1"

1"

Learning by teaching with NAO: a new powerful experimental tool to improve children's learning

Frank Jamet1,2*, Olivier Masson1,, Jean-Louis Stilgenbauer1,3, Baptiste Jaquet1, & Jean Baratgin1,4,

1. P-A-R-I-S association, 25 Rue Henri Barbusse, 75005, Paris, France 1. Laboratoire CHArt, Université Paris VIII, EPHE, 4-14 rue Ferrus, 75014, Paris France 2. Université de Cergy-Pontoise, 33, boulevard du Port 95011 Cergy-Pontoise cedex, France 3. Facultés Libres de Philosophie et de Psychologie (IPC), 70 av. Denfert-Rochereau, 75014

Paris, France 4. Institut Jean Nicod (IJN), École Normale Supérieure (ENS), 29 rue d'Ulm, 75005 Paris,

France Correspondance"à"adresser"à"Jean"Baratgin";"jean.baratgin@univ:paris8.fr""Reçu"le"31"août"208,"Révisé"le"26"octobre"2018,"accepté"le"1er"novembre"2018""Copyright © 2018 Frank Jamet et al. This is an open access article distributed under the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.

L’examen de la littérature montre que de plus en plus d’auteurs utilisent l’approche de l’enseignement par l’apprentissage» dans le champ de la robotique éducative. L’objectif de ce papier est de produire d’une part un état de l’art sur les conséquences de cette approche quant à l’apprentissage et d’examiner d’autre part dans la littérature les caractéristiques qui fondent l’enseignement par l’apprentissage. Dans ce travail nous intéresserons uniquement aux travaux qui reposent sur l’utilisation d’un robot humanoïde. Les grands domaines d’apprentissage étudiés sont : l’écriture, la lecture, le lexique et le raisonnement mais également certaines capacités métacognitives comme l’engagement, la concentration dans la tâche ainsi que l’attribution d’états mentaux. Ils concernent à la fois les très jeunes enfants jusqu’aux préadolescents. On remarque également des travaux concernant les élèves à besoins éducatifs particuliers. Dans tous ces domaines, les résultats montrent un effet indéniable de l’enseignement par l’apprentissage tant sur les apprentissages que sur les capacités métacognitives. Si le principe de l’enseignement par l’apprentissage est clair, une lecture attentive des différentes recherches montre que les paradigmes expérimentaux ne reposent pas sur les mêmes caractéristiques. Pour les uns, c’est la fragilité du robot, c’est-à-dire l’attention que l’on doit lui porter qui est l’élément constituant de l’approche alors que pour d’autres, il s’agit du déséquilibre des connaissances qui en est au cœur. L’approche de l’enseignement par l’apprentissage que nous étudions a deux composantes : le robot et l’enseignant de l’enfant. Les caractéristiques du robot comme ce qui est demandé à l’enfant pour accomplir sa tâche d’enseignant seront analysées. Mots clefs : Social Robot, Learning by teaching, development, Education, Robot tutee, humain-robot interaction.

1. Introduction « C’est en enseignant que les hommes

s’instruisent ». Derrière cette citation, le philosophe grec Sénèque (4 av J-C-65 ap J-C) pose les bases, il y a un peu moins de

2"

2"

2000 ans d’une méthode pédagogique qui consiste à apprendre en enseignant. Cette méthode est communément appelée : apprentissage par l’enseignement (learning by teaching). Son"principal" intérêt" est"de"permettre" au" tuteur" (l'enseignant)"d'augmenter" conceptuellement" son"niveau" de" connaissances" [1," 2]." Depuis"quelques" années," il" apparait" un" nombre"croissant" d’études" dans" lesquelles" un"humain" enseigne" à" un" robot" humanoïde"[3:11]." Les" apprentissages" concernent"une"grande"variété"de"domaine"comme"la"lecture" [4]," l'écriture" [6," 7," 10," 18],"l’apprentissage" lexical" [5]," le"raisonnement" [11," 12]" mais" aussi" les"capacités" métacognitives" telles" que"l'engagement" dans" une" tâche" et"l'attribution" d'états" mentaux" [13]." Ces"travaux"concernent" les" jeunes"enfants"(3"à"6"ans)"[5,"11,"12],"les"enfants"(7"à"8"ans)"[4," 6]," les" préadolescents" (13" à" 14" ans)"[7]" et" les" adultes" [8," 14]." Ces" études"s’intéressent" à" la" fois" aux" élèves" normo"typiques" mais" également" à" ceux" ayant"des" besoins" éducatifs" spéciaux:" enfants"présentant" des" déficits" visuo:constructifs," des" troubles" de" l’écriture,"une" faible" confiance" en" soi," des" troubles"de"l’attention"[7],"des"troubles"du"spectre"autistique" [15]," un" trouble" du"développement" intellectuel" [16]." Dans"cet" article," nous" intéresserons" aux"travaux"chez"les"enfants.""2. Un élève nommé Nao

FIGURE 1: Nao et les fruits utilisés dans

[11]

L’utilisation du robot humanoïde [pour une revue des robots utilisables dans l'éducation voir [17]] avec les enfants présente de nombreux avantages [18]. Par exemple ce type de robot facilite sa prise en compte en tant que personne sociale par des enfants [19-21] et il semble aider les enfants à se concentrer [22]. En outre, les enfants sont motivés et ont une attitude positive lorsqu'ils voient des robots dans leur classe [23-25].

Dans la majorité de ces études sur l’apprentissage par l’enseignement, le robot utilisé était NAO (Figure 1): il s’agit d’un robot humanoïde bipède de 58 cm, avec 25 degrés de liberté, des caméras, et des capacités vocales (synthèse et reconnaissance), qui peuvent être programmées pour effectuer de manière autonome un ensemble de tâches. Ce robot possède de nombreux avantages qui peuvent être bénéfiques pour un travail expérimental avec des enfants, en particulier dans le domaine de l’éducation [31]. En reprenant la classification des types de robots utilisés dans les études de robotique éducative [32], NAO présente cinq avantages lorsqu’on l’utilise pour apprendre en enseignant.

(1) Sa hauteur : Cette caractéristique est principalement avancée pour justifier le choix de NAO afin d’établir une proximité, par sa ressemblance avec un enfant [33].

(2) Sa précision dans les mouvements : NAO possède 25 degrés de liberté lui permettant d'effectuer des mouvements proches de ceux des humains (marche, gestes, inclinaison de la tête et il peut faire semblant de regarder quelque chose). NAO est également capable de manipuler de petits objets [5, 11], de faire des gestes déictiques utiles dans l'apprentissage [4, 11] et il peut imiter des gestes ou des signes [34].

(3) Les capacités d'interaction verbale : NAO dispose d’un module de synthèse vocale qui lui permet de prononcer des phrases à voix haute et de parler à l'enfant [35]. En outre, le niveau et le ton de sa voix sont facilement paramétrables, ce qui est particulièrement utile pour

3"

3"

apprendre en enseignant, par exemple, pour apprendre à lire.

(4) Les capacités d'interaction non verbales et émotionnelles : Bien que dépourvu d’expressions faciales, NAO peut exprimer des émotions (colère, peur, joie, tristesse et surprise) aussi bien qu’un robot doté de cette capacité, tel que iCat [33]. La façon dont NAO peut simuler des émotions se fait à travers les mouvements du corps et les LED autour des yeux (clignotements et changement de couleur). L'absence d'expression faciale de NAO ne constitue donc pas une barrière à la proximité ressentie par l'enfant.

(5) L’accessibilité en termes d'utilisation et de programmation : NAO peut être programmé par des néophytes en robotique et informatique grâce au logiciel Choregraphe (Aldebaran, Softbank Robotics). Il s’agit d’une interface visuelle par laquelle il est possible de programmer des comportements relativement complexes.

Les objectifs de cet article sont (1) d’énumérer les effets sur l’apprentissage lorsqu’un humain enseigne à un robot humanoïde ; (2) d’analyser les différentes caractéristiques expérimentales du robot humanoïde ; (3) d’exposer soigneusement ce qui est demandé à l'homme ; et enfin (4) de montrer en quoi l’approche de l’apprentissage par enseignement est un nouveau paradigme pour la psychologie développementale et cognitive. 3. Effet de l’approche de l’enseignement par l’apprentissage sur les apprentissages

Dans cette première partie, nous nous s’intéresserons au concept d’apprentissage par l’enseignement en considérant uniquement les résultats des travaux expérimentaux en robotique éducative qui reposent sur l’utilisation d’un robot humanoïde avec des enfants.

