Vous avez des collaborateurs en chômage partiel ? Découvrez le dispositif exceptionnel FNE Formation. En savoir plus

Montre-moi comment tu apprends et je te dirai qui tu es !

 

Nous apprenons tous de façon différente ! Or peu de plateformes d’apprentissage en ligne, notamment dans le domaine de la formation professionnelle, prennent aujourd’hui en compte cette diversité de comportements… Il est temps que les formateurs se dotent d’outils d’analyse comportementale !

Découvrez le nouvel article de Frédérick Bénichou, co-fondateur de Coorpacademy, publié dans le Journal du Net. Pour le lire dans sa version originale, c’est ici !

Extraits choisis :

« En allant deux fois plus vite dans l’acquisition de nos compétences douces (soft skills), telles que la capacité à résoudre des problèmes, la créativité ou encore l’intelligence émotionnelle, la part des emplois menacés par l’automatisation pourrait être réduite d’un tiers voire de moitié (étude d’Accenture Strategy Harnessing Revolution: Creating the Future Workforce) !

Alors qu’attendons-nous pour accélérer le rythme de la formation en entreprise et engager les salariés sur le développement de leurs soft skills ?

Le Digital Learning est un outil puissant quand il est fluide, personnalisé, et omnicanal, à la manière d’une expérience client réussie. Et tout comme l’expérience client, la formation commence par une connaissance approfondie de ses utilisateurs. Un responsable RH, un responsable de formation ou un manager doit donc commencer par connaître et comprendre la manière d’apprendre de ses équipes ! »

[…]

« Nous apprenons tous de façon différente. Le processus est complexe, évolutif et dépend de différents facteurs qui nous sont propres ou liés à notre environnement, par exemple, notre état émotionnel, le contexte, le sujet ou tout simplement le moment de la journée choisi pour apprendre. Une expérience de formation réussie passe donc par la prise en compte de nouveaux indicateurs qui reflètent ces variantes et comportements d’apprentissage.

Comme la curiosité par exemple. La curiosité est associée à des capacités supérieures, y compris en ce qui concerne l’apprentissage. La curiosité est en réalité une caractéristique issue de notre évolution. Les individus dotés de curiosité avaient en effet un avantage en termes évolutifs par rapport aux autres. Des recherches montrent que la curiosité des apprenants à propos d’un sujet est plus forte lorsqu’ils ont certaines connaissances mais manquent d’assurance. Il faut donc prendre cela en compte dans le choix des contenus de formation. »

[…]

« Les entreprises ont accès à toutes sortes de nouveaux enseignements : non seulement ce qu’une personne a effectivement appris, mais aussi comment l’apprenant en est arrivé là et quelle est l’approche d’apprentissage pour laquelle il a opté, et ainsi proposer des recommandations au plus proches de ses besoins. L’avantage pour le salarié est de l’aider à s’autonomiser pour qu’il devienne réellement maître de son employabilité et pour cela, il est important qu’il puisse décrypter sa manière d’apprendre. « 

Découvrez la tribune complète ici !

Pour retrouver d’autres publications ou interviews de Frédérick Bénichou, co-fondateur de Coorpacademy, c’est ici :

Instruire n’est pas synonyme d’apprendre.

Frédérick Bénichou interviewé par DLM News en partenariat avec BFM Business, pour l’émission « La vision des experts » lors du salon Learning Technologies France 2019.

La pensée computationnelle, compétence clé de demain

 

Cette tribune a été initialement publiée par Jessica Dehler, Responsable R&D de Coorpacademy, dans le Journal du Net. Pour y accéder, c’est ici !

À mesure que l’IA devient de plus en plus sophistiquée et présente, l’importance de développer une meilleure compréhension de cette dernière s’intensifie, au même titre que développer ses compétences comportementales.

La capacité à résoudre des problèmes complexes, le développement d’une pensée critique ou encore la créativité ont été identifiés comme des compétences clés de demain par le Forum Économique Mondial. La pensée computationnelle, ou computational thinking dans la langue de Shakespeare, s’intègre dans ce champ de compétences.

