Apprentissage assist par Story Telling : une pdagogie de l'erreur

Eddie Soulier* Jean Caussanel**

* Institut des Sciences et Technologies de lInformation de Troyes (ISTIT), quipe Technologie de la Coopration pour
l'Innovation et le Changement Organisationnel (Tech-CICO), Universit de Technologie de Troyes (UTT), 12, rue
Marie-Curie BP 2060 10100 Troyes Cedex ; eddie.soulier@utt.fr
** Laboratoire des Sciences de l'Information et des Systmes, Campus St-Jrome, Avenue Escadrille Normandie
Niemen, 13397 Marseille Cedex 20 ; jean.caussanel@lsis.org

Management impliquant une quipe de cinq

Rsum
Lexprience prsente dans cet article sappuie sur des
tudes de psychologie cognitive portant sur le rle des
dfaillances expectatives dans lapprentissage partir
dhistoires. Les Environnements Informatiques
dApprentissage Humain (EIAH) que lon peut
construire partir de cette approche se rvlent bien
adapts lapprentissage des comptences
comportementales. Nous prsentons ici un exemple
dutilisation dun tel systme de formation partir
dhistoires ddi au dveloppement des conduites
sociales de consultants spcialiss.
Mots-cls : raisonnement partir de cas, dfaillance
expectative, reprsentation dhistoires, narration,
communaut de pratique.
Abstract
The experiment presented in this article is based on
cognitive psychology studies dealing with the role of
expectation failures in learning based on stories. The
Interactive Learning Environments (ILE) which could
derived from this approach are well fitted to the
learning of behavioural competencies. We present an
example of the usage of such a story-based learning
system dedicated to the development of the social
conducts of expert consultants.
Keywords: case-based reasoning, expectation failure,
story representation, storytelling, community of
practice.
Introduction
Lutilisation de rcits dexperts dans un but didactique
est un paradigme dapprentissage mdiatis par
ordinateur en plein dveloppement [1]. Lobjectif de
cet article est dclairer le mcanisme dapprentissage
en jeu autour de la narration et la modlisation
informatique des histoires en vue de la conception dun
environnement informatique dapprentissage humain
(EIAH) ddi au dveloppement des comptences
comportementales de consultants.
consultants au sein d'un grand oprateur de
tlcommunication franais sur une mission de deux
ans. Nous avons raliss des interviews de ces
consultants, recueillis 8 heures d'interviews formant un
corpus de 400 micro rcits (4 heures d'interviews
restant encore analyser).
La notion dhistoire et son statut en
psychologie cognitive
A la diffrence des comptences techniques, qui
peuvent paratre valides aux yeux dun observateur
extrieur comptent ou au regard dun rfrentiel
externe, les comptences sociales ou
comportementales, bien que contribuant une
performance dans un rle ou une fonction spcifique, et
observables en situation, sont plus dlicates dcrire et
simuler dans un but dapprentissage. Leur
contribution la performance individuelle et collective
est pourtant aujourdhui unanimement reconnue
comme plus importante que les seuls savoir-faire
techniques.
Les concernant, une autre question porte sur le
nombre de comptences prendre en compte. Les
modles ralistes de comptences cherchent tablir
une nomenclature des comptences considres comme
suffisantes pour caractriser les comportements utiles
aux diffrentes fonctions dune organisation, ce qui
peut reprsenter un nombre important de comptences
comportementales lmentaires (de 30 70, selon les
diffrents rfrentiels professionnels). Les modles
litistes de comptences prconisent au contraire
lvaluation dun nombre limit de comptences qui
distinguent les performeurs suprieurs des autres [2],
celles qui font la diffrence (souvent moins de 10).
Nous situons nos travaux dans cette seconde
perspective, car nous travaillons sur cinq comptences
cls : la dissociation, la rsolution, la communication,
linteraction et la rgulation.

Le travail prsent ici s'inscrit dans le cadre d'un

projet plus vaste en coopration avec l'entreprise Cap
Gemini Ernst & Young (CGEY). Ce projet vise
montrer l'intrt des histoires dans lapprentissage de
connaissances contextualises, notamment pour le
dveloppement de comptences comportementales.
