Soutenance de thèse de Xiaodan Zeng

Résumé en français :

L’objectif de cette thèse est d’examiner les effets différenciés de feed-back numériques dans le cadre de la formation professionnelle selon deux dimensions clés : le contenu et la forme. Le contenu renvoie à la nature des informations fournies (par exemple, des explications ou des indices), tandis que la forme concerne la manière dont ces informations sont présentées, notamment la possibilité d’essais multiples ou non. En s’appuyant sur le modèle de Narciss (2008), ces deux dimensions sont supposées agir sur différents processus d’apprentissage : cognitifs, métacognitifs et motivationnels. Ce travail débute par une revue de la littérature et une méta-analyse en réseaux (article 1), qui permettent d’identifier les types de feed-back les plus efficaces. Les résultats mettent en évidence deux leviers prometteurs : les feed-back avec explications (contenu) et les essais multiples (forme). Trois études expérimentales sont ensuite menées pour explorer le rôle isolé ou combiné de ces deux dimensions de feed-back sur le sentiment d’auto-efficacité, l’autorégulation, la performance ainsi qu’utilité perçu des apprenants en contexte numérique. La première (article 2) montre que, si les explications seules peuvent parfois être contre-productives, leur combinaison avec les essais multiples améliore significativement l’auto-efficacité et l’autorégulation des apprenants. La deuxième étude (article 3) révèle que les feed-back avec explications ne sont bénéfiques que pour les apprenants disposant d’un haut niveau d’autorégulation. Enfin, la troisième étude (article 4) met en lumière un écart entre l’utilité perçue et l’efficacité réelle des feed-back : bien que les explications soient perçues comme plus utiles, c’est leur combinaison avec les essais multiples qui optimise réellement la performance. Ces résultats soulignent l’importance d’adapter les feed-back aux profils des apprenants et de concevoir des environnements numériques favorisant l’apprentissage autorégulé. La thèse propose ainsi des pistes concrètes pour améliorer la conception pédagogique des formations numériques en contexte professionnel.

Résumé en anglais :

This dissertation investigates how the design of digital feedback impacts learning in professional training contexts by deconstructing it into two key dimensions: content and presentation form. Content refers to the substance of the information provided (e.g., explanations or hints), while format relates to how that information is delivered, such as whether learners are allowed multiple attempts. Grounded in Narciss' (2008) integrative framework, this research explores how these dimensions interact to affect cognitive, metacognitive, and motivational outcomes. The investigation begins with a network meta-analysis (Article 1) that identified two highly effective strategies: providing Explanations (content) and using an Answer-Until-Correct (AUC) protocol (presentation form). Subsequently, three experimental studies were conducted to examine the individual, combined, and conditional effects of these two strategies on learners' self-efficacy, self-regulation, performance, and perceived usefulness. The findings reveal a complex and synergistic relationship. While Explanations alone sometimes failed to improve—or even hindered—learning, their combination with the AUC significantly enhanced self-efficacy and self-regulation (Article 2). Furthermore, the effectiveness of Explanations was shown to be contingent on the learner, benefiting only those with high self-regulation skills (Article 3). Critically, a significant disconnect emerged between learner perception and objective effectiveness: although learners consistently rated Explanations as the most useful feedback, it was the synergy between Explanations and AUC that uniquely improved learning performance (Article 4). Collectively, these results demonstrate that optimal feedback is not a matter of simply adding more information, but of carefully aligning feedback content with its presentation form. This work underscores the necessity of designing adaptive feedback systems tailored to individual learner characteristics and provides an evidence-based framework for creating more effective digital learning environments in professional training.

Direction de thèse :

M. Pascal PANSU, PU, Établissement de rattachement : Université Grenoble Alpes - Laboratoire de Recherche sur les Apprentissages en Contexte

Co-encadrant de thèse :

Mme. Salomé COJEAN, MCF, Établissement de rattachement : Université Grenoble Alpes - Laboratoire de Recherche sur les Apprentissages en Contexte

Composition du jury :

M. André TRICOT, Rapporteur, PU, Établissement de rattachement : Université Paul-Valéry Montpellier 3

Mme Gaëlle MOLINARI, Rapporteure, Associate Professor, Établissement de rattachement : Université de Genève

Mme Susanne NARCISS, Examinatrice, Full Professor, Établissement de rattachement : Technische Universität Dresden

M. Alain SOMAT, Examinateur, PU, Établissement de rattachement : Université  Rennes 2

M. Philippe DESSUS, Examinateur, PU, Établissement de rattachement : Université Grenoble Alpes

Invités :

Mme Marie CASTELLA, Ingénieure, Schneider Electric Industries