Fundamental La Robiotiue Educationnelle PDF

Psychologie française 58 (2013) 17–40
Disponible en ligne sur www.sciencedirect.com
et également disponible sur www.em-consulte.com
Article original
La robotique éducationnelle : état des lieux et perspectives夽

Educational robotics: Survey and perspectives
I. Gaudiello 1, E. Zibetti 2,∗
EA 4004, laboratoire Chart-Lutin (cognition humaine et artificielle), EPHE Paris, Cité des sciences et de l’industrie, université Paris 8,
2, rue de la Liberté, 93526 Saint-Denis cedex 02, France
i n f o a r t i c l e r é s u m é
Historique de l’article : La relation dyadique entre progrès technologique et finalités édu-

Reçu le 5 octobre 2011 catives a récemment engendré un nouveau champ de recherche,
Accepté le 28 septembre 2012 à la croisée de la psychologie, des sciences de l’éducation et
de l’intelligence artificielle : la robotique éducationnelle (RE). Cet
Mots clés : article fournit un état de l’art critique sur la RE, ses origines et son
Robotique éducationnelle
positionnement au sein des technologies de l’information et de la
Kit robotique - TICE
communication pour l’enseignement (TICE). Il analyse les finali-
Innovation pédagogique
Transfert de compétences
tés éducatives atteignables en fonction du statu et des modalités
d’apprentissage spécifiques aux différents types de robot. Parmi
eux, une attention particulière est accordée aux kits robotiques.
L’accent est mis sur le potentiel pédagogique qu’ils offrent, notam-
ment en termes de transfert de compétences, et sur les limites à
dépasser pour relever le défi de leur intégration en milieu scolaire.
© 2012 Publié par Elsevier Masson SAS pour la Société française
de psychologie.
a b s t r a c t
Keywords: The dyadic relation between technological progress and educatio-

Educational robotics nal objectives has recently engendered a new field of research at
Robotic kit-ICTE the crossroads of psychology, science education and artificial intel-
Pedagogical innovation
ligence: Educational Robotics (ER). This article provides a critical
Competences transfer
state of the art about ER, its origins and its position in the world of
ICTE. It analyzes the educational goals that are achievable according
夽 Ce manuscrit n’a pas été antérieurement publié ni a été soumis simultanément pour publication dans une autre revue.
∗ Auteur correspondant.
Adresse e-mail : ezibetti@univ-paris8.fr (E. Zibetti).
1
Doctorante Université Paris VIII.
2
Maître de Conférences Université Paris VIII.
0033-2984/$ – see front matter © 2012 Publié par Elsevier Masson SAS pour la Société française de psychologie.
http://dx.doi.org/10.1016/j.psfr.2012.09.006
18 I. Gaudiello, E. Zibetti / Psychologie française 58 (2013) 17–40
to the status and the specific learning modalities of the different

types of robot. Among these different types, a special attention
is paid to the robotics kits. Emphasis is given on the educational
potential they offer, especially in terms of competences transfer,
and on the limits to be overcome in order to meet the challenge of
their integration in the school programs.
© 2012 Published by Elsevier Masson SAS on behalf of Société
française de psychologie.
La robolution n’est pas une figure de style ni un lifting marketing. C’est un nouveau prisme de lecture
des sciences et de techniques. Cette robolution engendre tellement de bouleversements dans notre
quotidien qu’il est capital d’adopter une démarche pédagogique à côté de celle économique. (. . .) La
plupart de robots sont des produits nouveaux dont la valeur perçue est souvent bien supérieure à la
valeur réelle. (. . .)
B. Bonnel, Viva la Robolution (2010), 279–284.
1. Introduction
Depuis les années 1980, la démocratisation de la technologie dans les sphères du travail, de
l’éducation et dans le domaine ludique a ouvert la voie à des nouveaux modes d’apprentissage.
À l’aube de l’introduction des ordinateurs dans nos sociétés, Seymour Papert et Cynthia Solomon
publient « Vingt choses à faire avec un ordinateur »3 . Ces auteurs constatent que, lorsque les individus
sont interrogés sur leur vision des ordinateurs dans l’éducation, ils évoquent des représentations assez
diverses. Certains évoquent l’utilisation de l’ordinateur pour « programmer » les jeunes élèves, d’autres
l’engagement des élèves pour programmer l’ordinateur.
