Auto-explication

Appellation en anglais

La stratégie de l’auto-explication est appelée  en anglais « Self explanation ».

Elle est parfois considérée comme une forme particulière de verbalisation (think-aloud), bien qu'elle s'en distingue par son objectif explicatif : le think-aloud consiste principalement à verbaliser ses pensées, tandis que l'auto-explication exige la production d'inférences et de justifications permettant de construire une compréhension plus approfondie (Ericsson & Simon, 1993; Chi, 2000).

"Self-explaining can be defined as explaining to oneself in an attempt to make sense of a new piece of information, to elaborate upon a new idea, or to integrate a new idea with what one already knows." (Chi, 2000, p. 161)

Résumé introductif

L'auto-explication est une microstratégie issue de l'approche cognitive qui consiste à amener l'apprenant à verbaliser son raisonnement pendant ou après une activité d'apprentissage. En expliquant ce qu'il fait et pourquoi il le fait, l'apprenant rend explicites les processus cognitifs mobilisés, ce qui favorise le traitement actif de l'information, l'élaboration et la métacognition. Cette microstratégie est particulièrement efficace lorsqu'elle est soutenue par des invites ou un questionnement guidé, et contribue à réduire l'illusion de maîtrise et à soutenir le transfert des apprentissages.

L'auto-explication est une stratégie d'apprentissage dans laquelle l'apprenant génère des explications destinées à lui-même afin de donner un sens aux nouvelles informations et de les intégrer à ses connaissances antérieures (Chi et al., 1989; Chi, 2000). Elle consiste notamment à produire des inférences, à justifier les étapes d'un raisonnement et à expliciter les informations implicites lors de la lecture ou de la résolution de problèmes (Renkl, 1997, 2014). Cette démarche peut être réalisée mentalement ou à voix haute et mobilise des processus à la fois cognitifs et métacognitifs favorisant la compréhension, le contrôle de celle-ci et la construction de représentations mentales plus cohérentes (McNamara, 2004; McNamara et al., 2007; Jackson & McNamara, 2011).

Cette technique incite le lecteur à exprimer oralement la manière dont il comprend le texte au fur et à mesure de sa lecture. Les auto-explications offrent ainsi à l'observateur une vision des mécanismes sollicités par les lecteurs pour interpréter le texte en temps réel (Bianco et al., 2013).

Stratégies apparentées

L'auto-explication est apparentée à plusieurs microstratégies qui favorisent l'engagement cognitif et métacognitif de l'apprenant en l'amenant à verbaliser, organiser et réguler sa compréhension.

Auto-questionnement : comme l'auto-explication, cette stratégie amène l'apprenant à construire activement le sens en réfléchissant à sa compréhension. Viola (1998) propose d'utiliser cette méthode afin d'amener les apprenants à se poser eux-mêmes des questions avant, pendant et après la lecture d'un texte. Toutefois, contrairement à l'auto-questionnement, qui repose sur la formulation de questions, l'auto-explication consiste à produire des explications et des inférences pour intégrer les nouvelles connaissances aux connaissances antérieures (Chi, 2000).

Analyse réflexive : cette stratégie consiste à réfléchir dans l'action et sur l'action afin d'analyser son raisonnement et d'améliorer ses pratiques (Schön, 1983). L'auto-explication partage cette dimension réflexive, mais elle intervient principalement pendant l'apprentissage afin de favoriser la compréhension du contenu.

Journal d'apprentissage : cette microstratégie encourage l'apprenant à consigner ses réflexions, ses apprentissages et ses difficultés. Selon Schmidt et al. (2012), lorsqu'un étudiant manifeste peu d'intérêt pour une nouvelle matière, il fournit généralement un effort minimal. Les auteurs proposent le journal d'apprentissage comme moyen de stimuler la réflexion, l'engagement et l'implication de l'apprenant. Comme l'auto-explication, cette stratégie favorise l'élaboration des connaissances et le développement des compétences métacognitives.

Rétroaction formative : cette stratégie vise à fournir à l'apprenant des informations lui permettant d'ajuster ses apprentissages. Contrairement à l'auto-explication, qui repose sur une réflexion générée par l'apprenant lui-même, la rétroaction formative provient généralement d'une source externe. Les deux stratégies poursuivent néanmoins un objectif commun d'amélioration de la compréhension et de l'autorégulation des apprentissages.