Cinq grands domaines d’apprentissage essentiels en matière d’éducation sont exposés : la lecture,

l’écriture, l’apprentissage lexical, le raisonnement et les capacités métacognitives. Ils sont résumés dans le tableau 1 3.1 La lecture A notre connaissance, seule l’étude de Yadollahi et al. [4] utilise l’approche de l’enseignement par l’apprentissage avec un robot humanoïde pour développer les capacités en lecture. Dans leur dispositif, que l’on décrit ci-dessous, les auteurs [4] s’intéressent à l’effet des gestes déictiques pendant la lecture d’un robot sur le niveau de lecture de l’enfant. Dans cette étude, les gestes déictiques consistent en un déplacement du doigt durant la lecture.

Le dispositif est le suivant : L’enfant est assis à une table. Face à

lui se trouve un livre. Nao est placé sur la table. L’enfant et le robot peuvent lire le livre. La tâche du robot est de lire une partie du livre puis le robot dit qu’il est fatigué, l’enfant poursuit alors seul la lecture. Si l’enfant identifie une erreur, il le signale au robot en appuyant sur un bouton rouge, s’il a besoin de l’entendre de nouveau, il appuie sur le bouton jaune et s’il souhaite le féliciter, il appuie sur le bouton vert. Suite aux feed-backs de l’enfant, le robot réagit verbalement, physiquement et émotionnellement (les yeux changent de couleurs).

Deux groupes d’enfant âgé de 6-7 ans sont constitués en fonction de leur niveau de lecture (bon lecteur versus lecteur moyen). Les bons lecteurs travailleront sur un texte de 36 pages et les plus faibles sur un texte de 24 pages. Les deux groupes sont affectés dans deux conditions : dans la première, le robot lit à voix haute avec son doigt (pointage) et dans la seconde, il n’accompagne pas la lecture avec son doigt (non-pointage). Deux sessions de 30 minutes sur deux jours sont proposées. Si c’est un bon lecteur qui apprend à lire à Nao, Nao lit les 10 premières pages puis déclare qu’il est fatigué et l’enfant continue jusqu’à la page 16. Le lendemain, l’enfant retrouve un Nao impatient de connaître la suite de l’histoire.

4"

4"

Table"1:"Main"studies"of"Learning"by"Teaching"according"to"the"characteristics"of"the"“pupil"robot”"and"the"“child"teacher”.""

Recherche& Type&de&Robots&& Caractéristiques&du&Robot& Caractéristiques&des&enfants& Nature&de&la&Collaboration&Lecture![4]&

Nao& Autonome& 6"to"7"years"old&(gestes"Déictique,"pointage)&

Protégé"effect&

Graphisme&Ecriture![6]&"

"

[7]"

"

[26]"

"

[27]"

"

"

[10]"

"

"

Nao"V4"

"

"

Nao"V4,"V5"

"

Nao"

"

Nao"

"

"

Nao"

"

"

Autonome"

"

"

Autonome""

"

Autonome"

"

Autonome""

"

"

Autonome"

"

"

6"à"8"ans"

7"à"8"ans"

"

5"à"8"ans"

avec"BEP∗"7"à"9"ans"

"

5"à"6"ans"

"

"

7"à"9"ans"

"

"

Induction"de"la"caractéristique"

anthropomorphique."

Engagement"cognitif"

Induction"de"la"caractéristique"

anthropomorphique."

Approche"par"les"feedbacks"pour"

corriger"les"erreurs""

Seul"avec"NAO"

Protégé"effect"

Approche"par"les"feedbacks""

Language,[5]"

[28]"

"

Nao"

Pepper"

"

TéléZopéré"

Réponse"Physique"totale"

"

3"à"6"ans"

4"à"5"ans"

"

CareZreceiving"robot"

CareZreceiving"robot"

Raisonnement,[11,"12]"

"

Nao"V5"

"

TéléZopéré,"conçue"pour"montrer"qu’il"

est"ignorant"

"

5"à"6"ans"

"

Seul"avec"NAO,"NAO"est"bête"

Statut"d’enseignant"

Capacités!Métacognitive!!Possibilité,de,travail,collaboratif,Temps,d’apprentissage,[15,"16]"

"

Engagement"de"l’enfant"

Attribution"d’états"mentaux"

"

Ecriture,Engagement"de"l’enfant"

"

"

"

"

Ifbot"

"

Epi"

"

"

"

Nao"V4,"V5"

"

"

"

"

TéléZopéré,"nombre"limité"

d’expression."Bras"et"corps"immobiles"

Conçu"pour"donner"l'impression"

d'être"un"enfant."

"

"

TéléZopéré"

"

"

"

"

8"à"11"ans"

avec"BEP∗""

5"à"9"ans"

"

5"à"9"ans"

6,05"à"8"ans"avec"BEP**"

"

"

"

"

Incapable"de"répondre"

correctement"

Capacité"d’apprentissage"

"

"

"

"

Protégé"effect"

∗Enfants"à"besoins"éducatifs"particuliers:"troubles"visuoZconstructifs,"grandes"difficultés"d’écriture"et"faible"confiance"en"soi.."∗∗"Enfants"à"besoins"éducatifs"particuliers:"Trouble"du"spectre"autistique,"et"trouble"du"développement"intellectuel

5"

5"

Il le lui dit. La tâche reprend sur le même principe. Nao lit les pages 16 à 26, déclare qu’il est fatigué. L’enfant termine la lecture. Pour les faibles lecteurs, la procédure est identique, seul le nombre de pages à lire diffère : Nao lit 9 pages, dit qu’il est fatigué, l’enfant lit 3 pages. La vitesse de lecture de Nao est réglable. Elle est fixée à 60% de la vitesse normale pour les faibles lecteurs et 80% pour les bons lecteurs.

Trois types d’erreurs sont étudiés : les erreurs de type I : lire « éléphant » à la place de « pingouins », les erreurs de type II : lire « arrêter » à la place de « stopper » et les erreurs de type III : erreurs de prononciations ou de syntaxe. Ces erreurs très caractéristiques correspondent au corpus de Miscue de Goodman [11, 12] qui les recensent. Le robot Nao commet 12 erreurs lors de chaque session.

Les résultats montrent : 1) qu’il n’y a pas d’effet de condition (pointage versus non-pointage) sur la qualité de la correction. 2) Le pointage améliore en revanche, la détection des erreurs de type I (« éléphant » à la place de « pingouin »). 3) Les enfants des deux niveaux tirent bénéfice du pointage lorsqu'ils doivent reconnaître des erreurs qui ne correspondent pas à l'image (type I). Pour les faibles lecteurs, le pointage n’aide pas à la compréhension du texte.

3.2 L’écriture L’apprentissage de l’écriture est complexe car il est long et nécessite de répéter souvent le même geste. Le découragement peut vite venir perturber l’acquisition du geste correct. Le défi à relever est donc de taille. Malgré ces difficultés, ce domaine compte de nombreuses études conduites dans l’approche de l’apprentissage par l’enseignement avec le robot Nao [4, 6, 9].

Dans sa conception, le dispositif expérimental doit permettre à l’enfant d’effectuer de nombreux tracés et être motivant pour qu’il soit efficace. À cela s’ajoute une difficulté supplémentaire : faire écrire Nao qui ne dispose que de trois doigts, ce qui rend impossible la réalisation

d’un tracé en lettres cursives. Les questions sont donc multiples : Comment faire écrire un robot qui n’a que trois doigts ? Le dispositif permet-il au robot et à l’enfant d’effectuer suffisamment de tracés ? N’est-il pas lassant ? Le dispositif permet-il à l’enfant d’évaluer le robot ? Les relations entre l’enfant et le robot sont-elles impactées par la présence ou l’absence de progrès du robot ? L’enfant est-il en mesure d’adapter son enseignement ? Les progrès de Nao donnent-t-ils à l’enfant le sentiment d’être un meilleur enseignant ?

Pour pallier la particularité de Nao (3 doigts) les auteurs [6] synchronisent une tablette. Nao peut ainsi simuler avec son doigt le tracé d’une lettre sur la tablette. Elle comprend deux zones d’écriture : une à gauche qui occupe les 2/3 de la tablette pour Nao et celle de l’enfant qui se trouve à droite et qui est plus petite. L’enfant peut tracer et effacer les lettres.

La tâche de l’enfant de 6-8 ans est d’apprendre à Nao à écrire des lettres. Nao trace une de ces lettres et demande à l’enfant de le corriger. Nao améliore ses performances. Les effets des rétroactions [38] et l’évaluation régulière sont des facteurs déterminants [39]. Les erreurs de tracé de Nao ne sont pas dues au hasard. Elles sont programmées de telle sorte qu’elles correspondent à celles qui sont habituellement observées dans le développement de l’apprentissage de l’écriture. [40, 41].

Le dispositif permet-il au robot et à l’enfant d’effectuer suffisamment de tracés ? N’est-il pas lassant ? Les résultats montrent que sur deux sessions (durées respectives de 65 et 160 minutes), l’interaction est opérante et efficace. Le robot comme l’enfant produisent beaucoup de tracés : 96 lettres dont 49 en réponse aux démonstrations avec des enfants de 6-7 ans et 335 tracés dont 152 en réponse aux interventions des enfants de 7-8 ans.