En ce début de siècle, une nouvelle révolution technologique s’impose et marque ce qu’on appelle
déjà l’ère du robot. L’utilisation de la robotique est encouragée dans plusieurs domaines du quotidien,
dont le milieu éducatif (Bonnel, 2010). Il convient de considérer avec prudence les promesses d’une
révolution qui pourrait paraître dictée par le développement industriel et le progrès technologique plus
que par des finalités éducatives spécifiques. C’est pourquoi il reste indispensable de dessiner des usages
et des applications constructives pour son intégration dans le système éducatif. D’où l’émergence d’un
champ d’étude spécifique : la robotique éducationnelle (RE). Elle vise à introduire au sein de l’école
une gamme technologique d’intelligences artificielles incarnées (robots humanoïdes, animats4 , robots
évolutifs, kits robotiques). Son but est de favoriser et renouveler l’enseignement du côté des éduca-
teurs et l’apprentissage du côté des élèves (Denis & Baron, 1994). Au bout de 30 ans, les temps sont
matures pour commencer à dresser les contours de ce nouveau champ de recherche et à réfléchir aux
« Vingt choses à faire avec un robot », en particulier avec un robot éducatif. Cet article vise donc à donner
un aperçu de la nature de la RE, en passant par une série de questions : les robots sont-ils des outils
techno-pédagogiques comme des autres ou présentent-ils des caractéristiques particulières par rap-
port aux technologies implémentées auparavant (Druin & Hendler, 2000) ? La technologie robotique
en soi peut-elle avoir un impact sur le développement des compétences chez les élèves ou y a-t-il
des « customisations » à apporter en ce qui concerne les démarches pédagogiques en œuvre (Bottino &
Chiappini, 2002) ? Dès lors, pour faire de cette nouvelle technologie un outil techno-pédagogique
efficace pour l’apprentissage, n’est-il pas nécessaire de se pencher attentivement sur les finalités
éducatives5 que l’on souhaite atteindre grâce aux spécificités de cette nouvelle technologie (Resnick
& Wilensky, 1993) ? Et enfin, ne faut-il pas trouver des critères d’évaluation appropriés (Nourbakhsh,
Hamner, Dunlavey, Bernstein & Crowley, 2005) ?
3
Twenty things to do with a computer, Papert & Solomon (1972).
4
Le terme « animat » a été introduit par Wilson (1985). Un animat est un animal simulé ou un robot dont la structure et les
fonctionnalités sont inspiré des modèles biologiques actuels.
5
L’expression “finalités éducatives” demeure sans doute assez approximative. Les questions posées à ce sujet par Resnick &
Wilensky (1993) nous aident à mieux spécifier le sens de cette expression : « Quel type d’apprentissage peut être nourri dans un
environnement pédagogique basé sur la construction, la programmation et le contrôle des robots ? Quels sens et quels concepts
peuvent être appréhendés dans ce contexte ? ».
I. Gaudiello, E. Zibetti / Psychologie française 58 (2013) 17–40 19
Ces questions sont cruciales pour définir le rôle de la robotique dans l’univers éducatif et envisager
son développement. Afin d’y répondre, nous serons amenés à décrire dans un premier temps les
origines historiques de la RE et son positionnement au sein des technologies de l’information et de la
communication pour l’enseignement (TICE) pour clarifier son implication dans la pédagogie (Chapitre
2). Dans un deuxième temps, on examinera un type particulier de robot éducatif : le kit robotique.
Les théories, approches, scénarisations et les premiers résultats qui concernent l’application de ce
dispositif technologique dans des contextes scolaires et parascolaires seront résumés (Chapitre 3).
Cela permettra d’identifier les sujets clé du débat autour de son implémentation en milieu éducatif,
ses atouts, notamment sur le thème crucial du transfert. Les contraintes, la redéfinition des objectifs
pédagogiques et les méthodes d’évaluation seront également examinées (Chapitre 4).
Cela nous conduira à un premier bilan des bénéfices attendus et des risques potentiels sur la base
des espoirs et des préoccupations soulevés par la communauté des enseignants et des chercheurs
(Chapitre 5). Enfin, nous conclurons sur les aspects à prendre en compte pour un développement des
technologies robotiques, dont les effets sur l’apprentissage soient profitables au-delà de l’engagement
à court terme de l’élève provoqué par la nouveauté de l’outil (Chapitre 6).