Type de stratégie

L'auto-explication peut être classée comme une microstratégie, puisqu'il s'agit d'une stratégie cognitive mise en œuvre par l'apprenant au cours d'une activité d'apprentissage (Chi, 2000). Selon Smith et Ragan (2005), les microstratégies concernent les activités et interactions pédagogiques mobilisées pendant l'enseignement, ce qui correspond à l'utilisation de l'auto-explication.

Selon Wylie et Chi (2014), les résultats positifs obtenus grâce à l'auto-explication ont conduit à son intégration parmi les sept recommandations pédagogiques du Guide de pratiques de l'Institute of Education Sciences (Pashler et al., 2007), dont l'objectif est de fournir aux enseignants des stratégies concrètes pour organiser l'enseignement et les activités d'étude des élèves afin de favoriser l'apprentissage, la rétention des informations et le transfert des connaissances à de nouvelles situations. Les auteurs soulignent également que l'auto-explication figure parmi les 25 principes de l'apprentissage proposés par l'Association for Psychological Science (Halpern, Graesser et Hakel, 2007).

Types de connaissances

L'auto-explication vise en premier lieu le développement des connaissances métacognitives, puisqu'elle amène l'apprenant à surveiller son apprentissage, à détecter les incohérences dans son raisonnement, à générer des inférences et à réguler son apprentissage en expliquant les nouvelles informations et en les reliant à ses connaissances antérieures (Chi, 2000; McNamara, 2004; Jackson & McNamara, 2011).

Elle favorise également le développement des connaissances conceptuelles, en permettant à l'apprenant de construire des liens entre les concepts, d'intégrer les nouvelles informations aux connaissances existantes et d'élaborer des représentations mentales plus cohérentes (Chi, 2000; Wylie & Chi, 2014). Selon le modèle Cascade (VanLehn, Jones et Chi, 1992), lorsque les étudiants s'auto-expliquent, ils identifient les lacunes de leurs connaissances et les comblent. Ce processus favorise une meilleure acquisition des connaissances déclaratives dans le domaine étudié et offre plusieurs stratégies permettant de résoudre des problèmes ultérieurs.

L'auto-explication contribue aussi au développement des connaissances procédurales, notamment lorsqu'elle est utilisée lors de l'étude d'exemples résolus ou de la résolution de problèmes. En expliquant les différentes étapes d'une procédure, l'apprenant comprend non seulement comment réaliser une tâche, mais également pourquoi chaque étape est nécessaire (Renkl, 1997; Renkl, 2014).

Champs disciplinaires

L'auto-explication a été étudiée et utilisée dans plusieurs champs disciplinaires.

L’efficacité de l'auto explication a été démontrée dans de nombreux d’autres domaines, notamment la programmation informatique (Bielaczyc et al., 1995), la biologie (Butcher, 2006), les fractions (Rau, Aleven et Rummel, 2009), la résolution d'équations (Rittle-Johnson, 2006), la physique (Conati et VanLehn, 2000), la médecine (Chamberland et al., 2011) ainsi que la compréhension en lecture (McNamara et O'Reilly, 2007).

Enfin, l'auto-explication a été intégrée aux environnements numériques d'apprentissage et aux tuteurs intelligents afin d'encourager les apprenants à expliciter leur raisonnement pendant l'apprentissage (Aleven & Koedinger, 2002; Hausmann & VanLehn, 2010). Les travaux d'Aleven et Koedinger (2002) montrent qu'un tuteur intelligent peut guider les apprenants vers la production d'auto-explications au cours de la résolution de problèmes. Hausmann et VanLehn (2010) montrent quant à eux que la production d'auto-explications dans un environnement tutoré est associée à un apprentissage plus robuste.

Description

L'auto-explication est une activité d'apprentissage constructive ou générative qui favorise un apprentissage approfondi et durable et qui, comme toute autre habileté cognitive, s'améliore avec la pratique (Wylie & Chi, 2014). Selon Chi (2000), l'auto-explication aide les apprenants grâce à un processus par lequel ils génèrent des inférences, puis mettent ces inférences en relation avec leurs modèles mentaux existants. Elle permet également aux apprenants de reconnaître les incohérences lorsqu'elles apparaissent et d'apporter les ajustements nécessaires à leurs modèles mentaux.

