EDP Sciences logo
Subscriber Authentication Point
Rechercher
Menu
Accueil Tous les numéros Volume 24 / Numéro 3 (2023) Pédagogie Médicale, 24 3 (2023) 137-150 Full HTML
Free Access
Issue
Pédagogie Médicale
Volume 24, Number 3, 2023
Page(s) 137 - 150
Section Recherche et Perspectives
DOI https://doi.org/10.1051/pmed/2023006
Published online 13 juillet 2023

© SIFEM, 2023

Introduction

L’apprentissage dans l’enseignement supérieur est une activité complexe qui nécessite la mise en œuvre de stratégies d’apprentissage efficaces ciblant des habiletés cognitives spécifiques et différentes de celles de l’enseignement secondaire [1]. Ce nouvel environnement d’apprentissage est caractérisé par la complexité du savoir à acquérir, la charge de travail et les exigences académiques, ce qui requiert des stratégies d’étude plus adaptées [2]. Plusieurs études [3,4] ont prédit la réussite dans l’enseignement supérieur grâce à de nombreux facteurs (méta) cognitifs et personnels tels que les performances antérieures, les compétences d’étude, les stratégies d’autorégulation, les croyances motivationnelles et les stratégies d’apprentissage. L’étude de Stegers-Jager [5] a souligné l’importance du parcours antérieur des étudiants et des performances passées dans la prédiction de l’évolution future des performances académiques tout au long de la formation médicale.

Développée par Novak [6], inspirée de la psychologie cognitive et de la perspective constructiviste, la carte conceptuelle (CC) est une représentation à la fois figurative et propositionnelle des connaissances, composée de concepts reliés par des liens. Elle permet d’expliciter les connaissances et de les rendre visibles [7]. Grâce à cet outil cognitif, l’étudiant pourrait se rendre compte de la qualité de sa compréhension de concepts relativement complexes. Tardif [8] a décrit plusieurs formes de cartographie qui illustrent l’organisation des connaissances : la carte mentale (mind map), la carte cognitive (cognitive map), la carte de connaissances (knowledge map), la carte sémantique (semantic map), le réseau sémantique (semantic network) et la carte conceptuelle (concept map). Les quatre dernières dénominations sont souvent utilisées de manière indistincte. La figure 1 donne une vue générale qui met en évidence les principales caractéristiques de chaque forme en lien avec les composantes d’une CC. Celle-ci est particulièrement intéressante puisqu’elle permet de clarifier les connaissances implicites [9].

Vignette : Fig. 1 Reportez-vous à la légende suivante et au texte qui l'entoure. Fig. 1

Une représentation cartographique des différentes formes de cartographie (élaborée à partir de Tardif [8]).

Contexte et problématique

Les études en formation dentaire exigent, en particulier, une rétention importante et intégrée des connaissances acquises visant des compétences professionnelles spécifiques [10]. Ainsi, engager les étudiants à adopter des stratégies efficaces est une composante essentielle dans le processus d’apprentissage [11]. La production d’une CC nécessite la maîtrise des concepts et une réflexion approfondie pour assurer les connexions pertinentes. Cet effort cognitif dépasse l’apprentissage par cœur et facilite ainsi l’acquisition de connaissances. La visualisation des connaissances est un défi pour les étudiants et les enseignants. En tant que telle, la CC offre l’opportunité pédagogique d’explorer la partie invisible de l’apprentissage. Elle donne accès à l’organisation des connaissances et permet de les évaluer en donnant accès au schéma cognitif de l’étudiant. De ce fait, la qualité de l’organisation et de la transférabilité des connaissances construites sont des indicateurs puissants de l’apprentissage [12].

La taxonomie Structure of the Observed Learning Outcomes (SOLO) est un outil de classification qui permet de décrire la qualité de l’apprentissage. Initialement proposée par Biggs et Collis [13], SOLO rend compte d’une approche centrée sur l’apprentissage et fournit un outil pour évaluer et catégoriser les performances académiques. Elle permet d’observer le niveau de compréhension des apprenants selon la complexité des réponses données de ces derniers. Elle se définit en cinq niveaux :

  1. le niveau pré-structurel : la compréhension est absente, mais l’apprenant peut répéter par cœur. L’apprenant ne connaît que des parties isolées de l’apprentissage attendu. Le manque d’organisation du contenu et de ses applications caractérise clairement ce niveau taxonomique ;

  2. le niveau uni-structurel : la réponse de l’apprenant ne concerne qu’un seul aspect de l’apprentissage. Il peut répéter une procédure organisée toujours de la même manière ;

  3. le niveau multi-structurel : l’apprenant aborde plusieurs aspects d’une procédure sans les relier. Les faits sont connus mais ne sont pas structurés ;

  4. le niveau relationnel : les savoirs sont reliés entre eux. L’apprenant établit des liens entre les connaissances et peut analyser une situation. Il est donc capable d’expliquer ce qu’il comprend. Ainsi, l’apprenant explore plusieurs aspects de l’apprentissage ;

  5. le niveau étendu : l’apprenant comprend et peut transférer ses apprentissages dans d’autres contextes. Son apprentissage est global et intégré ; les connaissances sont bien structurées.