2. Origines, positionnement et implications pédagogiques d’un champ de recherche

émergent
La RE naît à une période où l’écart séparant la jeune génération d’utilisateurs des technologies
« digital natifs » et la génération précédente « digital immigrants » devient manifeste en termes de
maîtrise de ces technologies et de façon de penser (Prensky, 2001). Cet écart techno-générationnel
débouche dans le domaine de l’éducation sur des avis partagés. Le clivage passe par l’intégration des
robots éducatifs dans les programmes scolaires de sciences et technologie, ou au contraire par le fait
de les cantonner à des activités parascolaires (Arroyo, Arroyo & Schwaartz, 2003). Certes, la question
d’une éducation aux technologies n’est pas nouvelle, mais celle d’une éducation à ce type spécifique
de technologie – la robotique – l’est suffisamment pour exiger des clarifications initiales.
En effet, tout en étant « encore à ses balbutiements » (Mataric, 2004), la RE présente déjà trois
caractéristiques saillantes :
• un héritage pluridisciplinaire ;
• un positionnement spécifique du robot éducatif parmi les TICE ;
• des combinaisons diverses hardware-software qui engendrent différentes exploitations didactiques.
Afin de mieux saisir l’identité de la robotique éducative et la situer par rapport au passé et au présent
de l’éducation numérique, nous allons donc aborder ces trois caractéristiques dans les chapitres qui
suivent.
2.1. Un héritage pluridisciplinaire
Un bilan des recherches réalisées en RE montre que ce champ de recherche est au carrefour de
plusieurs disciplines des sciences cognitives : la psychologie, les sciences de l’éducation et l’intelligence
artificielle (IA).
Pour commencer, les études fondamentales de la psychologie cognitive sur l’acquisition du
raisonnement abstrait chez l’enfant (Piaget, 1952), sur l’apprentissage intrinsèquement versus extrin-
sèquement motivé (Lepper & Henderlong, 2000), sur les stratégies de résolution de problème chez les
novices et les experts (Polya, 2007), et sur la métacognition (Gagné, Leblanc & Rousseau, 2009) sont
incontournables si l’on veut mettre en évidence les processus mentaux sous-jacents à l’utilisation
d’une nouvelle technologie et en étudier les apports en termes d’apprentissage (Andler & Guerry,
2008).
Les sciences de l’éducation constituent le deuxième domaine disciplinaire sur lequel s’appuie la RE.
En tant que champ dédié à rendre opérationnels les résultats théoriques sur les mécanismes cognitifs à
l’œuvre pendant l’apprentissage (Meltzoff, Kuhl, Movellan & Sejnowski, 2009), il fournit un répertoire
d’études de cas qui rend compte des pratiques pédagogiques courantes (Bru & Donnay, 2002), des
conditions de la réussite scolaire avec son effet sur le life-long learning (voir OECD (2010)6 , PISA7 2009
Results) et des directives pour l’amélioration du système éducatif (Vosniadou, 2001).
Le troisième domaine sur lequel s’appuie la RE est celui de l’IA (Heudin, 1994), plus récemment
déployée comme informatique cognitive (Wang et al., 2010). Ces dernières années, ce domaine de
recherche s’est lancé des défis importants, aboutissant à l’application de l’IA dans des robots aux
aspects, aux fonctionnalités et aux usages variés. Dans cette logique, la RE confronte les jeunes élèves
au défi d’approcher des entités – les robots – qui brouillent la limite entre « vivant » et « non-vivant »,
d’explorer de nouveaux modes d’interaction avec celles-ci par des application programming interface
(API) (Turkle, 1995) et d’en contrôler le comportement (Martin, Mikhak, Resnick, Silverman & Berg,
2000).
Au fur et à mesure que la robotique gagne du terrain dans le domaine scolaire et parascolaire et que
les études de cas se multiplient, ces héritages disciplinaires débouchent sur une analyse qui permet de
situer les robots éducatifs par rapport aux TICE qui les ont précédés. Intégrant les considérations théo-
riques développées lors de l’implémentation des ordinateurs dans les écoles, la robotique éducative
attribue un statut et des modalités d’apprentissage spécifiques à ces nouveaux dispositifs éducatifs.
2.2. Le robot éducatif : une technologie de l’information et de la communication pour l’enseignement

comme une autre ?
Dans les 20 dernières années, différents types de technologies ayant des finalités éducatives
diverses ont fait leur apparition. Les logiciels éducatifs, par exemple, visent un apprentissage interactif
(de Vries, 2001). Le e-learning, l’apprentissage à distance (Rosenberg, 2001) et le cartable électronique
(Tijus, Poitrenaud, Bouchon-Meunier & De Vulpillières, 2006) permettent des parcours pédagogiques
personnalisés. L’ensemble des savoirs et des réflexions critiques sur l’assimilation de ces TICE au sein
des environnements scolaires donne lieu à de nombreuses interrogations. Par exemple, « Quel est le
rôle des médias dans l’éducation ? Quel est le rôle de l’ordinateur parmi ces médias ? ». À ces questions
on rajoute, suite à la naissance de la RE, des interrogations ultérieures : en quoi le robot ressemble-t-il
à ses prédécesseurs, par exemple l’ordinateur ? En quoi s’en différencie-t-il ?