L'exprimentation porte sur un projet de Knowledge

Comptences
Techniques Comportementales
Utiles et Qui font la
suffisantes diffrence
En situation En situation
habituelle quivoque
Figure 1. Taxonomie des comptences
Un troisime aspect concerne enfin le statut
pistmologiquement ambigu des connaissances
associes aux comptences comportementales. A la
diffrence des comptences techniques ou cognitives,
la qualification de connaissances correctes qui
caractriserait un tat de connaissance dun agent
humain mettant en uvre une comptence
comportementale (connaissance de soi, orientation vers
le client, capacits de dcision, gestion de soi.) revt
un tour trs relatif. On peut seulement constater que les
connaissances antrieures des agents existent et quelles
sont plus ou moins bien adaptes au traitement de la
situation en cours.
Cette caractristique nous renvoie aux paradigmes
traitant des erreurs [3] ou des misconceptions [4].
Pourtant, nous nous en affranchirons en considrant
que la question de lefficacit des savoirs pratiques de
nature comportementale ne se pose pas en termes de
connaissances supposes errones quil sagirait
dopposer des connaissances qui seraient
intrinsquement correctes, mais en termes de surprise
ou de non surprise. Cette notion, que nous situons
lorigine du mcanisme de prise de conscience dun
dsquilibre cognitif et de son rtablissement [5], est
lun des moteurs fondamentaux de lapprentissage [6].
Elle a t aborde de diverses manires, par exemple
en termes de dissonance [7], notion qui exprime un
certain tat dinconfort psychologique. La surprise est
une des sources de discrpance et donc dactivation.
Dans les thories constructivistes, le conflit est un
concept diffrent mais qui est considr comme une
autre source possible de dsquilibre. La notion de
surprise ne prsuppose encore ni erreur, ni conflit, ni
existence dune connaissance de rfrence,
consensuelle et juste. Ltat de connaissance dun
agent humain un moment donne rsulte plutt dune
co-adaptation optimale dun sujet et dun milieu en
interaction sous des critres dadquation et
deffectivit [8]. Lapprentissage est justement le
processus qui permet ce systme de retrouver un
quilibre aprs une perturbation plus ou moins svre.
La surprise figure comme lune de ces perturbations
svre, bien quelle soit trs banale au quotidien. Nous
dirons que la surprise est un indicateur et un analyseur
des processus intellectuels en jeu, et donc des
oprations intellectuelles dont elle est la trace. La
surprise encapsule la remise en cause des
connaissances antrieures du sujet et la rquilibration
majorante qui peut sensuivre, laquelle prendra la
forme dune amlioration de la forme prcdente de
comptence.
La surprise signifie que les attentes et les prdictions
de lagent, fondes sur ses connaissances antrieures,
ont t djoues. La connaissance est le contraire de la
surprise. Lincomptence prdire une situation sur
la base de notre connaissance antrieure nous entrane
souvent rviser notre base de connaissances. Nous
recherchons une explication en nous mme ou bien
dautrui dans notre qute incessante pour faire des
prdictions plus prcises, car lindividu cherche
contrler les vnements qui peuvent laffecter [9].
Pour apprendre, il faut nanmoins que le sujet dtecte
et soit mme de considrer sa surprise comme le
tmoignage dun chec, cest--dire comme une attente
non satisfaite.
Cest lors de cette seconde tape quintervient la
notion dquivocit. En labsence dune connaissance
de rfrence, comme cela est le cas dans la plupart des
situations de conseil qui sont dominante sociale et
relationnelle, la connaissance errone, partielle ou en
tous cas mal adapte du consultant le confronte,
lorsque son attente est insatisfaite, une situation quil
jugera quivoque, plutt que fausse. Cest dailleurs
principalement le degr auquel la situation est perue
comme quivoque qui doit devenir selon nous la
dimension explicative de la construction des
interprtations. La notion dquivocit renvoie la
prsence dinterprtations multiples voire mme
contradictoires pour une mme situation. En labsence
de toute connaissance de rfrence, il est probable
quun observateur extrieur comptent jugerait lui
aussi la situation quivoque, et donc discutable. Trois
cas de figure peuvent se prsenter : le sujet oubli ou
diffre lexplication de linadquation momentane de
sa connaissance ; lchec de son attente entrane le
sujet en laborer une histoire, cest--dire un cas
au sens que lui donne les chercheurs en IA sur le
Raisonnement Partir de Cas (RPC) [10] ; pour
rduire lquivocit de la situation, le sujet prouve le
besoin de confronter rtrospectivement son point de
vue avec autrui concernant lchec de ses prdictions
passes ou bien le contexte conversationnel lui donne
loccasion de le faire, notamment si son interlocuteur
voque un thme qui tourne autour du mme type
dchec. Cette dernire situation est intressante en ce
quelle ouvre directement sur une perspective
dinteraction, cest--dire sur la narration. Noublions
pas que les histoires se communiquent principalement
dindividu individu et constituent un phnomne
interactif.