Dans l’acte d’enseignement, l’évaluation est une notion importante. Le dispositif est-il efficient sur ce point particulier ? Les progrès de Nao impactent-

6"

6"

ils la relation avec l’enfant ? Pour répondre à cette question, les auteurs [10] affectent au hasard 25 enfants âgés de 7 à 9 ans dans deux conditions : dans première Nao fait des progrès : « Nao apprend », dans la seconde il n’en fait pas : « Nao n’apprend pas ». Nao conserve toutes ses qualités sociales. Chaque condition comprend 4 sessions de 15 minutes. Les auteurs ajoutent un pré-test et un post-test dans lesquels ils mesurent la qualité de l’écriture de l’enfant (la capacité à reconnaître les lettres et la capacité à les reproduire) et interrogent l’enfant sur les progrès de Nao ainsi que sur la qualité de sa relation avec Nao. Les résultats montrent que dans la condition « Nao apprend », les enfants après la troisième session évaluent plus favorablement les performances de Nao que dans la condition « Nao n’apprend pas ». On observe la même différence lors de la quatrième session. Les relations avec le robot (attachement) ne sont pas impactées par les performances du robot.

L’enfant est-il en mesure d’adapter son enseignement ? Les progrès de Nao donnent-t-ils à l’enfant le sentiment d’être un meilleur enseignant ? Les auteurs [26] reprennent le même dispositif que dans les études précédentes et apportent quelques modifications. Une évaluation de l'efficacité personnelle perçue des enfants en matière de tutorat est ajoutée au post-test. Le robot se prénomme Michael. L’expérimentateur explique aux enfants (de 7 à 9 ans) qu’ils vont rencontrer quatre fois Michael. Il a besoin d’aide pour apprendre à écrire. Le chercheur explique le rôle de Michael en tant qu'apprenant et le rôle des enfants en tant qu'enseignant. L’expérimentateur place Nao dans la salle et le laisse seul avec l’enfant. Nao se présente poliment et évoque ses difficultés d’apprentissage en écriture en montrant ses notes. Les enfants sont répartis au hasard entre les deux conditions « Nao apprend » et « Nao n’apprend pas ». Chaque condition compte 4 sessions de 15 minutes, une par semaine.

L’agencement" de" l’espace" avec" le"robot"(face"à"face"ou"côte"à"côté)"affecteA

tAil"l'attention"de"l'enfant"et"sa"perception"de" la" performance" du" robot" en" situation"d’apprentissage, par, l’enseignement"?"Les" auteurs" [27]" utilisent" la" même"configuration" expérimentale" que" dans"des" études" antérieures" [4," 6," 9]" en"situation"de" coAécriture"Les"enfants" sont"répartis" dans" deux" conditions" :" face" à"face"avec" le"NAO"et"dans" la"condition"où"NAO"est"à"côté"de"l’enfant.

Les résultats montrent que les enfants : 1) prêtent attention à la fois aux notes et au progrès du robot, 2) remarquent les progrès du robot à partir de la troisième session uniquement dans la condition « Nao apprend », 3) donnent une meilleure évaluation lors de dernière session dans la condition « Nao apprend » que dans la condition « Nao n’apprend pas », 4) au fur et à mesure des progrès du robot le goût des enfants pour l'enseignement s’accroît, 5) les enfants s’estiment être meilleurs enseignants après chaque interaction, 7) en condition « Nao apprend », les enfants améliorent leurs performances entre le pré-test et le post test, 8) les enfants ne sont pas affectés dans leur attachement au robot par les performances du robot, 9) les enfants n’ont trouvé le robot intelligent qu'après la dernière interaction dans la condition « Nao apprend ».

3.3, L’apprentissage, lexical! Le" travail" de"Tanaka" et" al." [5]" est" intéressant" d’une"part,"parce"qu’il" traite"de" l’apprentissage"dans" le" domaine" du" langage" et" d’autre"part," parce" qu’il" enrichit" le" cadre"conceptuel" de" l’apprentissage, par,l’enseignement" avec" careAreceivingArobot"(CRR)." Le" cadre" du" CRR" a" été" introduit"pour"la"1er"fois"en"2007"[42]."Les"auteurs"[42]" montrent" que" dans" ce" cadre" les"enfants" produisent" beaucoup" de"comportements" d’attention." Il" permet"d’accroître"la"motivation"de"l’enfant"dans"sa" tâche" d’enseignement" en" s’appuyant"sur"le"fait"que"le"robot"est"fragile"et"qu’il"faut"s’en"occuper."Par"la"suite,"les"auteurs"[28]" ont" ajouté" au" CRR" le" cadre" de"réponse"physique"totale"(TPR)"développé"

7"

7"

par" [43]" dans" les" années" 1960."L’approche" TPR" est" une" seconde"méthode" spécifique" d’enseignement" des"langues"consistant"à"associer"une"phrase"en" réalisant" physiquement" un"mouvement" ;" par" exemple," pour"apprendre" la" phrase" «"conduire" une"voiture" »," l’élève" simule" la" conduite" en"manœuvrant" un" volant" fictif" avec" ses"deux" mains." Cette" méthode"d'enseignement" s'applique" aux" enfants"comme" aux" adultes." Elle" permet" un"apprentissage"agréable"et"sans"stress."

3.3.1, L’apprentissage, des, verbes, d’action,en, anglais, L’objectif" de" l’expérience" [5]"est" d’apprécier" l’incidence" de"l’apprentissage" par" l’enseignement" sur"l’acquisition"de"verbes"d’action"en"anglais"chez" des" enfants" japonais" âgés" de" 3" à" 6"ans." L’expérience" se" décline" en" quatre"phases":"1)"PréAtest,"2)"L’interaction"avec"le" robot" Nao" qui" se" déroule" en" deux"parties,"3)"un"temps"libre,"4)"le"postAtest."

L’objectif du pré-test est de sélectionner avec l’enfant six verbes d’action à partir d’une série cartes imagées représentant une action comme : boire, balayer, brosser et jouer. La tâche de l’enfant est d’associer la carte mot à la carte imagée. Si l’enfant réussit, l’expérimentateur dit : « C’est correct » et il reçoit la paire d’images et s’il échoue l’expérimentateur dit : « C’est incorrect » on continue jusqu’à ce que l’enfant commette quatre erreurs.

L’interaction avec le robot Nao s’effectue en deux temps. Tout d’abord, c’est l’expérimentateur qui enseigne à l’enfant. Ensuite dans un second temps, l’enfant devient enseignant et Nao sera l’élève. La « leçon » se déroule comme suit : l’expérimentateur place quatre objets correspondant à quatre verbes d’action devant Nao : un verre pour boire, une balayette pour balayer, une brosse pour brosser et un jouet pour jouer. Nao télé-opéré, salue l’enfant par son prénom et se présente joyeusement en lui serrant la main.

L’expérimentateur dispose de quatre cartes dont deux portent la mention « avec CRR ». L’expérimentateur prend une carte au hasard et demande à l’enfant Montre-moi comment < verbe >. Si l’enfant ne peut pas répondre, l’expérimentateur désigne l’objet en prononçant le verbe et continue. S’il prend une carte CRR, l’expérimentateur demande à Nao de répondre. Nao acquiesce et dit « Veuillez ramassez … » en ouvrant la main, l’expérimentateur prend l’objet et le remet à Nao. Nao mime l’action de manière erronée. L’expérimentateur lui dit : « Non, c’est incorrect ». Nao demande alors « S'il vous plait, apprenez-moi ». L'expérimentateur prend le robot par la main et lui apprend pas à pas. Le téléopérateur enregistre alors la séquence d’apprentissage. Une fois l’apprentissage effectué, Nao réalise l’action tout en prononçant le verbe. L’expérimentateur lui dit : « Oui, c’est correct ». Pour les trois autres verbes d’action, l’expérimentateur procède de la même manière. Durant la seconde partie, la procédure est identique mais c’est l’enfant qui apprend au robot.

Durant la période libre, l’enfant est invité à jouer avec Nao. L’expérimentateur observe l’enfant pendant 10 minutes. Enfin, l’expérimentateur passe un premier post-test. Le contenu est identique au pré-test. Un second post-test sera passé trois à cinq semaines plus tard.

