Learning from rediscovering system dynamics models
Cet article traite de l’apprentissage tiré de l’exploration des modèles de dynamique des systèmes. Dans cette discipline, la modélisation cherche à améliorer le jugement et la décision, mais la modélisation demande un temps important. Si bien les environnements interactifs d’apprentissage basés sur...
Guardat en:
| Autor principal: | |
|---|---|
| Format: | Article ou chapitre numérique |
| Idioma: | Français |
| Publicat: |
2009
|
| Matèries: | |
| Accés en línia: | Accès Université d'Orléans et IFPM Accès Université d'Orléans et IFPM |
| Sumari: | Cet article traite de l’apprentissage tiré de l’exploration des modèles de dynamique des systèmes. Dans cette discipline, la modélisation cherche à améliorer le jugement et la décision, mais la modélisation demande un temps important. Si bien les environnements interactifs d’apprentissage basés sur ces modèles permettent d’économiser du temps, il y a des doutes concernant la profondeur des apprentissages qu’ils permettent. Surgit la question d’un possible compromis entre ces deux positions qui permet d’atteindre des apprentissages profonds sans investir un temps important. Des exemples révélateurs de la discipline permettent d’identifier des activités-clé pour l’apprentissage. Sur cette base, une procédure structurée de « redécouverte guidée » est proposé comme compromis faisable et satisfaisant, permettant une exploration pertinente en posant des questions, en faisant des expériences afin d’obtenir des réponses et en les interprétant correctement. La procédure est présentée ensemble avec des propriétés fonctionnelles d’un « exploratoire systémique ». Ainsi, des non-spécialistes peuvent découvrir des « insights » concernant des situations complexes qui aident à améliorer les politiques de décision. |
|---|