Un change conversationnel peut ainsi tre vu
comme un change dhistoires (ou de cas) au sein
duquel les agents communiquent volontairement leur
tonnement, un vnement digne dtre racont leur
entourage, dont ils essayent dvaluer la validit
intersubjectivement. La narration peut tre vue comme
la forme discursive et conversationnelle de la surprise
qui stablie sur un plan plus comportemental et
cognitif. Selon Dessalles, notre manire narrative de
communiquer est shannonienne [11]. Un vnement
apporte dautant plus dinformation quil tait a priori
improbable et quil est dsagrable , au sens o il
drange les croyances du narrateur et/ou son
interlocuteur. Labov considre quun rcit sorganise
autour de lvnement le plus racontable quil contient,
cest--dire le plus surprenant eu gard lexprience
du narrateur ou de ses auditeurs [12]. Bruner confirme
que pour quil y ait une histoire, il faut quun
vnement imprvu survienne. Dans le cas contraire, il
ny a pas d histoire [13]. Lhistoire est
extrmement sensible tout ce qui contrarie notre sens
du normal . Dans les situations de travail, Orr a
dmontr quau cours de la rsolution collective dun
problme, les agents changent naturellement des
histoires dexpriences passs tournant autour dun
chec antrieur et de sa rsolution afin de construire
collaborativement un diagnostic partag sur le
problme en cours [14]. Du fait de la relative fragilit
de la forme narrative dchange dexpriences, celle-ci
prend le plus souvent naissance au sein de
communauts dont les membres partagent une
microculture forte [15]. Ces connaissances sont par
ailleurs trs contextuelles et donc locales.
Lutilisation de cette caractristique de la
connaissance humaine - largement fonde sur le
traitement de la surprise et la communication narrative
des checs dont elle est la trace- lapprentissage, nous
parat une piste prometteuse pour la conception
dEIAH. Lorsque un agent rencontre un chec par
rapport son attente, il serait utile quil puisse rappeler
en mmoire toutes les bonnes histoires au bon moment
qui lui permettrait de traiter son chec. Parfois, cest
exactement ce qui se produit. Lorsque cela arrive dans
une situation de travail, ce rappel devient de
lexpertise : les employs se disent eux-mmes :
jai eu ce problme auparavant, voici la solution ! .
Mais parfois les agents manquent dexpriences pour
pouvoir faire appel aux histoires partir desquelles ils
pourraient apprendre. Pour acqurir de telles
expriences et les transformer en histoires quils
pourraient rappeler, les agents doivent chouer dans
leur travail ou bien dans une simulation. Lchec rend
les agents rceptifs aux histoires.
La premire tche du concepteur dun EIAH qui
simule la non ralisation dattentes consiste recueillir
les meilleures histoires quune organisation est capable
de raconter et encourager lchec dans une simulation
rendant les apprenants dsireux dentendre ces
histoires. Notre EIAH, comme dautres systmes de
formation partir de cas (Case-Based Teaching) bass
sur les checs [16], prpare les apprenants grer des
situations o les choses ne se droulent pas
conformment leurs plans. Lorsque lapprenant sera
confront un problme similaire dans la ralit, nous
faisons le pari quil pourra se remmorer lexprience
simule et savoir ce quil ne doit pas faire. La seconde
tche du concepteur dun tel systme est, puisque
lobjectif est de faire acqurir aux apprenants des
conduites sociales adaptes aux missions de conseil, de
concevoir une simulation informatique des checs
centrs sur les comptences comportementales cibles
quil sagit dacqurir. Le principe est le suivant : un
chec simul dans un scnario type correspond une
comptence comportementale acqurir contenue dans
une histoire exemplaire. Chaque comptence a t au
pralable dcompose en habilets lmentaires de
porte plus rduite (nous les appelons les
Scriptlets ), lesquelles correspondent aux actions
intentionnelles dcrites dans les histoires. Le travail du
concepteur consiste alors dfinir des scnarios
ralistes, des habilets associes regroupes en
comptences comportementales acqurir, des classes
dchecs leur correspondant et enfin des rcits
dexperts qui en illustrent le mcanisme.