Bien que la CC ait récemment fait l’objet de nombreuses recherches et qu’il ait été montré qu’elle a un impact positif sur les performances académiques des étudiants [14,15], certains défis sont encore pointés par plusieurs études [16,17]. L’usage pédagogique de cet outil reste très varié et son impact est fortement lié à la façon de s’en servir : le manque d’alignement entre l’enseignement et l’intégration des CC dans le cadre de la démarche évaluative décourage les étudiants de se les approprier. De plus, Kinchin [18] souligne que les recherches portant sur la formation à l’élaboration de CC qui évaluent quantitativement la qualité d’une CC à l’aide de scores n’ont montré que des améliorations de score à court terme et qu’il y a très peu d’études sur les améliorations à moyen ou long terme. C’est dans ce contexte que nous avons développé cette étude.

Objectif

Dans le contexte de l’introduction de la cartographie conceptuelle en tant que dispositif pédagogique de soutien au développement d’habiletés cognitives dans le cadre d’une unité d’enseignement en première année du curriculum de formation initiale en médecine dentaire, tel qu’il est organisé à la faculté de médecine et de dentisterie de l’Université catholique de Louvain (Belgique), notre objectif principal était d’examiner les effets de la participation des étudiants à des ateliers visant à développer des CC sur la qualité d’une CC produite à l’examen, ainsi que les liens avec les performances académiques des étudiants à court et à moyen terme, identifiées au regard de la taxonomie SOLO.

Les questions de recherche examinées sont les suivantes :

les étudiants dont la CC est de meilleure qualité ont-ils de meilleures performances académiques à court et à moyen terme ?

La démarche générale de notre étude s’inscrit dans une perspective d’évaluation de dispositif pédagogique, en se fixant comme intention d’argumenter la pertinence et la cohérence du dispositif et des pratiques pédagogiques étudiées, sur la base d’une documentation de la convergence de certains effets du dispositif. Il ne s’agit donc pas d’une recherche évaluative visant à apporter une démonstration de liens de causalité entre les activités d’enseignement et d’apprentissage et leurs résultats.

Méthodes

Population cible et contexte éducatif

Notre étude a été menée à la faculté de médecine et de médecine dentaire de l’Université catholique de Louvain et a concerné deux cohortes successives d’étudiants (cohorte 1 : 2015–2016 ; cohorte 2 : 2016–2017 ; n = 110 étudiants dont 65,45 % de genre féminin) pour l’unité d’enseignement « Éléments de statistiques appliquées à l’épidémiologie » (UE1) en première année 1 (A1). Une mesure de transfert éloigné a été prise dans le cadre de l’unité d’enseignement de deuxième année (A2) : « Matériaux dentaires : concepts et analyse critique » (UE2), dont l’UE1 est un prérequis. Tous les étudiants inscrits à l’UE1 ont été éligibles pour participer à notre dispositif de manière volontaire. Par la suite, nous avons exclu de notre échantillon les étudiants qui n’ont pas présenté de CC à l’examen et les étudiants qui n’ont pas présenté l’examen en A1 ou en A2, puisque cela ne nous permettait pas de mesurer nos variables de sortie. Les deux cohortes qui ont fait l’objet de cette étude ont eu un accès libre aux études de médecine et de dentisterie en première année. En revanche, pour s’inscrire au premier cycle de ces études, les étudiants devaient présenter l’attestation de la participation effective à un test obligatoire mais non contraignant. La sélection s’est effectuée en fin de première année.

Avant l’introduction de notre dispositif, l’enseignement en UE1 se donnait sous forme d’exposés magistraux en amphithéâtre. Ce cours aborde deux thématiques. La première est une thématique clinique qui s’articule autour de deux chapitres : 1) la santé bucco-dentaire et 2) l’hygiène et la prévention dentaire. La seconde thématique vise des contenus théoriques à savoir : 1) la démarche scientifique et 2) les statistiques. Il est attendu que les étudiants devraient pouvoir utiliser à bon escient les notions de base en statistiques dans la lecture critique de la littérature dentaire scientifique, plus spécifiquement en lien avec les notions d’épidémiologie et de prévention dentaires, et se préparer à pouvoir les appliquer dans la prise de décision clinique ultérieure. En A2, l’étudiant devrait être capable de développer un esprit critique et analytique pour un diagnostic rationalisé lors de l’analyse de données. Les résultats d’apprentissage visés sont ainsi des compétences de haut niveau.

Procédure de recherche

L’étude s’est déroulée en quatre phases. La phase 1 a débuté par une séance d’information sur notre étude et par une initiation à la méthode de construction d’une CC précisant comment lister les concepts importants autour d’un concept central et comment les organiser selon plusieurs niveaux hiérarchiques. Ensuite, en phase 2, nous avons proposé des ateliers optionnels (respectivement cinq et sept ateliers pour les cohortes 1 et 2). Le contenu-type de chaque atelier était constitué : 1) d’une introduction précisant les objectifs de l’atelier ; 2) de l’élaboration individuelle d’une CC sur un sujet du cours ; 3) d’une discussion et d’échanges en groupe menant à la production d’une CC collective et 4) d’un exercice faisant appel à la CC construite.

Les deux dernières phases correspondent aux prises de mesures des performances académiques (PA) des étudiants. Au cours de la phase 3 les PA ont été mesurées en lien avec l’épreuve finale de l’UE1 en A1 et avec la production d’une CC. Au cours de la phase 4 en A2, le transfert éloigné des PA a été mesuré lors de l’examen de l’UE2.