Pour commencer, deux caractéristiques peuvent faire l’objet d’une comparaison entre ordinateur
et robot : le statut et les modalités d’apprentissage.
En ce qui concerne le statut, l’ordinateur présente une double singularité : c’est une machine que
l’on peut aborder en tant qu’objet et en tant que TICE (Andler & Guerry, 2008). En tant que TICE, il
représente une ressource pour l’innovation pédagogique et se décline en médium, matière et outil
de production (Baron & Bruillard, 1996). À travers le médium, les élèves approchent des logiciels qui
sont conçus pour instrumenter les activités d’enseignement et permettre l’acquisition des nouvelles
connaissances. L’acception de matière fait plutôt appel à la fonctionnalité de gestion et traitement
d’information spécifique à un certain domaine. Enfin, l’ordinateur comme outil de production sert à
l’élaboration de textes et des calculs. Cette distinction est également applicable au statut du robot.
Le robot se situe entre un objet (c.-à-d., un dispositif technologique à construire et programmer)
et un outil éducationnel par le quel concrétiser et transmettre des contenus d’apprentissage et des
savoirs faire (Ionita & Ionita, 2007). En RE, l’aspect d’outil éducationnel s’additionne à celui d’objet, la
différentiant en cela de l’éducation à la robotique dont le but éducationnel est uniquement l’étude du
robot en tant qu’objet (son assemblage et son fonctionnement) (Mikropoulos & Bellou, 2006).
En ce qui concerne les modalités d’apprentissage, en interaction avec l’ordinateur, les élèves
peuvent apprendre « via » (from) ou « avec » (with). Dans le premier cas, la technologie sert à augmen-
ter les connaissances des élèves. C’est le cas des logiciels éducationnels qui visent la compréhension
des concepts scientifiques et mathématiques (Bottino & Chiappini, 2002). Dans le deuxième cas, la
6
Organisation for Economic Co-operation and Development. Source : « The OECD’s Online Library of Statistical Databases,
Books and Periodicals », http://www.oecd-ilibrary.org/.
7
PISA : Programme for International Student Assessment, enquête internationale, mise en place par l’OCDE, évaluant les
performances des élèves de 15 ans.
technologie peut être appliquée à une variété de buts dans le processus d’apprentissage8 et servir
de ressource pour aider à développer une pensée d’ordre supérieur (Ringstaff & Kelley, 2002). C’est
le cas de certains logiciels éducationnels, qui visent le développement de compétences métacogni-
tives (Zibetti, Chevalier, & Eyraud, 2011), ou d’autres encore qui visent à favoriser la motivation et
l’engagement des élèves (Prensky, 2005). De la même façon, le potentiel pédagogique des robots édu-
catifs est étroitement lié aux modalités d’apprentissage permises par un type spécifique de robot.
En se penchant sur la littérature en RE, on distingue trois modalités d’apprentissage qui peuvent en
être dégagées (Tejada et al., 2006). La première est celle de l’apprentissage de la robotique, à travers
laquelle le robot est utilisé comme plateforme d’exercice de mécanique, électronique, informatique
(Alimisis, 2009). La deuxième consiste en l’apprentissage avec la robotique, notamment les compa-
gnons robotiques (e.g., le robot Roboovie) qui se situent « au même niveau » que l’élève, et qui donc
apprennent en même temps que lui. Par exemple, l’enfant, en interagissant avec le robot, apprend et
fait apprendre au robot du vocabulaire d’une langue étrangère (Kanda, Hirano, Eaton & Ishiguro, 2004).
La troisième est celle de l’apprentissage par la robotique, comme dans le cas des robots-assistants à
l’enseignement (e.g., le robot Irobi) qui exploitent des dispositifs de projection, d’interaction verbale,
etc., à l’instar d’un support de scénarisation multimodal des leçons à l’usage de l’enseignant (Hyun,
Kim, Jang & Park, 2008).