Acquisition et structuration des histoires
Les histoires sont recueillies par le biais d'une
interview selon un mode particulier d'entretien,
l'entretien narratif , que nous ne dcrirons pas ici [17].
Le travail du "scnariste" consiste alors segmenter le
rcit complexe afin d'y retrouver ces rcits simples
(nous les appelons les Storiettes ). Pour reprer ces
Storiettes, il recherche les vnements et les anomalies
qui jalonnent le rcit. Cette mthode est base sur une
analyse profonde laisse l'apprciation de l'analyste et
n'est pas fonde sur des principes linguistiques.
Dans le cas de CGEY, nous avons men cinq
interviews sur la mme mission auprs des cinq
consultants concerns. A l'issue de ces interviews, nous
disposons d'un corpus d'environ 480 rcits simples.
Aprs analyse des 160 premiers rcits, nous avons
extrait 30 Storiettes, ce qui montre que tous les rcits
ne sont pas des histoires au sens o nous les avons
dfinis, c'est--dire comprenant une anomalie,
productive en termes dapprentissage.
Notre analyse de l'histoire qui s'inspire de lUIF
(Universal Indexation Format) labor spcifiquement
par Schank et al [18] pour lindexation dhistoires va
consist catgoriser la Storiette suivant plusieurs
index [19 ; 20].
 Attributs structurels
Chane Thme Rle
Intentionnelle

But
Comptence
Plan
Rsultat
Aspect positif
Aspect ngatif Processus
Storiette

Domaine
Anomalie
Expertise KM
Intitul
Rsultat
Localisation
Ressources Scriplet Scnario Situation Attributs du domaine
Type derreur

Figure 2. Attributs de la Storiette

On peut distinguer deux familles d'index : ceux qui

relvent de laction de lagent et de l'histoire (attributs
Localisation de Mcanismes la base Cas d'erreurs
structurels) et ceux qui sont lis au domaine de
l'anomalie de l'anomalie (types
connaissances (ici, le conseil). Dans la perspective qui
d'erreurs)
nous intresse ici, nous nous concentrerons sur la
Action Excution de laction Rats de laction
premire famille, c'est--dire sur la chane
Heuristiques Erreurs attentionnelles
intentionnelle, l'anomalie et le thme (fig. 2).
dorganisation de (contrle de lexcution,
laction rcupration derreurs)
La chane intentionnelle caractrise les objectifs du
Rgulation de
principal protagoniste de l'histoire, cest--dire laction
lactivit
humaine, porteuse dune comptence
Evaluation des
comportementale. Elle comprend un but, le plan
rsultats de laction
labor pour atteindre ce but, un rsultat effectif et
d'ventuels aspects ngatifs ou positifs de ce rsultat. Raisonnement Interprtation Rgles incompltes,
Si l'vnement est au cur de l'histoire il doit, pour (comprhension) Raisonnement faux,
qu'il y ait effectivement histoire , tre la cause d'un Planification des Application de
autre phnomne symbolis par la notion d'anomalie. actions mauvaises rgles,
L'anomalie reprsente la diffrence entre lattente d'un Rsolution de Application errone de
agent, au sens large, et ce qui se passe en ralit dans la problme bonnes rgles,
situation dcrite par lhistoire. Nous proposons cette Maintien dune
notion d'anomalie partir de la notion de dfaillance hypothse errone,
expectative mise en avant par Schank [21]. Il s'agit Transfert analogique
d'une contradiction dans le systme dattente et de inapproprie dune
prdiction de lagent concernant la situation, son procdure.