Recueil de données et mesure des variables

Nous avons eu trois moments de recueil de données.

Dans un premier temps, nous avons collecté, au début de l’UE1, les caractéristiques des étudiants (genre, historique académique et résultats à la session qui a précédé l’UE1, participation aux ateliers).

Ensuite, pendant l’examen de UE1, nous avons mesuré les scores relatifs à la CC produite au moment de l’examen, caractérisant ainsi la qualité de la CC. Nous avons également mesuré les PA de base (PB) et celles de haut niveau (PH) relatives aux questions d’examen. Pour ce faire, nous avons utilisé la taxonomie SOLO pour qualifier les PA attendues. L’enseignant a catégorisé les questions des examens UE1 et UE2 selon leur degré de complexité et les objectifs visés en utilisant la taxonomie SOLO. Une question peut avoir un des cinq niveaux de complexité, allant de pré-structurel à abstrait étendu. Les trois premiers niveaux de cette taxonomie nous ont permis de classer certaines questions dans la catégorie des PB. Par contre, les questions les plus complexes, correspondant aux niveaux relationnels ou étendus de la taxonomie SOLO, nous ont permis de qualifier les performances visées qui sont les PH.

Le dernier moment de mesure s’est produit en A2, ce qui nous a permis de collecter les résultats de l’UE2 en distinguant de nouveau, selon la taxonomie SOLO, les PB et les PH en A2. En somme, les PA des étudiants ont été mesurées en se basant sur les résultats obtenus lors de l’évaluation finale de l’UE1 et de l’UE2. Le tableau I illustre des exemples de questions d’examen et leur classification.

Pour l’UE1, l’examen était composé de trois parties. Les questions de la première partie permettaient de mesurer des PB qui nécessitent la restitution, l’identification des règles, l’application d’une procédure ou le classement des connaissances ou encore le traitement de problèmes simples. La seconde partie permettait de mesurer les PH qui mobilisent un niveau plus complexe de compréhension et qui nécessitent des connexions entre les connaissances. La dernière partie concernait une production d’une CC, dont la thématique a varié pour les deux cohortes (cohorte 1 = thématique clinique, cohorte 2 = thématique théorique).

Les CC ont été analysées selon les éléments d’évaluation décrits dans le tableau II [19] et en se référant à des cartes de référence qui ont été établies par AS et révisées et validées par l’enseignant GL (disponible en tant que matériel éditorial complémentaire en ligne). La figure 2 montre les différentes structures que nous avons rencontrées lors de l’analyse des CC. Pour la mesure de la qualité des CC, deux examinateurs ont corrigé séparément les copies, le score final attribué étant constitué par la moyenne des deux mesures. Pour mesurer la fidélité intra-examinateur, les cartes ont été réévaluées et l’indice de concordance était de 86,1 %. La mesure de la fidélité inter-examinateurs concernant la qualification de la « structure de la CC » a donné un taux de concordance de 91,2 %.

En phase 4, nous avons mesuré les PB et les PH chez les étudiants lors de l’examen final de l’UE2. L’examen de l’UE2 ne comportait pas de question sur la production d’une CC. Pour chaque étudiant, plusieurs variables de contrôle, associées avec les variables dépendantes, ont été collectées. Elles sont décrites dans le tableau III. Les données des deux cohortes ont été fusionnées dans notre analyse statistique après vérification de l’absence de différence significative par rapport à ces variables.

Tableau I

Description des différents niveaux de la taxonomie Structure of the Observed Learning Outcomes (SOLO) et classification des questions d’examen (juin 2016) selon les performances attendues.

Tableau II

Critères d’analyse et barème d’attribution des scores pour l’évaluation des cartes conceptuelles.

Vignette : Fig. 2 Reportez-vous à la légende suivante et au texte qui l'entoure. Fig. 2

Les différentes formes de cartes conceptuelles identifiées dans notre échantillon.
Tableau III

Les variables dépendantes et indépendantes utilisées dans la régression linéaire multiple.

Méthode d’analyse

Cinq régressions linéaires multiples (RLM) utilisant le langage R ont été développées. Pour faciliter l’interprétation des résultats, toutes les variables ont été standardisées. Les corrélations entre les variables quantitatives étaient moyennes (Tableau IV). Avant de réaliser ces régressions multiples, l’hypothèse de l’absence de multicolinéarité a été vérifiée. Les statistiques de colinéarité étaient en dessous de 2 pour toutes les variables indépendantes, ce qui indique qu’il n’y a pas de problème de multicolinéarité.

La première RLM estime les effets de la participation aux ateliers, la thématique représentée par la CC ainsi que d’autres variables de contrôle telles que les performances antérieures et l’historique académique de l’étudiant sur la qualité de la CC produite à l’examen de l’UE1 en A1. Les autres régressions ont été développées pour déterminer si la participation aux ateliers et la qualité de la CC, prise cette fois-ci comme une variable explicative, étaient associées aux PB et PH en A1 et si cet effet était transférable en A2 pour l’UE2.

Tableau IV

Matrice de corrélations des variables numériques.

Résultats

Dans cette section, les résultats des régressions pour chacune de nos deux questions de recherche sont présentés successivement. Les caractéristiques des variables dépendantes et indépendantes utilisées dans ces régressions et les mesures descriptives sont présentées respectivement dans les tableaux III et V (a et b).