Les résultats montrent que 1) les performances dans l’apprentissage des verbes d’action sont améliorées de manière significative lorsque l’enfant enseigne au robot par rapport à la condition où l’expérimentateur enseigne à l’enfant. 2) trois à cinq semaines plus tard, les performances ont encore augmentées. 3) l’enfant utilise différentes formes d’enseignement : un enseignement verbal (l’enfant énonce l’action en anglais) ; un enseignement gestuel (l’enfant réalise sur Nao l’action) ; un enseignement direct (l’enfant accompagne NAO étape par étape). Les deux premières formes d’enseignement sont les plus utilisées (verbal et gestuel). 4) le fait d’avoir des

8"

8"

frères, des sœurs, un chien a une incidence significative sur les performances d’apprentissage. La question de l’incidence du genre devra être examinée dans des études futures.

3.3.2., Apprentissage, d’une, langue, 2, (non,native)." Pour" permettre" l'apprentissage"d’une" seconde" langue," à" la" maison" [28],"propose" d’utiliser" deux" méthodologies"avec" le" robot" humanoïde" Pepper." Ce"robot"mesure" 1,21"m"de" haut," 42" cm"de"large"et"48"cm"d’épaisseur." Il"pèse"28"kg"et" peut" se" déplacer" à" une" vitesse"maximale" de" 3" km/h." Une" tablette" est"placée" sur" sa" poitrine." Le" cours"d'apprentissage" de" l'anglais" peut" se"dérouler"de"deux"manières."La"première"façon"est"réalisée"avec"un"enseignant"que"l’on" peut" voir" sur" un" écran." Dans" cette"situation,"Pepper"est"un"étudiant"comme"tous" les" autres." Il" est" programmé" pour"suivre" le" regard" de" l’enseignant." Les"résultats" montrent" qu’il" privilégie" le" «"temps"du"cercle"»,"c’estAàAdire"le"moment"où" les" élèves" se" rassemblent" autour" de"l'enseignant" pour" écouter" les" consignes."La" seconde" manière" d’apprendre"l’anglais"consiste"à"utiliser"une"vidéo"que"les" enfants" peuvent" voir" sur" la" poitrine"du" robot" Pepper." L'originalité" de" la"situation" d'apprentissage" est" qu’elle"croise" l’approche"par" l’apprentissage,par,l’enseignement" et" la" TPR." L'enfant"apprend" l'anglais" en" utilisant" le" TPR." Il"doit"aussi"apprendre"au"robot"Pepper"en"utilisant" l'apprentissage, par,l'enseignement" et" la" TPR." Ces" deux"modalités"d’apprentissage"(apprentissage,par,enseignement"et"TPR)"sont"ajoutées.

3.4 Le raisonnement A notre connaissance, les travaux en robotique éducative dans ce domaine sont rares. Une seule étude"[11] s’intéresse à la question de l’inclusion de classe, notion fondamentale dans le développement cognitif de l’enfant. L’étude de l’inclusion de classe permet de comprendre les rapports entre le « Tout » et les « Parties » ; le « Tout » est égal à la

somme des parties. C’est Piaget [44] qui le premier étudie le développement de cette notion avec sa fameuse tâche du bouquet de fleurs. Il présente à un enfant un bouquet composé de quatre marguerites et de deux tulipes. Il demande à l’enfant « Est-ce qu’il y a plus de fleurs ou plus de marguerites ? ». Habituellement, il faut attendre l’âge de 8 ans pour que les enfants répondent correctement : « il y a plus de fleurs ». Avant l’âge de 7 ans, la réponse donnée est : « Il y a plus de marguerites ». Piaget & al. [45] expliquent la réponse incorrecte de l’enfant par l’absence de réversibilité de la pensée. Si la classe des fleurs = les marguerites + les tulipes alors les tulipes + les marguerites = les fleurs. Politzer [46] propose une nouvelle explication de la réponse : « Plus de marguerites » dans le cadre de la théorie de la pertinence et de la pragmatique du langage. La tâche est difficile [45] car elle demande que l’enfant maîtrise à la fois la logique des classes mais également les jugements de relations (plus que, même que, moins que). De plus, la question est ambiguë [46] dans la mesure où deux interprétations sont possibles et pertinentes. En effet, si l’enfant interprète la notion de fleur comme étant le « Tout » alors il y a bien plus de fleurs que de marguerites, mais si l’enfant interprète le terme fleur comme ce qui n’est pas une marguerite alors la réponse « plus de marguerites » est correcte. Sur un plan linguistique, ces deux interprétations sont correctes. Du point de vue de la pragmatique du langage, généralement, les comparaisons se font le plus souvent entre classe de même niveau : dans notre cas, entre hyponymes pommes et poires ou marguerites et tulipes La réponse des enfants de 7 ans en est l’illustration : « Il y a plus de pommes ». Pour les psychologues, la question est d’importance : les enfants maîtrisent-ils ou pas la notion d’inclusion de classe à 6-7 ans, âge où, pour Piaget et al. [44], la majorité des sujets donnent la réponse « plus de tulipes » ? En effet, à 5-6 ans, les enfants sont parfaitement capables de savoir

9"

9"

qui est intelligent de qui ne l’est pas, qui est compétent et qui ne l’est pas [47].

L’originalité du travail de Masson et al. [11, 12] est double : d’une part, les auteurs examinent cette question centrale en psychologie posée depuis 1921 et d’autre part, proposent un paradigme expérimental qui supprime l’ambiguïté de la question. Après avoir indiqué, que le robot se prénomme Nao, l’expérimentateur passe le contrat didactique suivant : l’expérimentateur explique à l’enfant sa tâche. Elle consiste à apprendre des choses à Nao. L’expérimentateur ne sait pas ce que Nao souhaite apprendre. L’enfant devra être attentif et lui apprendre ce que Nao veut. Comme Nao ne sait rien, il a besoin qu’un enfant lui apprenne plein de choses. L’expérimentateur donne des exemples montrant que Nao n’a aucune connaissance. Nao veut apprendre. L’expérimentateur attire l’attention de l’enfant sur le fait qu’il posera des questions ambiguës. L’enfant devra répondre spontanément sans se poser trop de questions. L’expérimentateur insiste sur le fait que si l’enfant est en désaccord avec une proposition de Nao, il doit le corriger.

Les auteurs ont intégré au robot Nao un programme pour mettre en œuvre la tâche d’inclusion. Le point important est là. C’est Nao qui au cours de son questionnement conduit l’enfant à lui enseigner à faire le rapport entre la classe et la sous-classe. Elle concerne la classe des fruits : 5 pommes et 3 poires. A partir d’un ordinateur, le robot est téléopéré à l’insu de l’enfant par l’un des auteurs qui est caché derrière une cloison à l’abri du regard de l’enfant. Le second expérimentateur cherche l’enfant dans sa classe et le conduit dans la salle d’expérimentation. Pendant le trajet, l’expérimentateur expose le contrat didactique à l’enfant. L’enfant entre dans la salle et s’assied à une table sur laquelle Nao est posé en position assise. L’enfant et NAO sont en face à face de manière à ce que le robot se tienne à la hauteur de l’enfant sans le surplomber. L’expérimentateur ayant accompagné

l’enfant quitte la salle. L’enfant est seul avec le robot. Nao se présente, demande le prénom de l’enfant et s’il veut bien être son professeur. Nao s’adressera à l’enfant par son prénom. Nao lui précise qu’il ne sait rien et qu’il pourra poser des questions très bêtes. Nao pointe les différents objets sur la table et demande à l’enfant ce que c’est. L’enfant répond. Nao vérifie s’il a bien compris en pointant les objets et en les nommant mais il se trompe. L’enfant réitère son apprentissage jusqu’à ce que Nao soit capable d’identifier la classe (fruits) et les deux sous-classes (les pommes et les poires). Afin de parfaire ses connaissances, Nao cherche à savoir s’ « il y a plus de fruits ou plus de pommes ? » L’enfant répond. Nao en reformulant la réponse se trompe : si l’enfant dit : « il y a plus fruits », Nao répond : « ah bon il y a plus de pommes » ; si l’enfant dit : « il y a plus de pommes », Nao reprend en disant : « ah bon il y a plus de fruits ». L’enfant corrige la réponse de Nao. Le dialogue entre l’enfant et Nao ne se réduit pas à un système de questions réponses préétablies, il s’agit au contraire d’une véritable conversation entre deux interlocuteurs ce qui explique pourquoi le robot était téléopéré.