propre comportement ou encore le comportement dun But Gnration But erron
autre agent. C'est en cela que les anomalies concentrent dintentions Sous-spcification des
ce qui fait le caractre surprenant d'une histoire. De Slection des tches sous-buts
manire structurelle Burke et Kass [16] dfinissent raliser
l'anomalie de la faon suivante : un acteur X Ordonnancement des
sattendait ce que Y arrive, mais cest Z qui est sous-buts
arriv . On dispose ainsi dune rgle pour identifier Contrle par les
les anomalies et subsquemment les histoires que objectifs
restituent plus ou moins directement les rcits des Evaluations
agents interviews. intermdiaires
Connaissance Nouvelle situation Incompltude des
Dans certains cas, le narrateur indique explicitement Connaissances connaissances
l'anomalie. Elle est mme l'objet du rcit, ce qui gnrales pertinentes lespace-
reprsente un cas plutt rare. Le plus souvent, le Connaissances problme
narrateur relate des faits qui font apparatre un dcalage spcifiques
entre l'intention du protagoniste (lui-mme le plus Input Perception Inattention
souvent) et les faits, mais il n'identifie pas Attention Attention excessive
explicitement l'anomalie. Lorsque l'anomalie peut tre Reprsentation Erreur ponctuelle de
facilement dtecte, le rcit qui lenglobe sera intgr prise dinformation
et index dans une base d'histoires. Figure 3. Taxonomie des dfaillances expectatives
 Pour capturer lchec dune attente (ou expectation
failure), il suffit dopposer la perspective dune
personne avec ce qui tait en train darriver dans la
situation dcrite par lhistoire. Pour aider encore
localiser lanomalie et dterminer son type, nous
avons labor une taxonomie des dfaillances
expectatives (le type d'erreur) en fonction du traitement
cognitif de lagent, fonde sur les travaux de rfrence
sur les erreurs [22 ; 23 ; 24 ; 25] (figure 3).
Dans notre reprsentation de l'histoire, l'anomalie
est caractrise par un intitul, un rsultat, une
localisation de l'erreur et un type d'erreur dpendant de
la localisation. Les attributs qui vont tre associs la
Storiette en ce qui concerne la chane intentionnelle et
l'anomalie seront par la suite exploits pour l'utilisation
de cette Storiette comme un exemple dans une des
catgories des scnarios d'apprentissage qui seront
prsents ci-aprs. C'est l'anomalie qui dirige cette
classification et son identification est donc critique.
Une fois identifie, trois classes d'erreur sont utilises
dans un premier temps pour regrouper les diffrentes
dfaillances expectatives numres ci-dessus. Les
classes sont les suivantes :
erreur sur les connaissances : pour les erreurs
localiss sur les connaissances, les inputs ou les
raisonnements ;
erreur sur les buts : pour les erreurs localises sur
le but de la chane intentionnelle ;
erreur sur les rsultats : pour certaines erreurs lies
l'action qui concerne son rsultat, et d'autres
portant sur les raisonnements.
Les Storiettes dont les anomalies n'appartiennent pas
une de ces classes ne seront pas exploites (prcisons
que cette classification est exploite dans d'autres
contextes de nos travaux). Ces trois meta-classes nous
servent de catgories pivots afin d'intgrer les histoires
au sein des scnarios d'apprentissages que nous allons
maintenant dcrire.
Les scnarios dapprentissage
Notre hypothse concernant l'apprentissage partir
dhistoires est que le fait dtre confront une
exprience nouvelle fortement analogue une
exprience antrieure nous amnent construire des
attentes. Lorsque ces attentes chouent se raliser
loccasion dune situation nouvelle, nous nous
remmorons dautres expriences contenant des checs
similaires et nous crons partir delles un nouvel
ensemble dattentes. Les attentes, et tout
particulirement les checs dans la ralisation de ces
attentes, constituent la base de lapprentissage humain
et, partant, elles sont lorigine des comptences de
haut niveau, notamment comportementales.
Pour rcrer un tel contexte d'apprentissage au sein
d'un systme EIAH, nous avons associ chacune des
classes d'erreurs, des consignes conduisant l'apprenant
plong dans une situation donnes exprimenter un
chec dans la ralisation de son attente, et commettre
ainsi une erreur parmi la typologie pralablement
recense. A la diffrence des contextes scolaires o un
savoir de rfrence peut tre postul [26], rappelons
quen considration des contextes professionnels, notre
contribution thorique porte sur la remise en question
des attentes plus que sur les erreurs proprement dites.
Nous avons dtermins ce jour treize scnarios
d'apprentissages qui induisent des stratgies de
storytelling spcifiques, fonds sur treize types
dchecs conduisant des erreurs trs classiques dans
le domaine du conseil ou identifies comme telles dans
les rcits recueillis. Le tableau ci-dessous prsente ces
treize scnarios, les consignes correspondantes qui
seront signifies l'apprenant dans l'outil, les tches de
l'apprenant au regard de cette consigne et le dtail de la
procdure qui amne l'apprenant commettre une
erreur ainsi que le type d'histoire qui lui est alors
prsent. Les scnarios sont implments dans le
Learning Management System (LMS) WebCT .