Tableau V

Mesures descriptives des variables numériques (a) et catégoriques (b) utilisées dans notre étude.

Effet de la participation aux ateliers sur la qualité d’une CC et sur les PB et PH en A1 et en A2

Une régression linéaire multiple (RLM) a été réalisée pour décrire le lien entre la participation aux ateliers et le score obtenu lors de la production de la CC à l’examen de l’UE1 (SCC). Ce score exprime la qualité de la carte et traduit la capacité de l’étudiant à représenter les connaissances acquises tout en réalisant des connexions pertinentes. Il reflète ainsi la compréhension profonde des concepts acquis. D’autres facteurs ont été déterminés également. Les résultats repris dans le tableau VI montrent que le facteur « participation aux ateliers » ne semble pas avoir d’effet statistiquement significatif sur la qualité de la CC produite à l’examen de l’UE1. Par contre, les performances antérieures des étudiants au premier quadrimestre de A1 et la thématique représentée dans la CC à l’examen arrivent à expliquer, de manière significative, 19,4 % de la variance du SCC.A1 (F (4,97) = 7,09 ; p < 0,001).

Le tableau VII regroupe les résultats des quatre analyses qui ont été faites pour évaluer l’effet de la participation aux ateliers sur les PB et les PH en A1 ainsi que le transfert de cet effet en A2. Les résultats montrent qu’en A1, la participation aux ateliers n’est pas un facteur significativement explicatif des PB. De même pour les PH en A1, le facteur « participation aux ateliers » ne semble pas avoir d’effet statistiquement significatif. Pour A2, des résultats, positivement surprenants, montrent que les deux facteurs combinés que sont la participation aux ateliers en A1 et le SCC, pris comme variables explicatives, expliquent 37 % de la variance des PB en A2 avec une statistique significative (F (6,47) = 6,28 (p < 0,001)). Par contre aucun effet significatif de la participation aux ateliers ne se manifeste pour les PH.

Tableau VI

Résumé de l’analyse de la régression linéaire multiple en considérant la participation aux ateliers comme une des variables explicatives du score de la carte conceptuelle (SCC) produite à l’examen de l’unité d’enseignement 1 (UE1) en première année (A1).

Tableau VII

Les quatre régressions linéaires multiples pour explorer l’effet de la participation aux ateliers et le score de carte conceptuelle (SCC) à l’examen de l’unité d’enseignement 1 (UE1) sur les performances de base et de haut niveau à court et à moyen terme.

Effet de qualité de la CC produite à l’examen de l’UE1 sur les PB et PH en A1 et en A2

La qualité de la CC produite à l’examen de l’UE1 a été identifiée grâce au SCC. Une première analyse a montré que SCC est corrélée avec les performances académiques PB et PH en A1 et en A2 (Figure 3), mais d’autres variables pourraient avoir un effet combiné avec SCC.

Les résultats des quatre RLM, montrent qu’en A1, le SCC et les performances antérieures expliquent 29 % de la variance des PB et sont significatifs (F (5,83) = 8,23 (p < 0,001)). De même pour les PH en A1, 29 % de la variance des PH en A1 est expliquée par un effet combiné du SCC et de l’historique académique de l’étudiant, ce qui est significatif avec F (5,83) = 8,04 (p < 0,001). Pour A2, le SCC combiné à la participation aux ateliers en A1 explique 37 % de la variance des PB en A2. Enfin, bien que l’effet de SCC sur les PH ne soit pas significatif, l’effet de la thématique explique 26 % de la variance de ces PH (F (6,47) = 4,04 (p < 0,01)). La thématique théorique (2) est associée à de meilleures PH à moyen terme.

Vignette : Fig. 3 Reportez-vous à la légende suivante et au texte qui l'entoure. Fig. 3

Performances de base et de haut niveau à l’examen des unités d’enseignement UE1 (en première année) et UE2 (en deuxième année) selon le score d’appréciation des cartes conceptuelles (SCC) produites à l’examen de l’UE.

Discussion

Résultats principaux

Le but de cette étude était d’examiner les effets associés à la participation à des ateliers visant à développer des CC, proposés à des étudiants de première année en médecine dentaire, sur la qualité d’une CC produite à l’examen ainsi que les liens avec les performances des étudiants à court et à moyen terme.

Même si le lien entre la participation aux ateliers et la qualité de la CC n’est pas significatif, nos résultats ont mis en lumière que les performances antérieures de l’étudiant et la thématique représentée dans la CC ont été des facteurs qui expliquaient une partie de la qualité de la CC. L’effet de la cohorte n’est pas plausible puisque les deux cohortes sont statistiquement homogènes. Ces résultats montrent que les étudiants les plus performants dans le passé maîtrisent mieux la CC. Ceci est cohérent avec la théorie constructiviste et les principes sous-jacents à la cartographie conceptuelle selon Novak. Si l’étudiant a davantage de connaissances antérieures sur le thème concerné, il n’est pas surprenant que le processus d’élaboration des CC soit plus aisé pour lui et, en conséquence, que la carte qui en résulte soit de meilleure qualité.