Cette expérience a été proposée à 40 enfants de classe maternelle âgés de 5-6 ans. Ils ont été répartis au hasard dans deux conditions : une condition humain-humain et une condition Nao-humain. Les auteurs constatent qu’un enfant sur cinq répond correctement dans la condition humain-humain et plus de 6 enfants sur 10 dans la condition Nao-humain. La différence est significative. Ce résultat montre que : 1) les enfants maîtrisent plus précocement la notion d’inclusion de classe que ce qu’en avait conclu Piaget and al. [45], 2) les facteurs pragmatiques identifiés par Politzer [46] constituent un véritable obstacle. 3.5 Les capacités métacognitives Dans cette rubrique nous aborderons la question de l’effet de l’approche de l’enseignement par l’apprentissage selon trois points de vue : l’engagement dans la tâche ; la concentration sur les activités proposées ;

10"

10"

l’attribution d’états mentaux. Ces travaux concernent à la fois des enfants normo-typiques et des enfants à besoins éducatifs particuliers. 3.5.1 L’engagement dans la tâche. L’engagement dans la tâche est une question essentielle pour les enseignants [5, 30, 48]). Il est un des facteurs sur lequel repose l’efficacité de l’apprentissage. L’approche de l’enseignement par l’apprentissage engendre un effet bien connu appelé « effet protégé » [13]. Dans la relation enseignant-élève, l’enseignant est responsable de son élève. Cette responsabilité se manifeste par un plus grand investissement de l’enseignant en temps dans les tâches. Ce phénomène est observé chez des enfants (10-11 ans) et des pré-adolescents (13-14 ans) qui passent davantage de temps sur une tâche lorsqu’ils doivent enseigner à un agent (teachable agent) que s’il le consacrait pour eux-mêmes [13]. Entre un à un agent à qui l’on peut enseigner (teachable agent) et un social robot, les enfants sont plus attirés par le social robot [29]. La position spatiale du social robot dans l’interaction joue un rôle important. C’est un puissant moyen de fournir des informations non-verbales [49, 50]. En position face à face, on apprend mieux [51].

Cette question de l’engagement est encore plus délicate avec les élèves à besoins éducatifs particuliers. En effet, ces élèves présentent un trouble spécifique auquel sont associés des difficultés de focalisation d’attention ou un trouble attentionnel. L’approche de l’enseignement par l’apprentissage est-elle pertinente ? Permet-elle de réduire les difficultés spécifiques d’apprentissage ? Peut-on augmenter le temps d’apprentissage pour ces enfants à besoins éducatifs particuliers ?

L'approche" apprentissage" par"enseignement" estAelle" pertinente?" Dans"un" premier" article" [15]," les" auteurs"s'interrogent" sur" la" possibilité" pour" les"enfants" avec" des" troubles" du" spectre"autistique" de" travailler" en" collaboration"

comme" dans" une" situation"d'apprentissage, par, l'enseignement." Ils"suggèrent" un" cadre" expérimental" dans"lequel" deux" personnes" (un" enfant" de" 11"ans"avec"trouble"du"spectre"autistique"et"un" enseignant)" sont" avec" un" robot"conversationnel" Ifbot." Ce" robot" possède"un" nombre" limité" d'expressions." Il" ne"bouge" ni" ses" bras" ni" son" corps." Ifbot" est"téléopéré" et" est" programmé" pour" faire"des" erreurs." L’activité" proposée" se"déroule" en" deux" temps," un" temps" de"familiarisation" avec" le" robot" (10"minutes)." L’enfant," l’enseignant" et" le"robot" jouent" à" un" jeu." Puis" la" session" se"poursuit" avec" un" temps" de" travail"collaboratif" (40" minutes)." L'enseignant"demande"alternativement"à"l'enfant"et"au"robot" de" lire" une" page" d’une" bande"dessinée" sur" l’histoire" du" Japon" à" haute"voix." Chaque" fois" que" le" robot" commet"une" erreur," il" dit" :" «"" Cette" question" est"difficile"pour"moi"»""ou"bien"«""S'il"te"plait,"apprendAmoi"à"bien"répondre"»."Une" fois"l’explication" donnée" par" l’enfant," il""répondra" alors" :"«"C’est" incroyable"»" ou"bien" «""Oui," la" réponse" était" exacte." Très"bien"»." Il" peut" également" demander" des"éclaircissements" :" «"Qu’estAce" que" c'est"ça"?"»"

Les" résultats" montrent" que" (1)"quand" Ifbot" commet"une"erreur," l'enfant"dit" :" «"Ce" n'est" pas" correct"»." L'enfant"explique" assez" volontiers" au" robot" son"erreur." Pour" ce" faire," l'enfant" se"rapproche" du" robot" et" (2)," si" le" robot"effectue" trop" d’erreurs" consécutives,"l'enfant"aura"tendance"à"être"un"peu"plus"réticent"à"le"corriger."

Dans" une" autre" expérience," ces"auteurs" [15]" utilisent" le" même" schéma"expérimental"décrit"ciAdessus,"mais"cette"foisAci" avec" deux" enfants" présentant" un"trouble" du" spectre" autistique" et" un"enseignant." Le" travail" collaboratif"consiste" à" construire," à" l'aide" de" blocs"Lego,"une"histoire."Pendant"la"conception"de"l'histoire,"le"robot"demande":"«"Qu'estAce" que" c'est" ?"»" et" «"ExpliqueAmoi," s'il" te"

11"

11"

plaît"»." Chaque" fois" que" l'enfant" répond"au"robot,"il"répond":"«"C'est"très"bien"»."

Les" résultats" montrent" que" les"enfants" sont" impliqués" dans" la" tâche" et"expliquent" l’histoire" au" robot." Ainsi," les"enfants"présentant"un"trouble"du"spectre"autistique" communiquent" avec" le" robot."Ils" sont" capables" de" l'enseigner" et"peuvent" expliquer" le" sens" de" réponses"correctes."Nous"pouvons"en"conclure"que"l’approche" apprentissage" par"enseignement" avec" un" robot" humanoïde"convient" parfaitement" aux" élèves" ayant"des"besoins"éducatifs"spécifiques."Il"nous"appartient"maintenant" de" voir" s’il" serait"possible" d’augmenter" le" temps" que" ces"élèves"consacrent"à"l’apprentissage."

Pour répondre à la question de l’augmentation du temps consacré à l’apprentissage chez les enfants présentant des symptômes potentiels de déficience intellectuelle, les auteurs [16] ont utilisé de nouveau Ifbot. Les sessions d'apprentissage ont été réparties sur trois semaines. Leur durée réelle n'est pas rapportée. Les enfants ont été répartis en trois groupes : un groupe d'apprentissage par enseignement (G1), un groupe où l'enfant est seul (G2) et un groupe où les enfants apprennent ensemble (G3). Le temps effectif d'apprentissage pendant les sessions est mesuré. La comparaison des temps pour les trois groupes montrent que (1) le temps d’apprentissage dans G1 est plus élevé que dans les deux autres groupes (G2 et G3). En particulier, il y avait une différence significative entre le groupe G1 (apprentissage par l’enseignement) et le groupe G2 (apprentissage enfant seul) ; (2) la durée durant laquelle les enfants enseignent est plus longue dans le groupe G1 (apprentissage par l'enseignement) que dans le groupe G3 (enfants apprenant ensemble) ; et (3) les enfants considèrent l'expérience d’enseignement collaboratif avec le robot comme très agréable. 3.5.2. Motivation et confiance en soi. Le paradigme de l'apprentissage par l'enseignement est connu pour augmenter la

motivation et la confiance en soi, et ceci indépendamment des contenus [48]. Pour les élèves ayant des besoins éducatifs spécifiques, apprendre ne peut se faire qu'avec une forte motivation et une grande confiance en soi. C’est en utilisant le concept de « l’effet protégé » [13]"que les auteurs [30] ont conçu un dispositif expérimental permettant de motiver les élèves ayant des besoins éducatifs spécifiques pour un apprentissage à long terme de l'écriture (pour laquelle par ailleurs ils rencontrent des difficultés). La configuration expérimentale est la suivante : NAO et l’enfant disposent tous les deux d’une tablette tactile avec un programme personnalisé. Ce programme répond aux besoins spécifiques de l’enfant (sur la base de ses erreurs de tracé). L'enfant dessine puis déplace la tablette vers NAO. Le robot simule ensuite le tracé de la lettre sur la tablette. L'enfant récupère la tablette, corrige le tracé et appuie sur un bouton pour ensuite le donner à NAO. Le robot simule ensuite un nouveau tracé, etc. Afin de renforcer la conversation avec l'enfant, NAO demande : « Que penses-tu de ce tracé-là ? » En fonction des capacités de l'enfant, un scénario de base peut être utilisé pour la contextualisation (NAO doit savoir comment écrire car il essaie de communiquer avec un autre NAO). Pour évaluer le robot, deux boutons sont proposés : un bouton rouge avec un pouce pointant vers le bas pour les évaluations négatives et un bouton vert avec un pouce pointant vers le haut pour les évaluations positives.