Notre objectif est de simuler ce processus au sein
d'un systme EIAH. La diffrence avec les expriences
relles se situe dans le fait que l'apprenant ne dispose
pas de sa propre exprience et donc de sa propre
histoire d'une telle dfaillance expectative. Le systme
doit alors pousser lapprenant manifester son attente,
puis chouer dans la ralisation de son attente pour
pouvoir lui proposer une histoire qui est une version
dj ralise et vcue par un expert dune scnario
analogue simul dans lEIAH.
Un exemple de mise en oeuvre
Sur les treize stratgies scnarios potentiels identifis,
seules dix ont t rellement mis en uvre dans notre
application pour CGEY. Lapprenant doit dabord
sidentifier sur le systme WebCT en donnant son
code et son mot de passe. Lapprenant accde alors aux
scnarios conus par le scnariste pdagogique. Bien
entendu, la signification de ces scnarios ne lui ait pas
rvle. Pour chacune des occurrences de scnarios
labores pour chaque type dattentes, une auto-
valuation est propose lapprenant sous la forme
dun Questionnaire Choix Multiples (QCM) dtourn
de son usage habituel. Bien videmment, dautres
formes de procdures sont envisageables. Nous
donnons ci-aprs un exemple doccurrence
implmente pour le scnario Hypothse errone .
Lorsque la rponse savre fausse et que lapprenant
a gnr une dfaillance expectative, le systme
propose lapprenant une histoire. Lapprenant peut
ainsi entendre un expert raconter une histoire en
rapport avec son propre chec. Il faut noter quune
partie des histoires a t rvise et enregistre par un
acteur autre que le consultant qui a narr lhistoire lors
de lentretien narratif. Ainsi, lapprenant peut
galement couter lhistoire sur le lecteur Windows
Mdia de son poste de travail tout en lisant lhistoire
crite, ce qui amliore certainement lattention de
lapprenant et la porte de la leon. Lorsquune histoire
a t renregistre, elle figure sous la forme dun petit
pictogramme.
 Scnarios Consignes Activits de Procdures sous WebCTTM
lapprenant
1. Hypothse Formuler une Lapprenant 1. le systme propose une tche raliser 2.
errone hypothse sur formule une lapprenant propose une rsolution 3. le systme
son hypothse similaire demande dexpliciter lhypothse sous-jacente 4. le
comportement le concernant systme propose une histoire montrant le caractre
erron de lhypothse
2. Plan inefficace Slectionner un Lapprenant 1. le systme propose une tche 2. lapprenant doit
plan parmi excute un plan slectionner un plan parmi plusieurs plans 3. le systme
plusieurs plans similaire lui montre une histoire o ce plan est inefficace
3. Plan efficace Elaborer un plan Lapprenant 1. Un plan est laborer 2. Elaboration du plan 3.
(avec rsultat >0) (non valu) excute un plan Demande dvaluation du plan 4. Note de 1 3 5.
similaire sans Histoire montrant lefficacit de ce plan
connatre le rsultat
4. Plan alternatif Elaborer un plan Lapprenant 1. Un plan est laborer 2. Elaboration du plan 3. Test
(qui sera valu excute sans succs du plan 4. Echec du plan pour atteindre le but 5.
ngativement) un plan Histoire montrant un plan alternatif
5. Rsultat Slectionner une Lapprenant 1. Prsentation dun problme 2. Demande de
ngatif action excuter excute avec slectionner une action pour le rsoudre 3. Slection
succs une action dune action 4. Succs de laction 5. Histoire montrant
un rsultat ngatif dune action identique
6. Rsultat Slectionner une Lapprenant 1. Prsentation dun problme 2. Demande de
positif action excuter excute sans succs slectionner une action pour le rsoudre 3. Slection
une action dune action 4. Echec de laction 5. Histoire montrant
un rsultat positif dune action identique
7. Succs Estimer leffet Lapprenant prdit 1. Prsentation dun problme 2. Demande de
inattendu possible de son le rsultat de son slectionner une action pour le rsoudre 3. Slection
action action dune action 4. Demande de prdiction du rsultat de
laction 5. Prsentation dun succs inattendu 6.