Problématique

Chi et al. (1989) se sont intéressés aux différences d'apprentissage entre des étudiants étudiant les mêmes exemples résolus. Leurs résultats montrent que les étudiants ayant les meilleurs gains d'apprentissage produisaient spontanément davantage d'auto-explications, notamment en reliant les étapes de résolution aux principes sous-jacents.

Origine

Les fondements de l'auto-explication remontent aux travaux de Chi et al. (1989), considérés comme fondateurs (seminal work) dans ce domaine (Wylie & Chi, 2014). Depuis cette étude pionnière, de nombreuses recherches ont confirmé l'efficacité et la généralité de cette stratégie dans divers domaines d'apprentissage.

Lors de son introduction par les travaux fondateurs de Chi et al. (1989), l'effet de l'auto-explication s'est distingué par une découverte surprenante: le fait d'encourager les étudiants à s'engager cognitivement dans le matériel d'apprentissage, même en l'absence d'un expert pour enseigner, corriger les erreurs ou expliquer les conceptions erronées, conduit à de meilleurs apprentissages que la simple lecture passive d'un texte. Avec le recul, ce résultat peut paraître intuitif. Toutefois, à l'époque, l'idée dominante était que les étudiants devaient être enseignés, accompagnés ou guidés dans leur apprentissage (Wylie & Chi, 2014).

Médias

Selon Wylie et Chi (2014), si l'auto-explication peut être particulièrement efficace dans les environnements d'apprentissage multimédias, notamment parce qu'elle facilite l'intégration des informations verbales (écrites ou orales) et visuelles (images, vidéos ou simulations), il demeure essentiel de comprendre les différentes formes que peut prendre l'auto-explication ainsi que les possibilités spécifiques offertes par chacune d'elles.

Formes que la stratégie de l'auto explication peut prendre

L'auto-explication peut être mise en œuvre sous différentes formes: ouverte, ciblée, avec échafaudage, fondée sur des ressources ou basée sur des menus. Elle peut également être intégrée à divers supports pédagogiques, notamment des textes, des images, des exemples résolus, des problèmes, des jeux ou des simulations (Wylie & Chi, 2014).

-Auto-explication ouvertes (open-ended self-explanation prompts). Celles-ci encouragent les étudiants à établir des liens entre leurs connaissances antérieures et les nouvelles informations présentées, sans toutefois imposer de contraintes ou d'attentes quant au type d'explication qu'ils doivent produire. Cette forme ouverte d'auto-explication a été utilisée dans les premières études sur l'auto-explication (Chi et al., 1989, 1994).

Dans la première étude ayant établi un lien causal entre l'auto-explication et l'amélioration de l'apprentissage, les étudiants étaient invités à s'auto-expliquer à voix haute après la lecture de chaque phrase (Chi et al., 1994). Plus précisément, on leur demandait d'expliquer la signification de chaque phrase et de faire des liens entre leurs connaissances antérieures et les informations présentées. Les étudiants ayant reçu cette consigne étaient plus susceptibles de construire un modèle mental correct du système circulatoire humain que ceux qui n'étaient pas invités à s'auto-expliquer et qui relisaient simplement le texte une seconde fois (afin de contrôler le temps consacré à la tâche).

Les consignes ouvertes d'auto-explication ont également été utilisées dans des environnements informatiques et multimédias où, au lieu de verbaliser leurs explications, les étudiants les rédigeaient au clavier. De Koning et ses collaborateurs (2011) ont comparé différentes modalités d'utilisation de l'auto-explication lors de l'apprentissage du système circulatoire à partir d'une animation. Les participants devaient verbaliser leurs explications pendant le visionnement, certaines animations étant accompagnées de repères visuels destinés à attirer l'attention sur les éléments importants. Les auteurs rapportent que la combinaison de ces indices visuels et de l'auto-explication a permis aux étudiants de produire un nombre significativement plus élevé d'inférences que dans les autres conditions expérimentales. Dans cette étude, les indices visuels constituaient une deuxième source d'information. Ces résultats soutiennent donc l'idée que la combinaison de plusieurs sources d'information (l'animation et les indices visuels) est plus efficace qu'une seule source d'information (l'animation seule) et que les consignes ouvertes d'auto-explication peuvent être utilisées avec succès pour aider les étudiants à intégrer différentes informations

-Consignes d'auto-explication basées sur un menu (menu-based explanation prompts). Dans cette modalité, les étudiants sont invités à choisir, parmi plusieurs explications proposées, celle qui correspond le mieux au contenu étudié. Cette forme d'auto-explication, principalement utilisée dans les environnements d'apprentissage informatisés, vise à soutenir le processus de réflexion tout en limitant la production d'explications erronées. Elle permet également de fournir une rétroaction sur les choix effectués par les étudiants (Atkinson et al., 2003; Wylie et al., 2009).