Bien que la participation aux ateliers n’apparaisse pas directement liée à la qualité d’une CC produite à l’examen et aux PB et PH de cet examen en A1, son effet se manifeste à moyen terme pour les PB. L’un des principaux problèmes lors de la mise en œuvre d’une activité facultative de CC est l’implication des étudiants ainsi que la valeur perçue de cette activité. La faible participation aux ateliers n’a probablement pas permis aux étudiants d’apprendre à construire efficacement une CC ce qui incite l’étudiant à développer des capacités de réflexion. L’étude de Jin [20] met l’accent sur la nécessité de se concentrer prioritairement sur la formation approfondie qui aide les étudiants à élaborer correctement des CC. Nous suggérons qu’il est essentiel de consacrer du temps pour que les étudiants puissent s’approprier l’outil et élaborer des CC de bonne qualité. L’incapacité de schématiser les connaissances peut constituer un frein qui décourage les étudiants à participer à des activités récurrentes de CC. Par contre, l’effet des ateliers a été marquant au niveau des PB de A2. Cet effet pourrait être expliqué par l’efficacité cognitive de la CC qui pourrait se manifester plus tard dans le parcours. En première année, les étudiants auraient tendance à privilégier des stratégies d’apprentissage qui facilitent immédiatement la réussite. Le potentiel réflexif de la CC apparaît ultérieurement comme nous l’avons constaté dans les résultats de notre étude.

En somme, une association entre la participation à des ateliers et les PB n’apparaît qu’à moyen terme. Cet effet est difficile à interpréter puisque la mesure de la participation n’est prise que de manière dichotomique (moins de 50 % ; plus de 50 %). Or, dans la catégorie « moins de 50 % », il est difficile de dissocier ceux qui ont participé à quelques séances de ceux qui n’y ont jamais participé. On ne peut pas exclure que la participation à quelques ateliers pourrait être suffisante pour activer l’intérêt de la CC. Et donc, il se peut que ce ne soit pas la participation à tous les ateliers ou à plus de la moitié qui a l’effet le plus déterminant. Suite à cette étude et afin de mieux solliciter l’engagement des étudiants, les ateliers ont été intégrés dans le programme de l’UE1 comme une activité complémentaire au cours.

Combiné à d’autres facteurs, le SCC qui traduit la qualité d’une CC, semble significativement lié aux performances académiques (PB de A1 et A2 et PB de A2). Nos résultats vont dans le sens des travaux qui soulignent l’importance des CC pour l’apprentissage et son effet positif sur les performances académiques : les étudiants qui maîtrisent l’élaboration de la CC ont de meilleures performances [21–24]. Nos résultats sont cohérents aussi avec les travaux de Veronese et al. [25] qui ont montré que les CC peuvent entraîner une amélioration des performances aux examens : les étudiants qui ont utilisé des CC ont obtenu des scores légèrement plus élevés à l’examen final. Dans l’étude de Peñuela-Epalza et Hoz [26], la CC a été utilisée comme stratégie d’apprentissage et de bons scores observés à l’examen ont été obtenus. D’autres travaux montrent que la CC améliore les performances académiques dans différents cours de la formation médicale [27,28]. En revanche, nos résultats ne concordent que partiellement avec ceux de Baig et al. [14] qui ont mis en évidence un effet positif des CC sur la performance académique des étudiants en médecine dans la résolution de problèmes mais pas dans les questions de connaissances déclaratives qui correspondent aux PB de notre étude. Dans une autre recherche, la CC n’a pas été jugée bénéfique pour améliorer les notes d’un examen qui selon l’auteur, mesure des domaines cognitifs différents [29]. D’après Kinchin [16], les examens ont le plus souvent tendance à mesurer le rappel de faits détaillés et n’évaluent pas correctement la compréhension [30]. Nos résultats montrent que l’effet de la CC ne doit pas être isolé d’autres facteurs caractéristiques de l’étudiant. Par exemple, à court terme, les performances antérieures, combinées avec le SCC, permettent de minimiser les lacunes de compréhension et ont un effet sur les PB.

L’historique académique de l’étudiant associé au SCC est corrélé à un effet sur les PH. Ainsi, le constat combiné d’une CC bien élaborée et de bonnes performances antérieures est associé à des performances académiques améliorées des étudiants en médecine dentaire. L’étudiant fait appel à ces facteurs pour acquérir les performances de base comme l’avaient prédit Stegers-Jager et ses collègues dans leurs travaux [5]. La CC semble permettre de réactiver les connaissances antérieures pour construire un nouveau savoir, orienté par le parcours antérieur de l’étudiant. Les étudiants qui ont rencontré moins de difficultés auparavant s’en sortent mieux que les autres. Examinés de façon combinée, l’activité cognitive suscitée par l’élaboration de la CC et les facteurs personnels propres à chaque étudiant sont clairement associés à un niveau accru des performances. Il est intéressant de noter qu’à moyen terme, l’historique académique n’est plus un facteur associé alors que la capacité à représenter les connaissances le demeure même si l’association reste très faible.