La pensée computationnelle peut se définir comme une approche englobant les processus de pensée impliqués dans la formulation de problèmes et l’expression de leurs solutions, de telle manière qu’un ordinateur puisse les exécuter. Plus précisément, ces solutions sont exprimées en termes d’algorithmes, qui sont compréhensibles et exécutables par un programme. Là où la pensée computationnelle s’arrête, commence l’informatique : les algorithmes à leur tour seront écrits dans un langage de programmation, compilés et exécutés par un dispositif informatique.

La pensée computationnelle applicable et utile pour tous

Tout comme les mathématiques ne sont pas utiles qu’aux mathématiciens, la pensée computationnelle et les principes algorithmiques sont applicables par tous et peuvent être utilisés pour la résolution de problèmes dans toutes les disciplines. Tout le monde n’aura pas besoin de compétences en programmation pure. Mais tout le monde devra disposer de compétences complémentaires à l’IA. C’est alors que la pensée computationnelle devient une compétence transverse à haute valeur ajoutée et pas seulement réservée aux informaticiens/iennes. Elle sert à comprendre ce que fait la machine (le fonctionnement des algorithmes, la façon dont une machine apprend des données qu’elle reçoit, les limites de la « computation ») mais aussi pour façonner l’action de l’humain (préparer des ensembles de données pertinents pour le machine learning, diviser un problème en plusieurs parties qui sont solvables une par une par la machine, détecter les configurations dans lesquelles l’automatisation et la parallélisation peuvent être introduites, ou dans la configuration de solutions digitales utiles à la société).

Ce mode de pensée comprend un certain nombre de caractéristiques, telles que la séparation des problèmes en parties plus petites (modularisation), le développement d’instructions étape par étape pour la résolution d’un problème (algorithme), l’observation de régularités dans les données (identification de patterns), la maîtrise de différents niveaux d’abstraction (encapsulation), la gestion de la complexité et des problèmes ouverts, etc.

La quête de la formation à la pensée computationnelle

La pensée computationnelle est tellement importante pour accroître l’efficience et l’innovation que des États ont commencé à la placer au cœur de leurs programmes universitaires. Aux États-Unis, le National Research Council s’intéresse au sujet depuis huit ans. L’université Carnegie Mellon à Pittsburgh a un centre (Center for Computational Thinking) financé par Microsoft pour faire avancer la recherche informatique et la pensée computationnelle dans le but de contribuer à améliorer la société. En Suisse, l’EPFL (École Polytechnique fédérale de Lausanne) a créé dès 2013 un cours obligatoire pour tous les futurs ingénieurs. La National University de Singapour a rendu l’étude de la pensée computationnelle obligatoire, quelle que soit la matière étudiée.

En revanche, rien n’a encore été fait en matière de scenarii de formation continue pour les actifs. Cette compétence doit-elle être considérée comme un sujet transverse ou doit-elle s’ancrer à des domaines d’applications (la pensée computationnelle pour les professionnels du Marketing vs. la pensée computationnelle pour les professionnels de la Finance) ? Une première étape, ce sur quoi nous travaillons actuellement chez Coorpacademy, consiste déjà à définir comment il serait possible d’aider une personne à développer sa pensée computationnelle, c’est-à-dire définir quelles sont les connaissances théoriques et procédurales (le savoir-faire) qu’il est nécessaire d’intégrer et trouver les moyens de former à cette approche des actifs aux parcours professionnels très différents. Quoi qu’il en soit, pour développer cette nouvelle génération de compétences, les entreprises vont donc devoir placer la formation de leurs salariés au cœur de leurs priorités et proposer des programmes de formation en adéquation avec l’acquisition de ces nouvelles compétences.

Nous allons de plus en plus collaborer avec des intelligences artificielles. La pensée computationnelle va nous permettre de mieux les comprendre et mieux les utiliser !

Pour retrouver la tribune complète publiée sur le Journal du Net, c’est ici.

Voir l'étude de cas