulement des données. Il s’agissait d’une feuille de route pour le développement de fonctionnalités.
Pourquoi la recherche itérative dépasse les hypothèses
Une chose ressort : il ne s’agissait pas d’une approche « construisez et voyez ». C’était itératif. Ajustement en temps réel basé sur ce que les étudiants ont réellement dit.
Tout au long de l’année scolaire 2024-2035, l’équipe a travaillé avec 22 enseignants. Près de 1 000 étudiants. Dix-sept écoles. La portée était grande. Mais la méthode était stricte. Les commentaires sont venus de partout : enquêtes, entretiens, contrôles d’utilisabilité et mesures d’engagement.
Pourquoi est-ce important pour les étudiants ELL ? Parce que la barrière n’est pas seulement mathématique. C’est la langue. Le vocabulaire mathématique ajoute une charge cognitive. C’est lourd. Lorsque vous essayez de comprendre l’algèbre tout en décodant de nouveaux termes anglais, il est facile de prendre du retard.
Les étudiants ont besoin de plus que de simples réponses. Ils ont besoin d’échafaudages. Ils ont besoin d’un renforcement visuel. Ils doivent traiter les informations à leur propre rythme.
“Les leçons ont impliqué chaque élève. Ils sont enthousiastes… ils réagissent davantage et avec une plus grande confiance.” – Un enseignant dans l’étude
Cette citation illustre le changement. Lorsque le soutien correspond au besoin, la motivation suit. L’étude a donné la priorité à ces voix plutôt qu’aux hypothèses.
Des commentaires aux mises à jour des fonctionnalités
Kyron n’a pas déployé de gadgets flashy. Ils ont ajouté des outils qui réduisaient la friction. Trois caractéristiques majeures sont ressorties directement des commentaires des participants. Chacun a résolu un problème spécifique observé en classe.
Cycle 1 à 2 : Le pouvoir du sous-titrage codé
Au premier cycle, les étudiants ont interagi avec l’IA conversationnelle. Il a fourni une rétroaction immédiate. Mais il y a eu un problème. Les instructions lourdes en audio ont créé un goulot d’étranglement.
Les apprenants multilingues devaient rejouer des segments. Ils ont ralenti les vidéos. Ils ont revisité les explications. Pourquoi? Parce qu’un vocabulaire académique peu familier en anglais parlé est difficile à comprendre. Vous ne pouvez pas rembobiner une conférence en direct.
Ainsi, le sous-titrage codé est arrivé au cycle 2.
Il ne s’agissait pas simplement d’une simple case à cocher en matière d’accessibilité. C’était un outil de compréhension. Le langage parlé et écrit simultanément aide le cerveau à traiter les informations. Venturini et coll. (2922) l’ont également noté. Les sous-titres soutiennent le développement du vocabulaire et l’alphabétisation.
Pour les ELL, cela a tout changé. Cela leur a donné le contrôle.
Un collégien, traduit de l’espagnol, l’a dit clairement : “J’ai aimé les sous-titres. Ils facilitent la compréhension du sujet.”
La confiance a grandi. La barrière d’entendre des termes inconnus a rapidement disparu.
Cycles 2 à 3 : Relevés de notes surlignés
Au cycle 2, les sous-titres ont aidé. Mais les longues explications restaient un défi. Les étudiants avaient du mal à suivre le flux des concepts. Ils ont manqué des parties de l’explication et ont dû parcourir des vidéos pour les retrouver. C’était fastidieux.
Kyron a répondu avec des relevés de notes surlignés au cycle 3.
Voici comment cela fonctionne. La transcription complète de la leçon apparaît à côté de la vidéo. Pendant que l’instructeur parle, cette partie exacte est mise en évidence. Les élèves peuvent cliquer n’importe où dans le texte pour accéder à ce moment de la vidéo.
C’est interactif. C’est navigable. Cela crée un lien direct entre ce qui est dit et ce qui est écrit.
La recherche a montré une tendance claire. Les apprenants multilingues ont utilisé cette fonctionnalité de manière disproportionnée par rapport à leurs pairs non ELL. Ils en avaient besoin. Cela les a aidés à traiter le langage et la compréhension en temps réel.
«J’ai aimé la façon dont [la transcription de Kyron] m’a donné une définition alors que je ne comprenais pas le mot», a partagé un étudiant.
Soudain, la leçon n’était plus un son flou. C’était une expérience traçable et suivable.
Cycle 3 à 4 : Définitions cliquables
Le vocabulaire reste un tueur d’élan. Que vous soyez étudiant ELL ou non, le fait de rencontrer un nouveau trimestre universitaire peut vous arrêter net. Au cycle 3, les élèves faisaient une pause. Ils quittèrent la leçon pour chercher des mots. Ils ont demandé aux enseignants. Ils ont perdu le fil de leurs pensées.
Le cycle 4 a corrigé ce problème avec des définitions cliquables.
Intégrés à la transcription surlignée, les mots de vocabulaire soulignés sont devenus interactifs. Les élèves ont cliqué sur un mot. Une définition est apparue immédiatement. Ils revinrent instantanément à la leçon.
Cela a considérablement réduit la charge cognitive. Il a maintenu le flux d’apprentissage. Il a permis de développer la compréhension du vocabulaire contextuel sans perdre de vue la concentration.
« Ce que j’ai aimé… c’est qu’ils m’ont aidé à mieux comprendre », a déclaré un étudiant.
Ce n’était pas magique. Il s’agissait simplement de supprimer l’obstacle.
Thèmes inter-cycles : ce que nous avons appris
L’étude a révélé bien plus que les boutons sur lesquels les étudiants ont cliqué. Il montrait une philosophie pour la technologie éducative.
- La simplicité l’emporte. La gamification a sa place. Mais de nombreux étudiants n’ont pas besoin de graphismes flashy. Ils ont besoin d’un support intégré. Des outils qui les aident à comprendre maintenant.
- La charge cognitive est réelle pour les ELL. Les mathématiques sont déjà assez difficiles. La langue ajoute du poids. La suppression de ce poids permet aux étudiants de se concentrer sur les concepts, et pas seulement sur le code de l’anglais.
- Écoutez les utilisateurs. Le développement de produits ne doit pas se faire en vase clos. Des entretiens avec les enseignants et des enquêtes auprès des étudiants ont guidé chaque démarche. La meilleure EdTech ne se construit pas sur des suppositions. Il est construit sur l’observation et l’itération.
Les plats à emporter
Il ne s’agissait pas seulement d’ajouter des fonctionnalités. C’était une question de respect. Respect de la façon dont les élèves apprennent. Plus précisément, des apprenants multilingues qui apportent un immense potentiel à la classe de mathématiques.
L’objectif est resté constant : fournir un soutien opportun et centré sur l’apprenant. Qu’il s’agisse de fonctionnalités de lecture simultanée, de transcriptions synchronisées ou de définitions contextuelles. L’objectif est d’aider les étudiants à persévérer. Pour bâtir la confiance.
La motivation des étudiants s’améliore lorsque le soutien arrive exactement au moment où il est nécessaire. Pas une semaine plus tard. Pas dans un manuel. Maintenant.
Olivia Martens est chef de projet chez Kyrón Learning. L’histoire de son travail montre que lorsque nous concevons en fonction des limites, tout le monde en profite.