En revanche, le SCC ne semble pas être un facteur lié au PH de l’année 2 tandis que la thématique concernée l’est pour les PH à moyen terme, comme l’illustrent des résultats opposés entre A1 et A2. Représenter une thématique, dont l’utilité est mieux perçue par l’étudiant, pourrait améliorer les PH. La pertinence et la signification pratique d’une thématique à représenter sont liées considérablement au niveau des exigences du cours en question. L’intérêt que portent les étudiants à une thématique clinique au début du cursus pourrait expliquer son effet positif sur les performances en A1. Par contre, l’effet positif de la thématique théorique en A2 pourrait être expliqué par la nature du cours (ici UE2) qui, à un stade plus avancé, nécessite des notions à la fois théoriques et cliniques. Cette étude indique ce possible double effet de la thématique en tant que frein en première année mais levier à moyen terme. L’étudiant qui est plus attiré par des thématiques pratiques et cliniques ne perçoit pas immédiatement l’intérêt de la thématique théorique, alors que cette dernière fournit des notions conceptuelles qui sont fondamentales pour la pratique professionnelle. Le fait que l’étudiant soit capable produire une CC de qualité pour une thématique donnée traduit une maîtrise des connaissances et une capacité à les articuler ensemble dans une représentation spatiale. Il en résulte que la CC est utile pour évaluer la compréhension conceptuelle [31].

Limites de l’étude

Les résultats présentés doivent cependant se lire au regard de certaines limites que nous souhaitons pointer. Il convient d’abord de rappeler que, même si le travail a recouru à des mesures et à l’outil statistique pour en interpréter les résultats, il s’inscrivait davantage dans la perspective d’une évaluation de dispositif pédagogique, visant à apprécier la pertinence et la cohérence du dispositif et des pratiques pédagogiques associées, sur la base d’une documentation de la convergence de certains effets du dispositif, plutôt que dans celle d’une recherche évaluative visant à apporter une démonstration de liens de causalité entre les activités d’enseignement et d’apprentissage et leurs résultats.

C’est dans ce cadre que l’on peut discuter la limite constituée par la taille modeste de l’échantillon, qui nous a empêché de faire une mesure plus fine pour mieux comprendre l’effet de la participation aux ateliers. En tant que travail exploratoire, l’étude nous a permis de nous questionner par rapport à la qualité des ateliers pour qu’ils répondent mieux aux objectifs visés et de réfléchir aux éléments manquants tels que le niveau d’accompagnement des étudiants lors des ateliers et l’analyse des CC produites au fur et à mesure des séances. D’autre part, l’intérêt de l’apprentissage progressif des CC n’a pas été immédiatement perçu pas les étudiants, comme l’indique le faible pourcentage de participation aux ateliers proposés, ce qui nous a encouragé à repenser les modalités de cette activité par la suite. Une autre limite se manifeste dans le fait que nous nous sommes focalisés uniquement sur la qualité d’une carte produite à l’examen mais il serait intéressant de suivre toutes les étapes d’élaboration d’une CC pour dévoiler ainsi tout le processus de construction et en repérer les lacunes. L’intérêt de la cartographie conceptuelle résulte en effet tout autant dans l’activité et les processus cognitifs qu’elle suscite lors de sa construction que dans son produit figuratif.

Conclusion

Nos résultats corroborent le fait que l’utilisation des CC comme stratégie de soutien à l’apprentissage, dans le cadre de dispositifs pédagogiques s’inspirant de la perspective constructiviste, est associée à des effets positifs concernant l’exploration des connaissances, l’identification des mises en relation entre ces connaissances et une compréhension approfondie des problématiques d’étude concernées. Les ateliers de CC ainsi que la qualité des CC produites sont des facteurs associés, à moyen terme, aux performances des étudiants, parmi d’autres facteurs tels que l’historique académique, les performances antérieures et la thématique à représenter. Pour que l’étudiant puisse s’approprier cette stratégie d’apprentissage, l’enseignant devrait l’intégrer dans son programme de cours et la pratiquer régulièrement avec les étudiants, si possible en lien avec d’autres stratégies, comme la fourniture régulière de rétroactions, l’apprentissage collaboratif ou l’apprentissage par problème, qui en potentialisent les bénéfices [32–34].

Matériel supplémentaire

Annexe 1. La carte conceptuelle de référence pour l’examen de la cohorte 1 (Examen juin 2016 – thématique clinique).

Annexe 2. La carte conceptuelle de référence pour l’examen de la cohorte 2 (Examen juin 2017 – thématique théorique).

Accéder au matériel supplémentaire

Contributions

Asmaâ Sadki a participé à la conception du protocole de recherche, au recueil des données, à l’analyse et à l’interprétation des résultats et à l’écriture du manuscrit. Gaëtane Leloup a participé à la conception du protocole de recherche, au recueil des données et à la relecture du manuscrit. Séverine Mateu-Ramis a participé à l’analyse des données et à la relecture du manuscrit. Jean François Denef et Mariane Frenay ont contribué au cadrage conceptuel, à l’analyse et à l’interprétation, des résultats et à l’écriture du manuscrit. Dominique Vanpee a participé à la relecture du manuscrit.

Approbation éthique

Cette étude a reçu le 31 mai 2021 l’approbation du comité d’éthique de la Faculté de médecine et médecine dentaire de l’Université catholique de Louvain (No2021/10MAI/211).

Liens d’intérêts

Aucun auteur ne déclare de conflit d’intérêts en lien avec le contenu de cet article. Gaëtane Leloup est l’enseignante responsable des unités d’enseignement constitutives du dispositif pédagogique examiné. Cette étude prend place dans le cadre d’une recherche doctorale conduite par Asmaâ Sadki, financée par l’Université catholique de Louvain.