-Les consignes ciblées sont similaires aux consignes ouvertes en ce sens qu'elles demeurent génératives et ne limitent pas la réponse de l'étudiant. Elles fournissent toutefois des indications plus explicites quant au contenu attendu de l'auto-explication. Gadgil et al. (2012) ont demandé aux étudiants de comparer deux modèles du système cardiaque afin d'en dégager les similitudes et les différences. Cette tâche constitue une consigne d'auto-explication ciblée, puisqu'elle oriente explicitement les étudiants vers une activité de comparaison plutôt que de leur demander de produire une explication générale.

-Van der Meij et de Jong (2011) proposent un autre exemple de consignes d'auto-explication ciblées. Les étudiants devaient notamment mettre en relation différentes représentations d'un même concept, telles qu'une représentation graphique et une représentation numérique. Ainsi, contrairement aux consignes ouvertes qui favorisent une explication libre du contenu, les consignes ciblées dirigent les étudiants vers un objectif précis d'explication.

-Les échafaudages d'auto-explication (self-explanation scaffolds) représentent une forme encore plus guidée de consignes d'auto-explication (Berthold et al., 2009). Ils consistent à proposer des explications ou des justifications incomplètes que les étudiants doivent compléter. Ce niveau de guidage est particulièrement adapté aux apprenants novices, dont les connaissances préalables peuvent être insuffisantes pour élaborer de manière autonome des auto-explications ouvertes.

-Les consignes d'auto-explication fondées sur des ressources (resource-based explanation prompts) constituent une variante des consignes basées sur un menu. Dans leur étude réalisée avec un tuteur intelligent en géométrie, Aleven et Koedinger (2002) demandaient aux étudiants de justifier chaque étape de la résolution d'un problème en indiquant le principe géométrique utilisé, soit en le saisissant, soit en le choisissant dans un glossaire intégré au système. Cette approche repose sur un glossaire beaucoup plus étendu, ce qui oriente davantage les étudiants vers une tâche de reconnaissance.

Conditions favorisant l’apprentissage

Bien que toutes les formes d'auto-explication encouragent les étudiants à réfléchir en profondeur au contenu et puissent conduire à de meilleurs apprentissages qu'une absence d'auto-explication, il est essentiel de considérer à la fois les objectifs pédagogiques et la forme d'auto-explication utilisée avant de tirer des conclusions générales sur son efficacité et son applicabilité (Wylie & Chi, 2014).

Un cadre théorique permettant d'interpréter les différentes formes d'auto-explication est le modèle ICAP (Chi, 2009). Ce modèle classe les activités d'apprentissage selon quatre niveaux d'engagement cognitif : interactif (Interactive), constructif (Constructive), actif (Active) et passif (Passive). Il postule que plus le niveau d'engagement est élevé, plus l'apprentissage est important (I > C > A > P).

Le modèle ICAP catégorise les activités pédagogiques en fonction des comportements observables des étudiants ( passive. active, constructive et interactive ) selon lequel, plus une activité pédagogique sollicite un engagement cognitif élevé, en passant d'une activité passive à une activité interactive, plus les apprentissages réalisés par les étudiants devraient être importants.

Le modèle ICAP peut donc également être utilisé pour classifier les différentes formes d'auto-explication. Dans sa forme la plus élémentaire sur le plan cognitif, l'auto-explication ne constitue plus véritablement une activité d'auto-construction des connaissances. Elle se limite plutôt à des explications fournies directement à l'apprenant. Les formes actives d'auto-explication reposent sur des menus de réponses, des ressources ou des échafaudages qui amènent l'apprenant à sélectionner la réponse la plus appropriée. Les formes constructives correspondent aux auto-explications ouvertes ou ciblées, puisqu'elles exigent que l'apprenant formule lui-même une explication. Enfin, les formes interactives se caractérisent par le travail en dyades ou en petits groupes, où les apprenants construisent ensemble des explications, les discutent et portent un regard critique sur celles de leurs pairs.

Selon Fonseca et Chi (2011), les auto-explications réalisées dans un contexte interactif favorisent les meilleurs apprentissages. Les formes constructives viennent ensuite, suivies des formes actives, tandis que les formes passives sont les moins efficaces.