Histoire montrant un succs inattendu
8. Situation Estimer ce qui va Lapprenant prdit 1. Prsentation dun vnement 2. Proposition dissues
inattendue se passer dans ce qui va arriver possibles 3. Choix dune issue 4. Histoire montrant une
une situation issue inattendue
donne
9. Plan Observer/lire Lapprenant 1. Description synthtique du plan dun agent 2.
exemplaire puis dcrire le observe un acteur Questions sur le plan de lagent 3. Rponses (si faibles)
(expliqu) plan dun acteur excuter un plan 4. Histoire montrant le plan dun agent
complexe
10. Croyance Observer/lire Lapprenant 1. Description synthtique de la croyance dun agent 2.
intressante puis dcrire les observe un acteur Questions sur la croyance de lagent 3. Rponses (si
(expliqu) motifs dun agir partir dune faibles) 4. Histoire montrant la croyance exemplaire
acteur croyance similaire dun agent
11. Crainte non Slectionner une Lapprenant 1. Prsentation de laction dun agent 2. Questions sur
ralise crainte formule une crainte les craintes quinspire lagent 3. Rponses 4. Histoire
concernant un concernant un montrant les craintes dun agent propos dun autre
acteur acteur agent qui ne se sont pas ralises
12. Hypothse Formuler une Lapprenant 1. Prsentation de laction dun agent 2. Questions sur
non ralise hypothse formule une les hypothses concernant lagent 3. Rponses 4.
concernant un hypothse Histoire montrant un agent faire des hypothses non
acteur (qui sera concernant un fondes sur un autre agent
valu acteur
ngativement)
13. Dsir non Formuler un Lapprenant 1. Prsentation de laction dun agent 2. Questions sur
ralis espoir formule un espoir lespoir quinspire lagent 3. Rponses 4. Histoire
concernant un concernant un montrant un agent fondant un espoir indu sur un autre
acteur acteur agent

Figure 4. Scnarios de storytelling bass sur lchec dattentes


Figure 5. Copies dcrans correspondant la procdure
propose pour le scnario hypothses errones
Figure 6. Copie dcran de lhistoire propose pour le
scnario hypothses errones
Enfin, lapprenant peut sil le dsire accder une
explication, labore par lquipe des consultants ayant
dbriefe leurs checs dattentes. A lissue de
lexprience simule dune dfaillance expectative,
lapprenant est mieux mme dentendre la leon
contenue dans lhistoire propose et de sapproprier
lexplication qui va lui permettre dintgrer la nouvelle
information dans sa mmoire et, partant, dassimiler de
nouvelles attentes traduisant une volution de ses
connaissances.
Figure 7. Copie dcran de lexplication propose pour le
scnario hypothses errones
Actuellement, lapplication ne dpasse pas dix
occurrences par scnarios, soit au total prs dune
centaine doccurrences.
Conclusion
En nous appuyant sur des rsultats de psychologie
cognitive concernant le rle des attentes et des checs
dans le processus dapprentissage, nous avons pu
envisager de nous appuyer sur les connaissances
contextualises que constituent les rcits dexperts dans
la conception et la mise en uvre dun EIAH ddi au
dveloppement des comptences comportementales de
consultants dbutants, confronts des contextes o la
mise en uvre de conduites sociales adaptes est
dterminante.
Les systmes de formation partir dhistoires sont
prometteurs. Cependant, lacquisition et lindexation
dhistoires, la dfinition des comptences
comportementales cibles ainsi que le design des
scnarios pdagogiques restent des tches relativement
lourdes en termes de ressources, que nous nous
appliquons industrialiser dans une perspective
dingnierie. Dautre part, la matrise du processus
dapprentissage induit par le mcanisme de transfert
chez lapprenant de lhistoire relle dans le scnario
simul reste encore trs imparfaite et fortement
dpendante dhypothses quil faut confirmer. En
particulier, Dessales note que les deux principales
limitations des modles bass sur la surprise sont dune
part de parvenir faire ressentir lapprenant la faute
ou lanomalie (telle que dfinie par le pdagogue) le
plus rapidement possible, dautre part et
consquemment, de cadrer trs fortement le contexte
de linteraction pdagogique entre lapprenant et le
systme afin que lexplication de la surprise cense
engendrer le changement conceptuel ou
comportemental soit productive, au risque dchouer
immanquablement [6]. Enfin il reste, dans une
perspective didactique, approfondir la question des
domaines de validit de ces connaissances situes,
souvent diffrentes des procdures officielles de
lorganisation, qui seule permettra dlaborer des
scnarios robustes. Notre environnement est un premier
pas vers la cration de mmoires communautaires,
collections dhistoires racontes par les experts [19] Soulier E., Caussanel J. 2003. Mdiatiser la
dentreprise et facilement accessible travers un narration pour le transfert dexpriences. Une
ordinateur. application au domaine du conseil en Knowledge
Management, CITE2003, 3-4 novembre, Troyes.