À l’issue de cette comparaison entre ordinateur et robot comme TICE, il convient de mettre en
évidence deux spécificités du robot. La première est que le robot se distingue par sa nature d’objet réel
et systémique qui s’oppose à celle d’artefact virtuel et intégré caractérisant le logiciel éducationnel sur
l’ordinateur (Hsu, Chou, Chen, Wang & Chan, 2007). En tant qu’ensemble mécanique et électronique, le
robot est un dispositif contrôlable par l’ordinateur (d’où le système ordinateur-robot) avec différents
degrés de transparence (i.e., programmabilité) et interactivité (i.e., délai de feed-back) (Gaudiello,
Zibetti & Pinaud, 2012). La seconde spécificité est sa disposition à pouvoir combiner l’apprentissage
de la robotique et par la robotique : outre la maîtrise de l’objet technologique en soit, l’implémentation
des robots comme objets et outil éducatifs propose la possibilité de donner un habillage tangible aux
contenus et aux exercices scolaires. Par conséquent, ses finalités éducatives sont davantage tributaires
de la structure hardware et software des différentes typologies de robots.
2.3. Les finalités éducatives servies par la typologie hardware/software du robot
Plusieurs programmes de recherche et groupes de réflexion ont été mis sur pied au plan national
(e.g., RASPO9 ; COMPAS10 ) et international (voir les rapports de Frangou et al., 2008) pour développer
de nouveaux usages des technologies robotiques et les intégrer au domaine de l’éducation.
Aujourd’hui, on observe que la structure hardware/software du robot est le pivot autour duquel
s’articulent le statut, les modalités d’apprentissage, et les finalités éducatives (Tableau 1).
Par exemple, dans le cas des robots humanoïdes, l’accent est plutôt mis sur l’aspect hardware.
La physionomie humaine de ces robots (e.g., Qrio, Rubi, Roobovie, Nao, Roboto, Asimo, ICube, etc.)
a pour finalité de provoquer des réactions empathiques et de créer des interactions cognitives et
sociales, supposées favoriser les apprentissages scolaires (Chang, Lee, Chao, Wang & Chen, 2010). En
ce qui concerne les animats ou robots-animaux aussi (Aibo, Furby, etc.) c’est l’aspect hardware qui
est privilégié, à fin d’étudier la différence entre les schémas d’interaction humaine avec les animaux
vivants et avec les animats (Kerepesia, Kubinyib, Jonssonc, Magnussonc & Miklósib, 2006). Ces deux
types de robots (humanoïde et animat) se caractérisent généralement par un statut de technologie
interactive mais « pas transparente » ou « black box » (Kynigos, 2008), c’est-à-dire hermétiques à la
programmation de leur comportement par l’élève. Dans cette première catégorie de robots les aspects
software ne jouent qu’un rôle secondaire dans l’apprentissage.
En revanche, l’attention accordée à l’aspect software a su engendrer la production de langages de
programmation de haut niveau (Logo, Alice, etc.) spécifiquement conçus pour faire réaliser aux élèves
8
En général l’apprentissage peut être conçu en termes d’acquisition de connaissances, de compétences et d’habilités (Hoskins
& Fredriksson, 2008).Voir Chapitre 4 pour approfondissement.
9
RASPO : http://www.capdigital.com/projet-raspo/.
10
COMPAS : http://compas.risc.cnrs.fr/.
Tableau 1
Types et fonctions des robots en relation avec leurs statuts, finalités éducatives et modalités d’apprentissage en éducation à la
robotique et robotique éducationnelle.
Types and functions of robots along with their status, educational objectives and learning modalities in robotics education and in
educational robotics.
Type de robot Fonction du robot Statut Modalité Finalité éducative

d’apprentissage
Éducation à la robotique
Robot mobile (e.g. Plateforme de Maîtrise des
Khepera) construction et mécanismes de
programmation contrôle
Bras robotique (e.g. Lynx Plateforme de Maîtrise des
Arm) construction et mécanismes de
programmation contrôle
Robot Plateforme de Objet De Conception d’artefacts
auto-reconfigurables programmation intelligents
(e.g. Hydra) par la construction
(« program by
building »)
Robot adaptatif (e.g. Plateforme de test Études sur la robotique
Psikharpax) des hypothèses de biomimétique
recherche
Animat (e.g. Furby) Robot domestique Apprentissage ludique
de la robotique
Robotique Éducationnelle
Humanoïde (e.g. Compagnon Outil Avec Co-apprentissage,
Roboovie, Nao) apprentissage des
Animat (e.g. Pleo) langues étrangères,
remédiation.
Humanoïde (e.g. Irobi) Assistant à Outil Par Apprentissage
l’enseignement multimodale
Kit Robotique (e.g. Lego Matériel de Objet & outil De & par Apprentissage de
Mindstrom NXT) scénarisation compétences
cognitives et
métacognitives
des tâches de dessin ou des déplacements de robots virtuels sur l’écran mais adaptables également à
des robots réels (Scratch, Roboprog, etc.). La finalité éducative de ce type de technologie est essentiel-
lement l’enseignement de la programmation et l’explication des notions de mathématiques (Conway,
Pausch, Gossweiler & Burnette, 1994 ; Resnick et al., 2009).