Plusieurs études ont montré que les consignes d'auto-explication constructives et ouvertes favorisent davantage l'apprentissage que différentes formes d'enseignement passif fondées sur des explications fournies aux étudiants. C'est notamment le cas lorsque les étudiants se limitent à répéter des phrases (O'Reilly, Symons, & MacLatchy-Gaudet, 1998), à relire un texte pédagogique (Chi et al., 1994; Griffin, Wiley, & Thiede, 2008) ou à observer les solutions produites par d'autres (Pine & Messer, 2000).

De même, l'étude de Kwon, Kumalasari et Howland (2011) appuie le modèle ICAP en montrant que les auto-explications constructives et ouvertes entraînent de meilleurs apprentissages que les auto-explications actives basées sur des menus.

Niveau d’expertise des apprenants

La stratégie de l'auto explication est adaptée aussi bien aux novices qu'aux experts.

Type de guidage

Le niveau de guidage varie selon la forme d'auto-explication mise en œuvre, allant d'un guidage minimal, comme dans les auto-explications ouvertes, à un guidage élevé, comme dans les auto-explications avec échafaudage.

Type de regroupement des apprenants

L'auto-explication est principalement utilisée dans des situations d'apprentissage individuel, où l'apprenant explicite lui-même un concept, une procédure ou un raisonnement afin de favoriser sa compréhension et son apprentissage (Chi et al., 1989; Renkl, 1997; Wylie & Chi, 2014). Elle peut également être mise en œuvre en dyades ou en petits groupes, lorsque les apprenants produisent, confrontent ou critiquent mutuellement leurs explications, favorisant ainsi une construction interactive des connaissances (Wylie & Chi, 2014).

Milieu d’intervention

L'auto-explication est une stratégie reconnue pour son applicabilité dans divers contextes éducatifs, ce qui est illustré par les travaux du groupe d'experts Lifelong Learning at Work and at Home, dont les recherches portaient à la fois sur les élèves de la maternelle à la fin du secondaire (K–12) et sur les apprenants adultes (Halpern et al., 2007; Wylie & Chi, 2014).

La stratégie a été utilisée dans de nombreux domaines:

• Programmation informatique (Bielaczyc et al., 1995; Recker & Pirolli, 1995)
• Biologie (Butcher, 2006).
• Fractions (Rau et al., 2009)
• Conservation du nombre (Siegler, 2002)
• Probabilités (Berthold et al., 2009)
• Problèmes verbaux (word problems) (Nathan et al., 1994)
• Résolution d'équations (Rittle-Johnson, 2006)
• Physique (Conati & VanLehn, 2000)
• Médecine (Chamberland et al., 2011)

• Compréhension en lecture (McNamara & O'Reilly, 2007)

Conseils pratiques et exemples d’utilisation

Dans la mesure du possible, fournir des conseils, des « trucs » ou des « astuces » en lien avec des exemples issus de la pratique « réelle » de cette stratégie.

Bibliographie

Aleven, V. A. W. M. M., & Koedinger, K. R. (2002). An effective metacognitive strategy: Learning by doing and explaining with a computer-based Cognitive Tutor. Cognitive Science, 26(2), 147–179.

Atkinson, R. K., Renkl, A., & Merrill, M. M. (2003). Transitioning from studying examples to solving problems: Effects of self-explanation prompts and fading worked-out steps. Journal of Educational Psychology, 95(4), 774–783.

Berthold, K., Eysink, T. H. S., & Renkl, A. (2009). Assisting self-explanation prompts are more effective than open prompts when learning with multiple representations. Instructional Science, 37(4), 345–363.

Bielaczyc, K., Pirolli, P. L., & Brown, A. L. (1995). Training in self-explanation and self-regulation strategies: Investigating the effects of knowledge acquisition activities on problem solving. Cognition and Instruction, 13(2), 221–252.

Bianco, M., Dessus, P., Nardy, A., Rémond, M., Lima, L., Dascalu, M., Oprescu, B., & Trausan-Matu, S. (2013). Can self-explaining be automatically assessed from the reading of cycle 3 pupils? A.N.A.E. – Approche Neuropsychologique des Apprentissages chez l'Enfant, 25(123), 149–155.