Rfrences [20] Soulier E., Caussanel J. 2004. Organiser une base
[1] Schank R.C. 2002. Designing world-class e- de documents narratifs pour supporter l'change
learning, McGraw-Hill. d'expriences. Une application au domaine du conseil,
n spcial "Coopration et Organisation Numriques",
[2] Boyatzis R.E. 1982. The competent manager. A revue Document Numrique, Vol. 8 n1/2004.
model for effective performance, New York, Wiley.
[21] Schank R. 1999. Dynamique Memory Revisited,
[3] Bachelard G. 1938. La formation de lesprit Cambridge University Press.
scientifique, Paris, Vrin.
[22] Rasmussen J. 1986. Information Processing and
[4] Confrey J. 1986. Misconceptions across subject Human-Machine Interaction. Amsterdam: Elsevier
matters: charting the course from a constructivist North Holland.
perspective. Annual meeting of the American
Educational Research Association, Document [23] Reason J. 1990. Human error, Cambridge
polycopi. University Press.
[5] Piaget J. 1975. Equilibration of cognitive [24] Rizzo A., Ferrente D. et Bagnara S. 1994.
structures, Chicago: University of Chicago Press. Handling Human Error. In Hoc J.M., Cacciabue P. et
Hollnagel E. eds. Expertise and Technology, Hillsdale,
[6] Dessalles J.-L. 1992. Model-Based Surprise and NJ, Erlebaum, 99-114.
Explanation: a way to negotiate concepts, ECAI92,
workshop on improving the use of KBS with [25] Amalberti R. 1996. La conduite des systmes
explanations, Vienna, August 1992. risques, Paris, PUF.
[7] Festinger, L. 1957. A theory of cognitive [26] Astolfi J.-P. 1997. Lerreur, un outil pour
dissonance, Evanston: Row, Peterson. enseigner, Paris, ESF diteur.
[8] Balacheff N. 2000. Les connaissances, pluralit de
conceptions (le cas des mathmatiques). In
Tchounikine P. eds, Actes de la confrence Ingnierie
de la connaissance, IC 2000, 83-90. Toulouse.
[9] Bandura A. 1997. Self Efficacy. New York:
Freeman and Company.
[10] Kolodner J. 1993. Cased-Based Reasoning. San
Mateo: Morgan Kaufmann.
[11] Dessalles J.-L. 2000. Aux origines du langage.
Une histoire naturelle de la parole, Paris, Herms
Science Publications.
[12] Labov W. 1997. Some Further Steps in Narrative
Analysis, Special issue of The Journal of Narrative and
Life History, Volume 7, Numbers 1-4.
[13] Bruner J. 2002. Pourquoi nous racontons-nous des
histoires ?, Paris, Eds. Retz.
[14] Orr J.E. 1996. Talking about machines. An
Ethnography of a Modern Job, Cornell University
Press.
[15] Dillenbourg P., Poirier C. et Carles L. 2003.
Communauts virtuelles dapprentissage : e-jargon ou
nouveau paradigme. In Taurisson A., Senteni A.,
Pdagogies.net. Lessor des communauts virtuelles
dapprentissage, Presses de lUniversit du Qubec.
[16] Burke R. et Kass A. 1996. Retrieving Stories for
Case-Based Teaching. In Leake D.B. eds., Case-Based
Reasoning. Experiences. Lessons and Future
Directions, AAAI Press/The MIT Press.
[17] Soulier E. 2003. Techniques de storytelling pour
le partage de connaissances dans les communauts de
pratique, Thse dinformatique, Paris VI.
[18] Schank R. et al. 1990. Towards a General Content
Theory of Indices, The Institute for the Learning
Sciences.