Unravelling the Connection: Online Learning Behaviors, Task Difficulty, and Preservice Teachers' Performance on a Computational Thinking

La pensée computationnelle des futurs enseignants a fait l’objet de nombreuses recherches, mais les résultats concernant l’efficacité de la formation à la pensée computationnelle sont mitigés. L’objectif de ce projet était : (1) d’examiner dans quelle mesure les comportements d’apprentissage en ligne et la perception du niveau de difficulté permettraient de prédire les performances des futurs enseignants face à un défi de pensée computationnelle et (2) de déterminer comment les attitudes des futurs enseignants à l’égard de la pensée computationnelle variaient en fonction de leurs comportements en ligne. Ce projet de recherche a mis en place un espace de formation en ligne, puis a utilisé Decision Tree, un algorithme d’apprentissage automatique supervisé, pour classer les futurs enseignants à l’aide à la fois des données de connexion et des réponses au questionnaire. Le temps total passé sur l’espace de formation, le temps total consacré à la résolution du défi et la perception individuelle du niveau de difficulté après avoir terminé le défi se sont révélés être les trois prédicteurs les plus significatifs de la performance. Les participants présentaient des niveaux de pensée computationnelle variés en fonction du temps qu’ils avaient passé sur l’espace de formation et sur le défi proprement dit. L’importance de l’utilisation de données de connexion, telles que les comportements d’apprentissage en ligne, pour identifier les axes d’amélioration dans la formation des enseignants est abordée.

*Cette description est une traduction de l’abstract (résumé) de l’article,  réalisée à l’aide de DeepL.