Butcher, K. R. (2006). Learning from text with diagrams: Promoting mental model development and inference generation. Journal of Educational Psychology, 98(1), 182–197.

Chamberland, M., St-Onge, C., Setrakian, J., Lanthier, L., Bergeron, L., Bourget, A., Mamede, S., Schmidt, H. G., & Rikers, R. M. J. P. (2011). The influence of medical students' self-explanations on diagnostic performance. Medical Education, 45(7), 688–695.

Chebbihi, H. (2018). L’auto-explication pour supporter le développement du raisonnement diagnostique : perspective des externes de troisième année de médecine (Mémoire de maîtrise, Université de Sherbrooke). Université de Sherbrooke.

Chi, M. T. H. (2000). Self-explaining expository texts: The dual processes of generating inferences and repairing mental models. In R. Glaser (Ed.), Advances in instructional psychology (Vol. 5, pp. 161–238). Lawrence Erlbaum Associates.

Chi, M. T. H., Bassok, M., Lewis, M. W., Reimann, P., & Glaser, R. (1989). Self-explanations: How students study and use examples in learning to solve problems. Cognitive Science, 13(2), 145–182.

Chi, M. T. H., De Leeuw, N., Chiu, M.-H., & LaVancher, C. (1994). Eliciting self-explanations improves understanding. Cognitive Science, 18(3), 439–477.

Conati, C., & VanLehn, K. (2000). Toward computer-based support of meta-cognitive skills: A computational framework to coach self-explanation. International Journal of Artificial Intelligence in Education, 11, 389–415.

de Koning, B. B., Tabbers, H. K., Rikers, R. M. J. P., & Paas, F. (2011). Improved effectiveness of cueing by self-explanations when learning from a complex animation. Applied Cognitive Psychology, 25(2), 183–194.

Fonseca, B. A., & Chi, M. T. H. (2011). Instruction based on self-explanation. In R. E. Mayer & P. A. Alexander (Eds.), Handbook of research on learning and instruction (pp. 296–321). Routledge.

Gadgil, S., Nokes-Malach, T. J., & Chi, M. T. H. (2012). Effectiveness of holistic mental model confrontation in driving conceptual change. Learning and Instruction, 22(1), 47–61. https://doi.org/10.1016/j.learninstruc.2011.06.002

Griffin, T. D., Wiley, J., & Thiede, K. W. (2008). Individual differences, rereading, and self-explanation: Concurrent processing and cue validity as constraints on metacomprehension accuracy. Memory & Cognition, 36(1), 93–103.

Halpern, D. F., Graesser, A. C., & Hakel, M. D. (2007). 25 Learning Principles to Guide Pedagogy and the Design of Learning Environments. Washington, DC: Association for Psychological Science Task Force on Lifelong Learning at Work and at Home.

Hausmann, R. G. M., & VanLehn, K. (2010). The effect of self-explaining on robust learning. International Journal of Artificial Intelligence in Education, 20(4), 303–332.

Ericsson, K. A., & Simon, H. A. (1993). Protocol analysis: Verbal reports as data (Rev. ed.). MIT Press.

Jackson, G. T., & McNamara, D. S. (2011). Applying NLP metrics to students' self-explanations. In M. W. Berry & J. Kogan (Eds.), Applied natural language processing: Identification, investigation and resolution (pp. 261–274). IGI Global.

Jackson, G. T., & McNamara, D. S. (2011). Motivational impacts of a game-based intelligent tutoring system. Journal of Educational Psychology, 103(3), 666–684.

McNamara, D. S. (2004). SERT: Self-Explanation Reading Training. Discourse Processes, 38(1), 1–30.

McNamara, D. S. (2004). Self-explanation and reading comprehension: The strengths of the situation model approach. Educational Psychologist, 39(1), 43-52.

McNamara, D. S., & O'Reilly, T. (2007). Comprehension skill, inference making, and the role of knowledge. In F. Schmalhofer & C. A. Perfetti (Eds.), Higher level language processes in the brain: Inference and comprehension processes (pp. 233–251). Lawrence Erlbaum Associates.

McNamara, D. S., O'Reilly, T. P., Best, R. M., & Ozuru, Y. (2007). Improving adolescent students' reading comprehension with iSTART. The Journal of Educational Computing Research, 34(2), 147–171.

Nathan, M. J., Mertz, K. E., & Ryan, R. G. (1994, April). Learning through self-explanation of mathematics examples: Effects of cognitive load. Paper presented at the Annual Meeting of the American Educational Research Association, New Orleans, LA. ERIC Document ED372095.

