A Comparative Analysis of Teacher-Student Dialogue in Expert and Novice Teachers’ Smart Classrooms for Cultivating Higher-Order Thinking

Résumé Technique : Une Analyse Comparative du Dialogue Enseignant-Élève dans les Classes Intelligentes des Enseignants Experts et Novices pour la Culture de la Pensée d'Ordre Supérieur

Énoncé du Problème
La pensée d'ordre supérieur (POS) est un objectif central de l'éducation du XXIe siècle et un but primordial de la mise en œuvre des classes intelligentes. Bien que le dialogue enseignant-élève soit reconnu comme la voie fondamentale pour cultiver la POS, les enseignants novices éprouvent souvent des difficultés dans leur développement professionnel dans ce domaine. Les recherches antérieures se sont largement concentrées sur la fréquence, la durée et le pourcentage de dialogue, accordant une attention insuffisante aux caractéristiques séquentielles et aux parcours de développement du dialogue au sein des classes intelligentes. Il est nécessaire de comprendre les formes spécifiques et les modèles séquentiels de dialogue qui distinguent les enseignants experts des novices dans les environnements intelligents afin d'optimiser les modèles d'enseignement et de favoriser la POS des élèves.

Méthodologie
Cette étude a employé une approche par méthodes mixtes combinant l'analyse de la littérature, la théorie ancrée et l'analyse séquentielle de retard (LSA).

• Source de Données : La recherche a utilisé 20 vidéos de cours en classe intelligente (10 d'enseignants novices et 10 d'enseignants experts) sélectionnées de manière aléatoire sur la Plateforme de Service Public de Ressources d'Éducation Intelligente de Chine. L'échantillon couvre des matières telles que le chinois, les mathématiques et les sciences.
• Construction du Cadre Analytique :
  • Dimensions Primaires : Dérivées de la littérature sur les modèles de dialogue, les indices d'évaluation et les modèles d'enquête intelligente, cinq dimensions primaires ont été établies : Identification du Problème, Conception de la Solution, Évaluation de la Décision, Évaluation et Révision, et Résumé et Réflexion.
  • Dimensions Secondaires : En utilisant la théorie ancrée et un codage à trois niveaux sur les vidéos de cours, 14 dimensions secondaires ont été identifiées (ex. : Analyser les Problèmes, Justifier les Problèmes, Concevoir des Solutions, Vérifier les Solutions).
  • Système de Codage : Un système de codage spécifique a été développé où les comportements sont codés toutes les 8 secondes.
• Analyse des Données : Deux chercheurs ont codé les vidéos de manière indépendante, atteignant un coefficient Kappa de Cohen > 0,75. Les séquences codées ont été traitées à l'aide du logiciel General Sequential Querier (GSEQ). Des tableaux de fréquences de transition ont été générés, et des résidus ajustés (scores Z) ont été calculés pour identifier les séquences de dialogue statistiquement significatives (Z > 1,96).

Principales Contributions

1. Développement d'un Cadre de Codage : L'étude a construit un cadre analytique complet pour le dialogue enseignant-élève dans les classes intelligentes, comprenant cinq dimensions primaires et 14 dimensions secondaires spécifiquement adaptées à l'apprentissage par enquête intelligente.
2. Identification des Modèles de Dialogue : Grâce à la LSA, l'étude est allée au-delà des simples comptages de fréquence pour cartographier la logique séquentielle des interactions en classe, révélant des « modèles de dialogue » distincts pour les enseignants experts versus les novices.
3. Analyse Comparative : La recherche fournit une comparaison granulaire de la manière dont les enseignants experts et novices structurent le dialogue, mettant en évidence les séquences spécifiques qui soutiennent ou entravent la culture de la pensée d'ordre supérieur.

Résultats

• Fréquence du Dialogue : Les enseignants experts ont démontré des fréquences élevées et équilibrées à travers les cinq étapes du processus d'enquête intelligente (de l'identification du problème au résumé). En revanche, le dialogue des enseignants novices était fortement biaisé vers l'« Identification du Problème », avec des insuffisances sévères ou des occurrences nulles dans les étapes liées à la conception de solutions, l'évaluation de décisions et la révision.
• Séquences de Dialogue (Enseignants Experts) : Les enseignants experts ont présenté des modèles diversifiés et cycliques qui reflètent un processus complet d'apprentissage par enquête intelligente. Les séquences clés significatives incluaient :
  • Résolution de Problèmes Itérative : A1 (Analyse) → A3 (Justification) → C1 (Sélection) → C2 (Vérification) → C3 (Évaluation) → A1, formant une boucle spiralée d'analyse et de vérification.
  • Innovation et Révision : A1 → A3 → D1/D2 (Évaluation) → D3 (Révision) → A2 (Poser de nouveaux problèmes), créant une boucle fermée qui stimule une nouvelle pensée.
  • Cycles d'Apprentissage Profond : Des séquences complexes impliquant de multiples itérations de conception de solutions (B1) et de justification (B3) avant de passer au résumé (E1/E2), indiquant un engagement profond et une optimisation continue.
• Séquences de Dialogue (Enseignants Novices) : Les enseignants novices ont affiché des modèles relativement singuliers, souvent limités à des étapes spécifiques sans intégration systémique. Les séquences communes incluaient :
  • Cycles Linéaires ou Partiels : Des modèles tels que E1 → E2 → E1 (Résumé/Réflexion uniquement) ou D1 → D2 → D3 (Évaluation uniquement).
  • Boucles Centrées sur la Découverte : A1 → A2 → A1 → A2, se concentrant lourdement sur l'analyse de problèmes et la pose de questions mais manquant l'engagement profond ultérieur dans la conception de solutions, la vérification et l'évaluation complète trouvés dans les modèles d'experts.
  • Manque de Complétude : Les modèles des novices manquaient souvent de la complétude « découverte-conception-décision-évaluation-résumé », négligeant fréquemment la transition de l'identification du problème vers la conception de solutions et l'évaluation.

Signification et Revendications
Les auteurs affirment que cette recherche fournit une référence pour les enseignants menant des dialogues dans les classes intelligentes et facilite l'optimisation des modèles d'enseignement en classe intelligente. En révélant que les enseignants experts utilisent des formes de dialogue diversifiées et des cycles d'enquête complets, tandis que les novices s'appuient sur des formes singulières orientées vers la découverte, l'étude suggère que le développement professionnel des enseignants novices devrait se concentrer sur l'élargissement de leur répertoire de dialogue au-delà de l'identification des problèmes. Les conclusions visent à contribuer à la création de classes intelligentes de haute qualité et efficaces et à la promotion des compétences de pensée d'ordre supérieur des élèves. L'étude ne propose pas de nouvelles applications expérimentales mais offre plutôt une base analytique pour améliorer les pratiques d'enseignement existantes grâce à une meilleure compréhension des séquences de dialogue.