Entre trois et quatre séances par semaine d’une durée de 60 minutes ont été proposées (1) à un enfant présentant une forte inhibition et une faible motivation pour l'écriture ; (2) à un enfant présentant des déficits visuo-constructifs et des difficultés de concentration avec l’aide d'un ergothérapeute ; et (3) à un groupe d'enfants ayant de grandes difficultés d’apprentissage dans le domaine de l’écriture cursive. Certains d’entre eux sont pris en charge par

12"

12"

des ergothérapeutes, d'autres sont suivis par des neurologues. Les résultats ont montré que (1) le nombre de corrections augmente avec les sessions, même si les tracés à réaliser deviennent de plus en plus complexes pour l'enfant ayant des difficultés d'écriture et une forte inhibition. L'enfant consacre plus de temps à corriger le robot et construit même une relation affective avec lui (pleure lors de la dernière session). Cet enfant a même envoyé des lettres un mois après la dernière session pour s'enquérir des progrès de NAO. Les parents ont signalé avoir constaté une évolution de la qualité des compétences en écriture de leur enfant ; (2) l'enfant présentant des troubles visuo-constructifs et des troubles de l'attention est resté engagé plus de 40 minutes chacune dans les 4 sessions. Les progrès de l'enfant sont énormes (13 sur 26 lors de la première session, 26 sur 29 lors de la dernière) ; et (3) tous les enfants sont restés dans l'activité pendant toutes les sessions. Ils ont donné plus d’évaluations positives à NAO (99) que négatives (33). 3.5.3 L’attribution d’états mentaux. L’incidence de l’apprentissage par l’enseignement sur l’attribution d’états mentaux a également été étudiée. Des recherches ont montré que les enfants âgés de 10-11 ans mais aussi des préadolescents (13-14 ans) considèrent un agent à qui l’on peut enseigner (teachable agent) comme une entité sociale en leur attribuant à la fois des états mentaux et de la responsabilité [13]. Avec des enfants plus jeunes (5 à 9 ans), Lindberg et al. [29] observent que l’attribution d’états mentaux à un robot social est similaire à un agent à qui l’on peut enseigner (teachable agent). Les auteurs constatent de grandes variations interindividuelles quant à la reconnaissance de l’intelligence du robot. A contrario, le teachable agent reçoit un score d’anthropomorphisme supérieur à celui du social robot [29]. 4. Caractéristiques du paradigme de l’apprentissage par l’enseignement

Après avoir brièvement resitué le contexte historique de l’approche de l’apprentissage par l’enseignement, nous dégagerons de la littérature les spécificités attribuées au robot humanoïde puis nous ferons de même avec ce qui est demandé au tuteur (l’enfant). 4.1 Bref contexte historique Après Sénèque, l’idée que c’est en enseignant que l’on apprend, le principe sera repris au XVIII siècle, en Angleterre, avec le « monitorial-system ». Face à un manque d’enseignant, on demande à certains enfants ou adultes compte tenu de leurs compétences d’enseigner à leurs pairs. On retrouve cette même démarche en France avec les écoles d’enseignement mutuel au tout début du XIX siècle [33], puis dans la pédagogie Freinet, ou de Montessori. A partir des années 1980, Martin, professeur en didactique des langues s’appuiera sur l’approche du « Lernen durch Lehren » pour développer l’apprentissage du français auprès d’étudiants allemand. Cette méthode pédagogique sera largement diffusée dans l’enseignement outre-rhin [33, 34, 35, 36] puis, depuis ces dernières années en robotique éducative. 4.2 Caractéristiques du tutoré Trois caractéristiques se dégagent. Le robot humanoïde est programmé pour commettre des erreurs [15, 16, 56]. Les erreurs ne sont jamais le fruit du hasard. Elles correspondent toujours à des erreurs spécifiques observées dans le développement de la compétence étudiée pour la lecture [5], pour l’écriture [4] et pour le raisonnement [11, 12]. Ces erreurs diminuent au cours de l’apprentissage et elles augmentent la motivation du tuteur. Le robot humanoïde doit montrer des capacités d’apprentissage en améliorant ses performances, il dévoile ainsi son intelligence [47]. Dans toutes les expériences, le robot humanoïde intègre une forte dimension sociale. De notre point de vue, Tanaka et al. [5] apportent une véritable plus-value en utilisant la possibilité d’enregistrer en temps réel la nouvelle conduite qui vient d’être apprise.

13"

13"

De plus, il permet d’intégrer dans le robot différentes formes d’enseignement (verbale, gestuelle, etc…) et ainsi répondre plus finement aux différents besoins des élèves. Masson et al. [11, 12] donnent au robot humanoïde le statut d’ignorant afin de renforcer l’enfant dans la posture d’enseignant. D’autres auteurs utilisent une notation fictive de la performance du robot pour montrer ses progrès [26] traduisant par-là l’efficacité de l’apprentissage proposé par l’enfant. 4.3 Caractéristiques du tuteur Les spécificités du tuteur, en fait, ce qui est demandé à l’enfant sont relativement peu développées dans la littérature. Dans les études sur l’apprentissage des tracés de lettres, l’expérimentateur demande à l’enfant d’apprendre à tracer des lettres en minuscule ou en majuscule. Il indique à l’enfant que Michael (prénom du robot) a besoin d’aide pour apprendre à écrire. Le contrat didactique est plus implicite qu’explicite. Tanaka and al. [5] ajoutent à l’approche de l’apprentissage par l’enseignement le cadre du « care-receiving-robot ». Cette notion est intéressante car elle renforce d’une autre manière la posture d’enseignant de l’enfant. En revanche, l’enfant ne reçoit pas de consignes explicites pour enseigner.

Les travaux de Masson, et al. [11, 12] apportent une réelle plus-value en posant un contrat didactique clair et explicite entre le tutoré et le tuteur (l’enfant). La méthodologie utilisée peut être généralisée à toutes formes d’apprentissage. Ce contrat précise plusieurs points : l’objectif visé ; la fonction de l’enfant ; l’écart de savoir entre le tuteur et le tutoré est objectivé et quantifié ; la posture d’enseignement est préparée (l’enfant demeure seul avec le robot et peut s’exprimer sans aucun jugement de valeur).

L’objectif visé : l’expérimentateur donne seulement comme consigne à l’enfant d’apprendre plein de choses à Nao.

La fonction est définie : L’enfant est le professeur de Nao. Le robot demande à l’enfant s’il veut bien être son professeur.

L’écart entre les connaissances de l’enfant et celles de Nao est maximal : « Toi tu sais plein de choses et Nao ne sait rien ». L’utilisation d’une quantification binaire est facilement compréhensible par l’enfant. L’expérimentateur ajoute un jugement de valeur : « Nao est très bête ». Le décalage est objectivé par des exemples donnés par l’expérimentateur à l’enfant. Cette quantification renforce la fonction d’enseignant chez l’enfant : un enseignant par définition sait. Du point de vue de l’enfant, la situation proposée est alors crédible.

La posture d’enseignant est préparée. L’expérimentateur indique à l’enfant qu’il devra répondre à des questions incongrues, à des questions qui n’ont peut-être pas de sens. L’enfant ne devra pas être étonné de ce type de questions. Face à une question incongrue, qui n’a pas de sens, l’enfant peut être conduit à trouver un sens. Poser une question qui n’a pas de sens viole les maximes conversationnelles de Grice [57]. Dans la tâche d’inclusion de classe, l’enfant est ainsi conduit à répondre à une autre question que celle posée initialement : « Est-ce qu’il y a plus de fleurs ou plus de marguerites ? » Cette question implique une comparaison entre le nombre de fleurs et le nombre de marguerites. Si l’on considère que cette question est incongrue parce qu’il y a nécessairement plus dans le « Tout » que dans une des « Parties », l’enfant peut se dire, que la véritable question est de comparer numériquement la sous-classe « marguerites » à l’autre sous-classe « fleurs-tulipes ». Cette question prend alors du sens. De plus, c’est à cet âge que l’enfant apprend à compter, à comparer des quantités. Les enfants entre eux s’évaluent sur ce type de compétence. Combien de fois peut-on entendre entre enfants un dialogue du type : « Toi tu ne sais même pas compter ». Cette formule déclenche en réponse la comptine des nombres. Les adultes eux-mêmes pour montrer, valoriser l’enfant lui demande de réaliser ce type de comparaison. Le fait que l’enfant soit seul avec le robot, qu’il n’y ait pas d’adulte

14"

14"

visible dans la salle réduit les interférences pragmatiques et confère à la situation d’enseignement son authenticité. Elle permet de conforter le statut d’enseignant accordé à l’enfant. Elle le libère de toutes contraintes. L’enfant ne peut pas être jugé, il n’y a personne et ses réponses sont plus naturelles et plus spontanées.

5. Conclusions Nous retiendrons de ce travail les points suivants :

L’approche de l’apprentissage par l’enseignement avec un robot humanoïde est véritablement pertinente. Comme nous l’avons montré dans notre état de l’art, elle permet de faire progresser les enfants dans les différents domaines d’apprentissage que sont : la lecture, l’écriture, l’apprentissage du lexique, le raisonnement mais elle permet également d’accroître l’engagement dans les tâches et la concentration. Cette approche est tout aussi efficace chez des enfants très jeunes (3 ans) comme chez les plus âgés. Son efficacité est constatée également auprès d’élèves présentant des besoins particuliers.

