Azeneth Patino Université Laval Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser.	Jean-Nicolas Proulx Université Laval Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser.
Margarida Romero Université Laval Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser.

 

Dans le contexte de l’apprentissage par le jeu numérique, l’effet des jeux sur l’apprentissage a été un sujet de grand intérêt parmi les professionnels de la recherche et de l’éducation. D’après Girard, Ecalle et Magnan (2013), les effets positifs des jeux sérieux sur l’apprentissage ne sont pas concluants à l’heure actuelle, tandis que la revue de littérature de Boyle et collaborateurs (2016) permet de constater que l’usage des jeux sérieux en contexte éducatif présente des résultats généralement positifs. La divergence des résultats sur les effets des jeux numériques pourrait être expliquée par la raison que les jeux sont souvent considérés comme des entités entières, sans faire la distinction entre les différentes mécaniques qui sont proposées à l’apprenant-joueur de manière différentiée. Dans le cadre de ces différentes études de recherche, les jeux numériques sont considérés comme des entités entières et unitaires au moment d’évaluer leurs effets sur les apprentissages. Nous dénommons cette approche d’évaluation des jeux numériques comme ‘macro’.

 

 

Cependant, un jeu numérique est un dispositif complexe qui engage les apprenants dans un ensemble d’interactions qui peuvent être très différentes entre elles. Certains auteurs tels que Arnab et collaborateurs (2015) argumentent que l’analyse des jeux numériques doit être réalisée de manière composite en fonction de leurs différentes mécaniques de jeu et d’apprentissage. Les mécaniques représentent les potentiels d’interaction entre l’apprenant-joueur et le jeu (Arnab et collaborateurs, 2015; Lim et collaborateurs, 2013). Si les jeux numériques comme unité représentent l’approche au niveau macro, les mécaniques représentent le niveau micro. Ainsi, il s’agit de dépasser les approches de recherche qui évaluent les jeux numériques au niveau macro et s’intéresser aux mécaniques comme une approche au niveau micro qui pourrait mieux permettre identifier les mécaniques particulières d’un jeu numérique qui pourraient favoriser l’apprentissage. Étant donné que les résultats de recherche sur l’effet des jeux numériques en éducation ne sont pas concluants, nous développons l’hypothèse qu’une analyse plus détaillée au niveau des mécaniques de jeu et d’apprentissage peut permettre de mieux comprendre les processus, les résultats et l’impact des jeux sur l’apprentissage.

 

Les mécaniques de jeu et d’apprentissage sont habituellement utilisées pour faciliter le design et le développement des environnements numériques basés sur le jeu, elles n’ont pas encore été l’objet d’une analyse appuyée sur les principales théories établies de l’apprentissage. Dans cette présentation de recherche sur l’apprentissage par le jeu, nous présentons les résultats d’une analyse des mécaniques de jeu et d’apprentissage du modèle LM-GM (Arnab et collaborateurs, 2015) d’après les théories de l’apprentissage identifiées par Wu, Chiou, Kao, Alex Hu et Huang (2012) dans les recherches empiriques sur l’apprentissage par le jeu numérique. Nous avons défini et identifié les définitions existantes des mécaniques de jeu et d’apprentissage dans la littérature scientifique. Ensuite, après avoir identifié ces mécaniques dans une variété des jeux commerciaux et éducatifs, nous avons analysé les interactions joueur-jeu proposées par chaque mécanique pour identifier les théories de l’apprentissage qui les appuient. Sept autres théories de l’apprentissage qui n’ont pas été considérées dans l’étude de Wu et collaborateurs, (2012) ont été ajoutées à notre étude pour caractériser le spectre des interactions rendues possibles par toutes les mécaniques analysées.

 

D’après notre analyse, les théories d’apprentissage associées à chaque mécanique de jeu et d’apprentissage peuvent varier de manière importante selon chaque jeu. En fonction de la manière dans laquelle elle a été intégrée dans un jeu, une même mécanique peut être associée à des théories behavioristes dans un jeu ainsi qu’à des théories constructivistes dans un autre jeu. Ainsi, une analyse du jeu au niveau micro pourrait permettre d’identifier l’impact des différentes mécaniques du jeu sur l’apprentissage et sur la pertinence d’un jeu donné pour atteindre les objectifs pédagogiques ciblés.

 

Références

 

Arnab, S., Lim, T., Carvalho, M. B., Bellotti, F., de Freitas, S., Louchart, S., … De Gloria, A. (2015). Mapping learning and game mechanics for serious games analysis: Mapping learning and game mechanics. British Journal of Educational Technology, 46(2), 391–411. http://doi.org/10.1111/bjet.12113

 

Boyle, E. A., Hainey, T., Connolly, T. M., Gray, G., Earp, J., Ott, M., … Pereira, J. (2016). An update to the systematic literature review of empirical evidence of the impacts and outcomes of computer games and serious games. Computers & Education, 94, 178–192. http://doi.org/10.1016/j.compedu.2015.11.003

 

Girard, C., Ecalle, J., & Magnan, A. (2013). Serious games as new educational tools: how effective are they? A meta-analysis of recent studies: Serious games as educational tools. Journal of Computer Assisted Learning, 29(3), 207–219. http://doi.org/10.1111/j.1365-2729.2012.00489.x

 

Lim, T., Louchart, S., Suttie, N., Ritchie, J. M., Aylett, R. S., Stanescu, I. A., … Moreno-Ger, P. (2013). Strategies for Effective Digital Games Development and Implementation. In Y. Baek & N. Whitton (Eds.), Cases on Digital Game-Based Learning: Methods, Models, and Strategies (pp. 168–198). IGI Global. Retrieved from http://services.igi-global.com/resolvedoi/resolve.aspx?doi=10.4018/978-1-4666-2848-9

 

Wu, W.-H., Chiou, W.-B., Kao, H.-Y., Alex Hu, C.-H., & Huang, S.-H. (2012). Re-exploring game-assisted learning research: The perspective of learning theoretical bases. Computers & Education, 59(4), 1153–1161. http://doi.org/10.1016/j.compedu.2012.05.003