Remerciements

Les auteurs tiennent à remercier Oscar Liessens qui a réalisé l’analyse statistique, ainsi que l’ensemble des participants à cette étude.

Références

  1. Paivandi S. Apprendre à l’université. Louvain-la-Neuve : De Boeck Supérieur, 2015. [Google Scholar]
  2. Zhao C, Hu Y. Reflections on study strategy modifications using cognitive load theory and dual processing theory in the first year of medical school. Med Sci Educ 2021;31:813‐18. [CrossRef] [PubMed] [Google Scholar]
  3. DaDeppo LMW. Integration factors related to the academic success and intent to persist of college students with learning disabilities. Learn Disabil Res Pract 2009;24:122‐31. [CrossRef] [Google Scholar]
  4. Minnaert A, Janssen PJ. The additive effect of regulatory activities on top of intelligence in relation to academic performance in higher education. Learn Instr 1998;9:77‐91. [CrossRef] [Google Scholar]
  5. Stegers-Jager KM, Themmen APN, Cohen-Schotanus J, et al. Predicting performance: relative importance of students’ background and past performance. Med Educ 2015;49:933‐45. [CrossRef] [PubMed] [Google Scholar]
  6. Novak J. Concept mapping: a useful tool for science education. J Res Sci Teach 1990;27:937‐49. [CrossRef] [Google Scholar]
  7. Hay D, Kinchin IM, Lygo-Baker S. Making learning visible: the role of concept mapping in higher education. Stud High Educ 2008;33:295‐311. [CrossRef] [Google Scholar]
  8. Tardif J. Les cartes conceptuelles : un accès direct et explicite aux ressources. In : L’évaluation des compétences : documenter le parcours de développement. Montréal : Chenelière Éducation, 2006:292‐336. [Google Scholar]
  9. Jonassen DH, Marra RM. Concept mapping and other formalisms as Mindtools for representing knowledge. Res Learn Technol 1994;2:50‐6. [Google Scholar]
  10. Schmidmaier R, Eiber S, Ebersbach R, et al. Learning the facts in medical school is not enough: which factors predict successful application of procedural knowledge in a laboratory setting? BMC Med Educ 2013;13:1‐9. [CrossRef] [PubMed] [Google Scholar]
  11. Weurlander M, Scheja M, Hult H, Wernerson A. The struggle to understand: exploring medical students’ experiences of learning and understanding during a basic science course. Stud High Educ 2016;41:462‐77. [CrossRef] [Google Scholar]
  12. Jouquan J. L’évaluation des apprentissages des étudiants en formation médicale initiale. Pédagogie Médicale 2002;3:38‐52. [CrossRef] [EDP Sciences] [Google Scholar]
  13. Biggs J, Collis KF. Evaluating the quality of learning: the SOLO taxonomy (Structure of the Observed Learning Outcome). New York: Academic Press, 1982. [Google Scholar]
  14. Baig M, Tariq S, Rehman R, Ali S, Gazzaz ZJ. Concept mapping improves academic performance in problem solving questions in biochemistry subject. Pak J Med Sci 2016;32:801‐05. [PubMed] [Google Scholar]
  15. Ho V, Kumar RK, Velan G. Online testable concept maps: benefits for learning about the pathogenesis of disease. Med Educ 2014;48:687‐97. [CrossRef] [PubMed] [Google Scholar]
  16. Kinchin IM. Concept mapping as a learning tool in higher education: a critical analysis of recent reviews. J Contin High Educ 2014;62:39‐49. [CrossRef] [Google Scholar]
  17. Pudelko B, Young M, Vincent-Lamarre P, et al. Mapping as a learning strategy in health professions education: a critical analysis. Med Educ 2012;46:1215‐1225. [CrossRef] [PubMed] [Google Scholar]
  18. Kinchin IM. Concept mapping and pedagogic health in higher education (a rhizomatic exploration in eight plateaus). University of Surrey, 2020 [On-line]. Disponible sur : https://openresearch.surrey.ac.uk/esploro/outputs/doctoral/Concept-mapping-and-pedagogic-health-in-higher-education-a-rhizomatic-exploration-in-eight-plateaus/99545423202346#file-0. [Google Scholar]
  19. Avila S, Eugenia M. Exploration de l’évolution des représentations scientifiques de l’écologie chez les étudiants de deuxième baccalauréat en biologie. Université catholique de Louvain, 2013, [On-line]. Disponible sur : https://dial.uclouvain.be/pr/boreal/object/boreal:135863. [Google Scholar]
  20. Jin H, Wong KY. Training on concept mapping skills in geometry. J Math Educ 2010;3:104‐119. [Google Scholar]
  21. Baliga SS, Walvekar PR, Mahantshetti GJ. Concept map as a teaching and learning tool for medical students. J Educ Health Promot 2021;10:35. [CrossRef] [PubMed] [Google Scholar]
  22. Briggs AG, Morgan SK, Sanderson SK, Schulting MC, Wieseman LJ. Tracking the resolution of student misconceptions about the central dogma of molecular biology. J Microbiol Biol Educ 2016;17:339‐50. [CrossRef] [PubMed] [Google Scholar]
  23. Huang H-L, Hwang G-J, Chen P-Y. An integrated concept mapping and image recognition approach to improving students’ scientific inquiry course performance. Br J Educ Technol 2022;53:706‐27. [CrossRef] [Google Scholar]
  24. Marchand C, d’Ivernois J-F. Les cartes conceptuelles dans les formations en santé. Pédagogie Médicale 2004;5:230‐40. [CrossRef] [EDP Sciences] [Google Scholar]
  25. Veronese C, Richards JB, Pernar L, Sullivan AM, Schwartzstein RM. A randomized pilot study of the use of concept maps to enhance problem-based learning among first-year medical students. Med Teach 2013;35: 1478‐84. [Google Scholar]
  26. Peñuela-Epalza M, De la Hoz KD. Incorporation and evaluation of serial concept maps for vertical integration and clinical reasoning in case-based learning tutorials: perspectives of students beginning clinical medicine. Med Teach 2019;41:433‐40. [CrossRef] [PubMed] [Google Scholar]
  27. Joshi U, Vyas S. Assessment of perception and effectiveness of concept mapping in learning epidemiology. Indian J Commun Med 2018;43:37‐9. [CrossRef] [PubMed] [Google Scholar]
  28. Surapaneni Krishna M, Tekian A. Concept mapping enhances learning of biochemistry. Med Educ Online 2013;18:1‐4. [PubMed] [Google Scholar]
  29. Qadir F, Zehra T, Khan I. Use of concept mapping as a facilitative tool to promote learning in pharmacology. J Coll Physicians Surg Pak 2011;21:476‐81. [PubMed] [Google Scholar]
  30. Kinchin IM, Baysan A, Cabot LB. Towards a pedagogy for clinical education: beyond individual learning differences. J Furth High Educ 2008;32:373‐87. [CrossRef] [Google Scholar]
  31. Williams CG. Using concept maps to assess conceptual knowledge of function. J Res Math Educ 1998;29:414‐21. [CrossRef] [Google Scholar]
  32. Fon NC, Pudelko B, Audétat M-C. Optimiser l’usage des cartes conceptuelles dans l’apprentissage par problèmes (APP) dans le cursus préclinique : le point de vue des enseignants. Pédagogie Médicale 2016;17:95‐107. [CrossRef] [EDP Sciences] [Google Scholar]
  33. Joseph C, Conradsson D, Nilsson Wikmar L, et al. Structured feedback on students’ concept maps: the proverbial path to learning? BMC Med Educ 2017;17:1‐9. [CrossRef] [PubMed] [Google Scholar]
  34. Roessger KM, Daley BJ, Hafez DA. Effects of teaching concept mapping using practice, feedback, and relational framing. Learn Instr 2018;54:11‐21. [CrossRef] [Google Scholar]