Enfin, un secteur spécifique est celui des kits robotiques assemblables et programmables comme
Lego Mindstorm RCX – et son successeur NXT – Lego WeDo, Pico Cricket, Roboloid Fischertechnik,
K’NEX, etc. Cette dernière typologie de robots, contrairement aux deux précédemment décrites, pré-
sente à la fois de vastes possibilités de construction et de programmation. Il se caractérise donc à la
fois comme une technologie interactive et transparente. Une telle combinaison semble favoriser une
approche éducative au profit de l’élève. C’est la philosophie de « playing piano, not stereos » (Resnick,
Martin, Sargent & Silverman, 1996) qui donne à l’élève l’occasion de devenir auteur plutôt que consom-
mateur de technologie, et qui introduit la différence cruciale entre « robots à utiliser » et « robots avec
lesquels penser ».
Pour cette raison le kit robotique est de plus en plus perçu dans la communauté des chercheurs et
des éducateurs comme un atout pour l’éducation et un moyen de sensibilisation aux futurs scénarios
d’apprentissage (Papert, 2000).
Cette liste de robots éducatifs n’a pas la prétention d’être exhaustive. L’exhaustivité est dif-
ficile à cause de l’évolution rapide des technologies. Pire, une telle liste risque de tomber dans
le piège du « catalogue de vente » pointé par de Vries (2001). Autrement dit, une classification
des technologies éducatives basée uniquement sur les caractéristiques hardware-software risque
de sous-estimer la nature intrinsèquement dyadique de la relation entre finalités éducatives et
technologies éducatives. Si l’utilisation des technologies éducatives peut préfigurer de nouvelles

fonctions à inclure dans la technologie, ces nouvelles fonctions peuvent faire évoluer les modèles
des pratiques et renouveler à leur tour les finalités éducatives qui ont inspiré la construction de la
technologie elle-même. Par exemple, une première réflexion sur les « Vingt choses à faire avec un
robot éducatif » par Resnick et al. (1996) a abouti à une liste de 20 idées d’activités à expérimenter
avec les kits robotiques Lego (voir Annexe dans Resnick et al., 1996). Dans cette optique, nous
engageons une réflexion critique sur un type de robotique spécifique où la relation dyadique entre
technologie et finalités éducatives est équilibrée. Cette technologie est le kit robotique assemblable et
programmable.
3. Focus sur les kits robotiques pour l’apprentissage : dès théories aux premiers résultats
Les kits robotiques se prêtent au développement d’un large éventail d’activités éducatives. Pour
cette raison la définition d’ « outil-caméléon » attribuée aux technologies éducatives au sens large
(Strommen & Lincoln, 1992) semble particulièrement leur convenir. La dimension « low floor, high
ceiling and wide walls » (Papert, 1981) de ces dispositifs permettrait aux enseignants et aux élèves
d’avoir une approche simplifiée de la robotique (« low floor »), de réaliser des projets de plus en plus
complexes et diversifiés (« high ceiling »), afin de motiver les élèves aux styles d’apprentissage diffé-
rents (« wide walls »). Dès les années 1980, les pratiques éducationnelles ont proposé l’encadrement
d’activités d’apprentissage attrayantes pour les élèves, dont l’un des atouts majeurs réside dans le
fait que l’élève est incité à donner une forme (par la construction) puis un comportement (par la
programmation) à un objet de sa propre création. Par conséquent, la rencontre avec le kit robotique,
selon Ackermann (1991), permettrait à l’élève d’endosser le rôle d’« ingénieur » et de « psychologue »
en même temps. Il devient auteur de technologie et s’interroge sur la nature de l’objet auquel il fait face
(son « intelligence », ses possibilités de comportements, etc.). Cette vision est résumée par le célèbre
slogan de Resnick et al. (1996), « les choses qui pensent sont plus intéressantes quand elles agissent
également comme des choses avec lesquelles penser »11 .
La robotique devient alors un moyen séduisant de mettre en pratique des notions didactiques
(Goldman, Eguchi & Sklar, 2004 ; Kröse, Bogaard & Hietbrink, 2000) dont la scénarisation repose sur
des bases théoriques qui légitiment la mise en œuvre de certaines approches spécifiques, abordées
dans la section suivante.