Si les caractéristiques du tutoré (le social robot) sont bien définies dans la littérature, il nous semble nécessaire de préciser davantage la nature du contrat didactique du tuteur. De notre point de vue, l’objectif visé doit être signifié le plus explicitement au tuteur. L’enfant doit savoir 1) qu’on lui demande d’apprendre à Nao, 2) il doit savoir qu’il occupe la fonction d’enseignant. Pour que cette fonction soit crédible du point de vue de l’enfant, on objectivera, quantifiera 3) l’écart entre le savoir de l’enfant et le savoir de Nao. 4) la posture d’enseignant sera anticipée afin qu’il ne soit pas étonné par des questions qui n’ont de sens. 5) un enfant seul avec le robot, réduit considérablement le poids des implicatures pragmatiques et permet au psychologue d’obtenir une mesure plus objective.

Pour" les" psychologues," l’approche"de" l’apprentissage" par" l’enseignement"avec" une" interaction" robot" humanoïdeA"

humain" est" un" nouveau" paradigme"extrêmement" prometteur." Comme" nous"l'avons" montré," nous" pouvons" identifier"la"genèse"de" la"construction"de"concepts"en"réduisant"les"effets"de"la"pragmatique"du"langage"[58]."Nous"avons"la"conviction"que"ce"nouveau"paradigme"expérimental"est" très" important" car" il" ouvre" la" voie" à"un"réexamen"des"acquisitions"de"tous"les"grands" concepts" (conservation" du"nombre," quantité," matière," poids" et"volume)" qui" participent" à" l'intelligence"humaine" (concepts" qui" peuvent" par"ailleurs" rester" problématiques" chez" les"adolescents" [59])." De" nouvelles"recherches"arrivent"également"avec"NAO"dans" l’étude" des" biais" cognitifs" et" leur"influence"sur"la"prise"de"décision"[60, 61]. Conflits d’intérêt Les auteurs déclarent n’avoir aucun conflit d’intérêt en ce qui concerne la publication de cet article. Références [1] L. Fiorella and R. E.Mayer, “The

relative benefits of learning by teaching and teaching expectancy,” Contemporary Educational Psychology, vol. 38, no. 4, pp. 281 288, 2013.

[2] W. J.Mchugh, “TeamLearning in Skills Subjects in Intermediate Grades,” Journal of Education, vol. 142, no. 2, pp. 22–51, 2018.

[3] G. Biswas, K. Lee, L. K. Belynne et al., “Incorporating self regulated learning techniques into learning by teaching environments,” in Proceedings of the 26th Annual Meeting of the Cognitive Science Society, pp. 120–125, 2004.

[4] E. Yadollahi, W. Johal, A. Paiva, and P. Dillenbourg, “When deictic gestures in a robot can harm child-robot collaboration,” in Proceedings of the 17th ACM Conference, pp. 195–206, NewYork, NY, USA, June 2018.

[5] F. Tanaka and S. Matsuzoe, “Children Teach a Care-Receiving Robot to Promote Their Learning: Field

15"

15"

Experiments in a Classroom for Vocabulary Learning,” Journal of Human-Robot Interaction, pp. 78–95, 2012.

[6] D. Hood, S. Lemaignan, and P. Dillenbourg, “When Children Teach a Robot toWrite: An Autonomous Teachable Humanoid Which Uses Simulated Handwriting,” in Proceedings of the 10th Annual ACM/IEEE International Conference on Human-Robot Interaction, HRI 2015, pp. 83–90, New York, NY, USA, March 2015.

[7] S. Lemaignan, A. Jacq, D. Hood, F. Garcia, A. Paiva, and P. Dillenbourg, “Learning by Teaching a Robot: The Case of Handwriting,” IEEE Robotics and Automation Magazine, vol. 23, no. 2, pp. 56–66, 2016.

[8] E. S. Kim, D. Leyzberg, K. M. Tsui, and B. Scassellati, “How people talk when teaching a robot,” in Proceedings of the 4th ACM/IEEE International Conference on Human-Robot Interaction, HRI’09, pp. 23–30, USA, March 2009.

[9] W. Johal, J. Kennedy, V. Charisi,H.W. Park,G.Castellano, and P. Dillenbourg, “Robots for Learning - R4L,” in Proceedings of the Companion of the 2018 ACM/IEEE International Conference, pp. 397-398, Chicago, IL, USA, March 2018.

[10] S. Chandra, R. Paradeda, H. Yin, P. Dillenbourg, R. Prada, and A. Paiva, “Affect of Robot’s Competencies on Children’s Perception,” in Proceedings of the n Proceedings of the 16th Conference on Autonomous Agents and MultiAgent Systems (AAMAS ’17, pp. 1490–1492, Richland, CA, USA, 2017.

[11] O. Masson, J. Baratgin, F. Jamet, F. Ruggieri, and D. Filatova, “Use a robot to serve experimental psychology: Some examples of methods with children and adults,” in Proceedings of the 2016 International Conference on Information and Digital Technologies, IDT 2016, pp. 190–197, Rzeszo,

Poland, July 2016. [12] O. Masson, J. Baratgin, and F. Jamet,

“NAO robot, a social clues transmitter: what impacts? The example with endowment effect,” in Proceedings of the 30th International Conference on Industrial, Engineering, Other Applications of Applied Intelligent Systems (IEA/AIE), pp. 559–568, Universit´e d’Artois, Arras, France, 2017.

[13] C. C. Chase, D. B. Chin, M. A. Oppezzo, and D. L. Schwartz, “Teachable agents and the prot´eg´e effect: Increasing the effort towards learning,” Journal of Science Education and Technology, vol. 18, no. 4, pp. 334–352, 2009.

[14] T. Chaffey, H. Kim, E. Nobrega, N. Lubold, and H. Pon-Barry, “Dyadic Stance in Natural Language Communication with a Teachable Robot,” in Proceedings of the Companion of the 2018 ACM/IEEE International Conference, pp. 85-86, Chicago, IL, USA, March 2018.

[15] F. Jimenez, T. Yoshikawa, T. Furuhashi,M. Kanoh, and T. Nakamura, “Feasibility of Collaborative Learning between Robots and Children with Autism Spectrum Disorders,” in Proceedings of the International Workshop on Intervention of Children with Autism Spectrum Disorders using a Humanoid Robot, 2015.

[16] F. Jimenez, T. Yoshikawa, T. Furuhashi, M. Kanoh, and T. Nakamura, “Collaborative learning between robots and children with potential symptoms of a developmental disability,” in Proceedings of the 2017 IEEE Symposium Series on Computational Intelligence (SSCI), pp. 1–5, November 2017.

[17] O.Mubin,C. J. Stevens, S. Shahid, A. A. Mahmud, and J. Dong, “A review of the applicability of robots in education,” Technology for Education and Learning, vol. 1, no. 1, 2013.

16"

16"

[18] A. K. Pandey and R. Gelin, “Humanoid robots in education: A Short Review,” in Humanoid Robotics: A Reference, A. Goswami and P. Vadakkepat, Eds., Springer Science, 2017.

[19] M. Alemi, A. Meghdari, and M. Ghazisaedy, “The Impact of Social Robotics on L2 Learners’ Anxiety and Attitude in English Vocabulary Acquisition,” International Journal of Social Robotics, vol. 7, no. 4, pp. 523–535, 2015.

[20] A.N.Meltzoff,R.Brooks, A. P. Shon, and R. P. N. Rao, “Social” robots are psychological agents for infants: A test of gaze following,” Neural Networks, vol. 23, no. 8-9, pp. 966–972, 2010.

[21] C.-W. Chang, J.-H. Lee, P.-Y. Chao, C.-Y. Wang, and G.-D. Chen, “Exploring the possibility of using humanoid robots as instructional tools for teaching a second language in primary school,” Journal of Educational Technology & Society, vol. 3, no. 2, pp. 13–24, 2010.

[22] J. Han, M. Jo, V. Jones, and J. Jo, “Comparative Study on the

Educational Use of Home Robots for Children,” Journal of Information Processing Systems, vol. 4, no. 4, pp. 159–168, 2008.

[23] J. Choi, J. Lee, and J. Han, “Comparison of Cultural Acceptability for Educational Robots between Europe and Korea,” Journal of Information Processing Systems, vol. 4, no. 3, pp. 97–102, 2008.

[24] . Han, “The Cross-cultural Acceptance of Tutoring Robots with Augmented Reality Services,” International Journal of Digital Content: Technology and its Applications, vol. 3, no. 2, 2009.

