Le mouvement physique pourrait faire plus qu’enregistrer une décision : il pourrait contribuer à façonner l’apprentissage lui-même. Des chercheurs de Florida Atlantic University et de Brown University rapportent que les participants qui effectuaient des mouvements plus amples en réalité virtuelle apprenaient mieux certaines catégories visuelles que ceux qui répondaient par de simples pressions sur des boutons.
Les travaux, publiés dans Science Advances, portent sur l’apprentissage des catégories — le processus qui consiste à déterminer à quel groupe appartient un nouvel objet ou motif. Il s’agit d’une compétence fondamentale derrière les jugements quotidiens, qu’il s’agisse de reconnaître une route qui semble glissante, d’évaluer une image médicale ou de déterminer si un fruit paraît mûr. Les approches traditionnelles ont généralement considéré le mouvement comme le résultat final de ce jugement plutôt que comme un facteur qui modifie l’apprentissage.
Tester le mouvement dans la réalité virtuelle
Pour examiner cette hypothèse, les chercheurs ont conçu une expérience immersive de VR dans laquelle les participants apprenaient à catégoriser des motifs visuels. Certains produisaient de petites réponses à l’aide de boutons. D’autres utilisaient des mouvements de bras plus amples, notamment en frappant une boîte de réponse virtuelle ou en brandissant un sabre laser virtuel pour atteindre une cible.
La comparaison visait à distinguer la tâche informationnelle — apprendre à classer les motifs — de la taille et de la forme de l’action utilisée pour répondre. Le résultat n’a pas établi de manière générale que davantage de mouvement améliore tous les types d’apprentissage. L’avantage dépendait plutôt du type de catégorie que les participants cherchaient à maîtriser.
Selon les chercheurs, les mouvements plus amples favorisaient l’apprentissage fondé sur les schémas. Cette distinction est importante, car l’apprentissage des catégories ne constitue pas un processus unique. Certaines classifications peuvent être effectuées à l’aide de règles simples, tandis que d’autres exigent de percevoir des relations plus larges entre les caractéristiques. Les nouveaux résultats suggèrent que le rôle du corps pourrait être particulièrement important dans ce dernier type d’apprentissage.
Un défi aux modèles centrés uniquement sur l’esprit
L’étude remet en question la tendance ancienne à présenter la catégorisation comme un processus principalement cognitif. Dans de nombreuses tâches de laboratoire, une personne voit un élément, porte un jugement interne, puis appuie sur une touche. Cette séquence peut donner l’impression que la réponse est secondaire. Pourtant, en dehors du laboratoire, l’apprentissage humain se produit souvent tandis que les personnes tendent la main, se tournent, pointent, manipulent des objets et se déplacent dans l’espace physique.
L’équipe de Florida Atlantic et de Brown estime que ces actions ne devraient pas être automatiquement considérées comme un simple mécanisme passif de transmission d’une réponse. Leurs résultats indiquent que les mouvements de réponse peuvent influencer activement ce qui est appris, au moins pour certaines catégories de motifs visuels.
Cela ne signifie pas que les sabres laser virtuels constituent un outil éducatif universel, ni qu’un geste plus ample entraîne nécessairement une meilleure rétention dans tous les contextes. Les éléments présentés par l’étude sont plus limités : des mouvements plus amples ont amélioré les performances pour certaines exigences d’apprentissage dans le cadre d’une expérience contrôlée de VR. Le type de catégorie appris restait déterminant pour l’apparition du bénéfice lié au mouvement.
Pourquoi cette découverte pourrait compter
La recherche soulève une question de conception pour les systèmes de formation immersive. Si le mouvement peut soutenir l’apprentissage fondé sur les schémas, les expériences de VR destinées à la formation professionnelle ou à l’éducation devront peut-être prendre en compte autre chose que le réalisme visuel et le retour d’information. La réponse physique exigée de l’apprenant pourrait faire partie de la conception pédagogique.
Parmi les tâches potentiellement concernées figurent les situations dans lesquelles les personnes doivent apprendre à distinguer des motifs visuels complexes. L’article cite notamment l’identification d’une route glissante, la reconnaissance d’une lésion potentiellement dangereuse sur une imagerie médicale ou l’évaluation de la maturité d’un fruit. L’étude n’établit pas que le mouvement en VR améliorera les performances dans ces applications réelles, mais elle fournit une raison de tester la manière dont les actions sont associées à l’entraînement à la reconnaissance des schémas.
Ces travaux contribuent également à une conception plus large de la cognition, dans laquelle perception, action et apprentissage sont étroitement liés. Plutôt que de considérer le corps comme un dispositif exécutant une décision mentale déjà achevée, cette approche demande si l’action peut modifier le système de prise de décision au fur et à mesure de son développement.
Ce qui reste à tester
De nouvelles recherches devront établir la durée de l’effet, déterminer quels mouvements sont les plus utiles et vérifier si les gains se transfèrent d’un environnement virtuel à des tâches réelles. Il sera également important de déterminer à partir de quel moment des mouvements plus amples deviennent impraticables, distrayants ou physiquement inaccessibles pour les apprenants.
Pour l’instant, la leçon centrale est plus précise qu’un soutien général à l’apprentissage actif. Dans cette expérience, la façon dont les participants répondaient a modifié leur capacité à apprendre un type particulier de catégorie. Ce résultat fournit aux concepteurs d’outils d’apprentissage en VR une nouvelle variable à prendre en compte : non seulement ce que les apprenants voient et décident, mais aussi ce qu’ils font physiquement au moment de décider.
Cet article s’appuie sur un reportage de Phys.org. Lire l’article original.
Originally published on phys.org