3.1. Les kits de robotiques : théories, approches et scénarisations
Chaque innovation technologique s’accompagne de l’élaboration d’un appareillage théorique

(Salomon & Perkins, 1996). Dès sa naissance, la RE tend à établir un passage de l’instructionnisme12
au constructionnisme (Papert, 1980). D’où, l’élaboration du constructivisme guidé (Lund & Pagliarini,
2000), qui établit le cadre épistémologique de la RE (Ackermann, 2001 ; Alimisis & Kynigos, 2009).
Issue des théories pédagogiques de tradition plus ancienne – comme le constructivisme de Kelly
(1955) et de Piaget (1972) – le constructionnisme et le constructivisme guidé soulignent le fait
que l’acquisition de connaissances n’est pas une simple question de transmission, d’internalisation
ou d’accumulation de savoirs, mais plutôt une question d’engagement actif de l’apprenant dans la
construction des connaissances à partir de l’expérience concrète et des informations fournies par
l’enseignant (Salomon & Perkins, 1996).
De ce point de vue, les activités pédagogiques de la RE sont porteuses d’une action organisatrice
grâce à la quelle les élèves externalisent les connaissances activement construites à l’appui d’un objet
concret – le robot – et tissent des liens personnels et épistémologiques avec d’autres connaissances
dans d’autres domaines (Papert, 2000).
11
“Things that think are more interesting when they also act as things to think with” (Resnick et al., 1996).
12
L’instructionnisme renvoie à des pratiques qui sont axées sur l’enseignant, fondées sur les compétences, orientées vers le
produit, non interactives et très prescriptives (Johnson, 2005).
Aujourd’hui, les nombreuses applications des kits éducatifs dans le milieu scolaire ont permis
le développement du noyau théorique constructiviste fournissant des indications concrètes pour
faire évoluer les théories éducatives (Catlin & Blamires, 2010). Ces principes ont l’objectif de définir
l’adaptabilité des kits robotique aux différentes contextes éducatifs en termes :
• d’environnement culturel : principes d’apprentissage durable et de pertinence vis à vis du curriculum

• de type de robot : principes d’intelligence, interaction et embodiment ;
• de rôle de l’enseignant : principes pédagogique, de la méthode et de la pratique et ;
• de l’élève : principes de personnalisation, équité, engagement.
Les approches du serious game ou edutainment (Van Eck, 2010), du teaching by design (Dick, Carey &
Carey, 2004), de la pédagogie du projet ou project based learning (Huber, 1999), de l’apprentissage par
problèmes ou problem based learning (Kiili, 2007) et le learning by doing (Schank, Berman & Macpherson,
1999) qui contribuent à la création d’un environnement éducatif immersif ont inspiré le développe-
ment de la RE. Dans la lignée de cette littérature, la RE kit est souvent présentée comme une alternative
aux méthodes traditionnelles. Elle est susceptible d’exploiter des matériaux similaires à ceux que les
élèves ont dans leur coffres à jouets à la maison – les briques Lego® (serious game), de customiser des
outils éducatifs (teaching by design) et de prendre en charge des activités (project based learning), dans
des projets où l’apprentissage est guidé par la résolution de problèmes (problem based learning) tout
en découvrant et en s’appropriant de la théorie dans la pratique (learning by doing).
De ces approches, l’apprentissage par la résolution de problèmes est aujourd’hui la plus diffusée
pour scénariser les activités en RE kit. Elle permet une organisation pratique des séances didactiques
par unités13 ayant un déroulement et un objectif déterminé, tout en impliquant l’élève dans une
procédure de résolution ouverte (open-ended activity) (Barak & Zadok, 2009).
Dans l’une des initiatives les plus riches proposées à ce jour, qui emploie des kits robotiques
(Terecop14 ), une organisation praxéologique est justement suggérée pour articuler les problèmes dans
une succession allant des problèmes de la même classe de comportement des robots, aux problèmes
d’une nouvelle classe de comportement des robots, jusqu’aux problèmes de comportement condition-
nel (ou adaptés au contexte). Selon les auteurs de cette initiative, un enseignement, qui emploie des
kits robotiques devrait inclure la résolution par les élèves d’une série de problèmes qui se référent
à une classe de comportement du robot, ainsi que le transfert des compétences de résolution à une
nouvelle classe de comportement.
Ce corpus de théories, approches et scénarisations débouche sur un ensemble d’étude appliquées
qui peuvent commencer à être systématisées en termes de types d’activité, finalités éducatives,
mesures d’évaluation et résultats obtenus au sein de trois contextes éducatifs : scolaire, parascolaire,
et formation des enseignants (Tableau 2a à c).