Citation de l’article : Sadki A, Frenay M, Leloup G, Mateu-Ramis S, Vanpee D, Denef J-F. Intérêt de la cartographie conceptuelle en formation initiale de médecine dentaire. Pédagogie Médicale 2023:24;137-150

Liste des tableaux

Tableau I

Description des différents niveaux de la taxonomie Structure of the Observed Learning Outcomes (SOLO) et classification des questions d’examen (juin 2016) selon les performances attendues.

Dans le texte
Tableau II

Critères d’analyse et barème d’attribution des scores pour l’évaluation des cartes conceptuelles.

Dans le texte
Tableau III

Les variables dépendantes et indépendantes utilisées dans la régression linéaire multiple.

Dans le texte
Tableau IV

Matrice de corrélations des variables numériques.

Dans le texte
Tableau V

Mesures descriptives des variables numériques (a) et catégoriques (b) utilisées dans notre étude.

Dans le texte
Tableau VI

Résumé de l’analyse de la régression linéaire multiple en considérant la participation aux ateliers comme une des variables explicatives du score de la carte conceptuelle (SCC) produite à l’examen de l’unité d’enseignement 1 (UE1) en première année (A1).

Dans le texte
Tableau VII

Les quatre régressions linéaires multiples pour explorer l’effet de la participation aux ateliers et le score de carte conceptuelle (SCC) à l’examen de l’unité d’enseignement 1 (UE1) sur les performances de base et de haut niveau à court et à moyen terme.

Dans le texte

Liste des figures

Vignette : Fig. 1 Reportez-vous à la légende suivante et au texte qui l'entoure. Fig. 1

Une représentation cartographique des différentes formes de cartographie (élaborée à partir de Tardif [8]).
Dans le texte
Vignette : Fig. 2 Reportez-vous à la légende suivante et au texte qui l'entoure. Fig. 2

Les différentes formes de cartes conceptuelles identifiées dans notre échantillon.
Dans le texte
Vignette : Fig. 3 Reportez-vous à la légende suivante et au texte qui l'entoure. Fig. 3

Performances de base et de haut niveau à l’examen des unités d’enseignement UE1 (en première année) et UE2 (en deuxième année) selon le score d’appréciation des cartes conceptuelles (SCC) produites à l’examen de l’UE.
Dans le texte

Current usage metrics show cumulative count of Article Views (full-text article views including HTML views, PDF and ePub downloads, according to the available data) and Abstracts Views on Vision4Press platform.

Data correspond to usage on the plateform after 2015. The current usage metrics is available 48-96 hours after online publication and is updated daily on week days.

Initial download of the metrics may take a while.