O'Reilly, T., Symons, S., & MacLatchy-Gaudet, H. (1998). A comparison of self-explanation and elaborative interrogation. Contemporary Educational Psychology, 23(4), 434–445.

Pashler, H., Bain, P. M., Bottge, B. A., Graesser, A. C., Koedinger, K., McDaniel, M., & Metcalfe, J. (2007). Organizing Instruction and Study to Improve Student Learning (IES Practice Guide NCER 2007-2004). Washington, DC: National Center for Education Research, Institute of Education Sciences, U.S. Department of Education.

Pine, K. J., & Messer, D. J. (2000). The effects of explaining another's actions on children's implicit theories of balance. Cognition and Instruction, 18(1), 35–51.

Rau, M. A., Aleven, V., & Rummel, N. (2009). Intelligent tutoring systems with multiple representations and self-explanation prompts support learning of fractions. In V. Dimitrova, R. Mizoguchi, B. du Boulay, & A. Graesser (Eds.), Proceedings of the 14th International Conference on Artificial Intelligence in Education (AIED 2009) (pp. 441–448). IOS Press.

Recker, M. M., & Pirolli, P. (1995). Modeling individual differences in students' learning strategies. Journal of the Learning Sciences, 4(1), 1–38.

Renkl, A. (1997). Learning from worked-out examples: A study on individual differences. Cognitive Science, 21(1), 1–29.

Renkl, A. (2014). Toward an instructionally oriented theory of example-based learning. In R. K. Sawyer (Ed.), The Cambridge handbook of the learning sciences (2nd ed., pp. 391–412). Cambridge University Press.

Rittle-Johnson, B. (2006). Promoting transfer: Effects of self-explanation and direct instruction. Child Development, 77(1), 1–15.

Schmidt, K., Maier, J., & Nückles, M. (2012). Writing about the personal utility of learning contents in a learning journal improves learning motivation and comprehension. Education Research International, 2012, Article 319463. https://doi.org/10.1155/2012/319463

Schön, D. A. (1983). The reflective practitioner: How professionals think in action. Basic Books.

Siegler, R. S. (2002). Microgenetic studies of self-explanation. In N. Granott & J. Parziale (Eds.), Microdevelopment: Transition processes in development and learning (pp. 31–58). Cambridge University Press.

Smith, P. L., & Ragan, T. J. (2005). A framework for instructional strategy design. In P. L. Smith & T. J. Ragan, Instructional design (3rd ed., pp. 127–150). John Wiley & Sons.

van der Meij, J., & de Jong, T. (2011). The effects of directive self-explanation prompts to support active processing of multiple representations in a simulation-based learning environment. Journal of Computer Assisted Learning, 27(5), 411–423.

VanLehn, K., Jones, R. M., & Chi, M. T. H. (1992). A model of the self-explanation effect. The Journal of the Learning Sciences, 2(1), 1–59.

Viola, S. (1998). Dis-moi quelles questions tu poses et je te dirai qui tu es… Activités d'autoquestionnement et compréhension de textes au primaire. Québec français, (108), 40–46.

Wylie, R., & Chi, M. T. H. (2014). The self-explanation principle in multimedia learning. In R. E. Mayer (Ed.), The Cambridge handbook of multimedia learning (2nd ed., pp. 413–432). Cambridge University Press.

Wylie, R., Koedinger, K. R., & Mitamura, T. (2009). Is self-explanation always better? The effects of adding self-explanation prompts to an open-ended learning environment. In Proceedings of the 14th International Conference on Artificial Intelligence in Education (AIED 2009) (pp. 677–680). IOS Press.  

Veille informationnelle - Ressources disponibles pour rédiger et améliorer la fiche

Bianco, M., Dessus, P., Nardy, A., Rémond, M., Lima, L., Dascalu, M., . . . Trausan-Matu, S. (2013). Peut-on évaluer automatiquement les auto-explicationslors de la lecture d'élèves de cycle 3? Revue A.N.A.E., 123, 149-155. Récupéré le 5 juillet 2016 depuis http://webcom.upmf-grenoble.fr/sciedu/pdessus/art/anae13.pdf

McNamara, D. S. (2004). SERT: Self-explanation reading training. Discourse Processes, 38(1), 1–30. doi:10.1207/s15326950dp3801_1