[25] Y. C. Lin, T. C. Liu, M. Chang, and S. P. Yeh, “Exploring children’s perceptions of the robots,” Lecture notes in computer science, vol. 5670, pp. 512–517, 2009.

[26] S. Chandra, R. Paradeda, H. Yin, P.

Dillenbourg, R. Prada, and A. Paiva, “Do Children Perceive Whether a Robotic Peer is Learning or Not?” in Proceedings of the the 2018 ACM/IEEE International Conference, pp. 41–49, Chicago, IL, USA, March 2018.

[27] W. Johal, A. Jacq, A. Paiva, and P. Dillenbourg, “Child-robot spatial arrangement in a learning by teaching activity,” in Proceedings of the 25th IEEE International Symposium on Robot and Human Interactive Communication, RO-MAN 2016, pp. 533–538, August 2016.

[28] F. Tanaka, K. Isshiki, F. Takahashi, M. Uekusa, R. Sei, and K. Hayashi, “Pepper learns together with children: Development of an educational application,” in Proceedings of the 15th IEEE RAS International Conference on Humanoid Robots, Humanoids 2015, pp. 270–275, Seoul, Republic of Korea, November 2015.

[29] M. Lindberg, K.M˚ansson, B. Johansson, A. Gulz, and C. Balkenius, “Does a robot tutee increase children’s engagement in a learning-by-teaching situation?” in Intelligent Virtual Agents, J. Beskow, C. Peters, G. Castellano, C. O’Sullivan, I. Leite, and S. Kopp, Eds., Lecture Notes in Computer Science, pp. 243–246, 2017.

[30] A. Jacq, S. Lemaignan, F. Garcia, P. Dillenbourg, and A. Paiva, “Building successful long child-robot interactions in a learning context,” in Proceedings of the 11th Annual ACM/IEEE International Conference on Human-Robot Interaction, HRI 2016, pp. 239–246, March 2016.

[31] T. Belpaeme, J. Kennedy, A. Ramachandran, B. Scassellati, and F. Tanaka, “Social robots for education: A review,” Science Robotics, vol. 3, no. 21, p. eaat 5954, 2018.

[32] F. Erich, M. Hirokawa, and K. Suzuki, “A Systematic Literature Review of Experiments in Socially Assistive Robotics using Humanoid Robots,”

17"

17"

2017, https://arxiv.org/abs/1711.05379.

[33] E.Mwangi,M.Diaz, E. Barakova, A. Catala, andM. Rauterberg, “Can children take advantage of nao gaze-based hints during game play?” in Proceedings of the 5th International Conference on Human Agent Interaction, HAI 2017, pp. 421–424, October 2017.

[34] N. Akalin, P. Uluer, H. Kose, and G. Ince, “Humanoid robots communication with participants using sign language: An interaction based sign language game,” in Proceedings of the 2013 IEEE Workshop on Advanced Robotics and Its Social Impacts, ARSO 2013, pp. 181–186, Japan, November 2013.

[35] E. J. G. Van Der Drift, R.-J. Beun, R. Looije, O. A. B. Henkemans, and M. A. Neerincx, “A remote social robot to motivate and support diabetic children in keeping a diary,” in Proceedings of the 9th Annual ACM/IEEE International Conference on Human-Robot Interaction, HRI 2014, pp. 463–470, March 2014.

[36] K. S. Goodman, “Analysis of Oral Reading Miscues: Applied Psycholinguistics,” Reading Research Quarterly, vol. 5, no. 1, p. 9, 1969.

[37] K. S. Goodman, “Miscue analysis: Applications to reading instruction,” ERIC Clearinghouse on Reading and Communication Skills, 1973.

[38] J. Hattie and H. Timperley, “The power of feedback,” Review of Educational Research, vol. 77, no. 1, pp. 81–112, 2007.

[39] J. Bitchener, “Evidence in support of written corrective feedback,” Journal of Second LanguageWriting, vol. 17, no. 2, pp. 102– 118, 2008.

[40] S. Graham, K. R. Harris, L. Mason, B. Fink-Chorzempa, S. Moran, and B. Saddler, “How do primary grade teachers teach handwriting? A national survey,” Reading and Writing, vol. 21, no. 1-2, pp. 49–69,

2008. [41] S. Graham, N. Weintraub, and V.

Berninger, “Whichmanuscript letters do primary grade children write legibly?” Journal of Educational Psychology, vol. 93, no. 3, pp. 488–497, 2001.

[42] F. Tanaka, A. Cicourel, and J. R. Movellan, “Socialization between toddlers and robots at an early childhood education center,” Proceedings of the National Acadamy of Sciences of the United States of America, vol. 104, no. 46, pp. 17954–17958, 2007.

[43] J. J. Asher, “The Total Physical Response Approach to Second Language Learning,” The Modern Language Journal, vol. 53, no. 1, pp. 3–17, 1969.

[44] J. Piaget, “La notion de partie chez lenfant , [The notion of part in children],” Journal de psychologie normale et pathologique, vol. 18, no. 6, pp. 359–480, 1921.

[45] J. Piaget and A. Szeminska, La genèse du nombre chez l’enfant [The origin of number in children], Delachaux et Niestlé, Neuchâtel, Switzerland, 1941.

[46] G. Politzer, “The class inclusion question: a case study in applying pragmatics to the experimental study of cognition,” SpringerPlus, vol. 5, no. 1, 2016.

[47] J. D. Lane, H. M. Wellman, and S. A. Gelman, “Informants’ traits weigh heavily in young children’s trust in testimony and in their epistemic inferences,” Child Development, vol. 84, no. 4, pp. 1253–1268, 2013.

[48] C. A. Rohrbeck, M. D. Ginsburg-Block, J. W. Fantuzzo, and T. R.Miller, “Peer-assisted learning interventions with elementary school students: A meta-analytic review,” Journal of Educational Psychology, vol. 95, no. 2, pp. 240–257, 2003.

[49] L. Takayama and C. Pantofaru, “Influences on proxemic behaviors in

18"

18"

human-robot interaction,” in Proceedings of the 2009 IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS 2009, pp. 5495–5502, USA, October 2009.

[50] A. Kristoffersson, K. Severinson Eklundh, and A. Loutfi, “Measuring the Quality of Interaction in Mobile Robotic Telepresence: A Pilot’s Perspective,” International Journal of Social Robotics, vol. 5, no. 1, pp. 89–101, 2013.

[51] D. Leyzberg, S. Spaulding, and B. Scassellati, “Personalizing robot tutors to individuals’ learning differences,” in Proceedings of the 9th Annual ACM/IEEE International Conference on Human-Robot Interaction, HRI 2014, pp. 423–430, Germany, March 2014.

[52] P. Lesage, “La pédagogie dans les écoles mutuelles au XIXe siècle,” Revue française de pédagogie, vol. 31, no. 1, pp. 62–70, 1975.

[53] J.-P. Martin, “Quand les élèves font la classe” [When children teach],” Français dans le monde, no. 224, pp. 51–55, 1989.

[54] A. Renkl, Lernen durch Lehren, Deutscher Universitätsverlag, Wiesbaden, 1997.

[55] J.-P. Martin, “Treibh¨auser der Zukunft, Wie in Deutschland Schulen gelingen [How German schools succeed],” eine Dokumentation von Reinhard Kahl und der Deutschen Kinderund Jugendstiftung, 2004.

[56] L. Pareto and R. A. Tutee, Robotics in Education, Springer International Publishing, 2017.

[57] B. Jacquet, J. Baratgin, and F. Jamet, “The Gricean Maxims of Quantity and of Relation in the Turing Test,” in Proceedings of the 2018 11th International Conference on Human System Interaction (HSI), pp. 332–338, Gdansk, July 2018.

[58] B. Jacquet, O. Masson, F. Jamet, and J. Baratgin, “On the Lack of Pragmatic

Processing in Artificial Conversational Agents,” in Human Systems Engineering and Design, vol. 876 of Advances in Intelligent Systems and Computing, pp. 394–399, Springer International Publishing, Cham, 2019.

[59] F. Jamet, J. Baratgin, and D. Filatova, “Global warming and sea level rise: the intellect development study of preadolescents and adolescents from 11 to 15 years old,” Studia Pedagogiczne, vol. 24, pp. 361–380, 2014.

[60] O. Masson, J. Baratgin, and F. Jamet, “NAO robot and the “endowment effect”,” in Proceedings of the IEEE International Workshop on Advanced Robotics and its Social Impacts, ARS 2015, Lyon, France, July 2015.

[61] O. Masson, J. Baratgin, and F. Jamet, “NAO robot as experimenter: Social cues emitter and neutralizer to bring new results in experimental psychology,” in Proceedings of the 2017 International Conference on Information and Digital Technologies, IDT 2017, pp. 256–264, Slovakia, July 2017.