3.2. L’implémentation scolaire et parascolaire des kits robotiques
Un bilan des travaux actuels révèle que cette technologie éducative est majoritairement employée
pour accompagner l’apprentissage de la robotique plus que comme outil techno-pédagogique ouvrant
à de nouvelles formes d’apprentissage. Les robots sont exploités comme plateformes de construction
et programmation finalisées à la maîtrise des technologies de contrôle – la réalisation de mécanismes
d’ouverture et fermeture - e.g. le robot Lego (Mioduser, Venezky & Gong, 1996) – la création des
13
L’analyse de la littérature révèle la présence de schémas chronologiques qui découpent les phases d’activités de la robotique
de façon à les rendre planifiables pour les enseignants et analysables par les chercheurs lors de leur conception et évaluation.
Barker & Ansorge (2007), par exemple, proposent d’articuler les activités en cinq phases : (1) l’expérience, c.-à-d. la réalisation
de l’activité, (2) le partage des réactions et des observations dans un contexte social, (3) le processus, c.-à-d. l’analyse et la
réflexion sur la réalisation de l’activité, (4) la généralisation de ce qui a été appris à des situations nouvelles, et (5) son application
réitérée dans des situations semblables ou différentes. De même, Frangou et al. (2008) distinguent cinq étapes successives :
l’engagement, l’exploration, l’enquête, la création, et l’évaluation (Frangou et al., 2008). Enfin, Atmatzidou et al. décrivent six
phases de formation suivie d’une phase de défi (Atmatzidou, Markelis, & Demetriadis, 2008).
14
TERECoP : http://www.terecop.eu/.
Tableau 2a
Types d’activités scolaires et de finalités éducatives en correspondance avec leurs méthodes d’évaluation et résultats obtenus.
Types of curricular activities and of educational objectives with relation to evaluation methods and obtained results.
Activité Finalité éducative Évaluation Résultats obtenus Référence
Conception, Compréhension du Qualitative : Mise en évidence Mioduser, Venezky,

construction et flux d’informations analyse des plans d’une & Gong, 1996
programmation au sein du système dessinés et des compréhension
de mécanismes modèles construits progressive de la
automatisés causalité des
mécanismes :
quatre types de
modèles mentaux
(black box, reactive,
switch, control).
Conception, Compréhension et Qualitative : Amélioration dans Rogers &
construction et rédaction de textes analyse des logs les matières Portsmore, 2004
programmation Compréhension de pour observer la littéraires
(tâches littéraires concepts de complexification Meilleure
et scientifiques) sciences et de la conception et compréhension des
ingégnerie l’application des concepts
concepts de scientifiques
sciences et abstraits et
ingénierie appliqués
Construction et Quantifier l’impact Qualitative : Amélioration dans Hussain, Lindh, &
programmation de la robotique observations et l’apprentissage des Shukur, 2006
(résolution de éducative sur la entretiens mathématiques
problèmes capacité de Quantitative : pré mais pas
mathématiques à résolution de et post-test d’amélioration
l’appui du robot problèmes (mathématiques et significative dans la
versus résolution mathématiques et résolution de procédure de
de problèmes sur l’attitude des problèmes) résolution de
mathématiques élèves vers les problèmes
sans robots) robots Mise en évidence
de différentes
styles
d’apprentissage
(erreurs et
tentative,
coopération,
expertise)
Construction et Observer quelle Qualitatives : L’usage des Chambers,
programmation typologie de analyse des projets, diagrammes Carbonaro, & Rex,
de véhicules scaffolding révèle le cahiers et vidéos améliore la 2007
robotiques développement des capacité de
capacités de résolution de
résolution de problèmes et
problèmes permet à
l’enseignant
d’observer le
développement des
capacités de
l’enfant
Conception, Quantifier l’impact Quantitative : Impact positif sur Ahlgren & Verner,
construction et de la robotique sur questionnaires sur la motivation 2003
programmation la motivation et sur la motivation et sur Amélioration des
pour compétition les capacités en 17 domaines de compétences en
robotique ingénierie l’ingénierie électroniques
interne Peu d’amélioration
en programmation,
mécanique,
physique
Tableau 2b
Types d’activités parascolaires et finalités éducatives en correspondance avec leurs méthodes d’évaluation et résultats obtenus.
Types of extra-curricular activities and of educational objectives with relation to evaluation methods and obtained results.
Activité Finalité éducative Évaluation Résultats obtenus Référence
Conception, construction Acquisition du Quantitatives : Application Sullivan, 2008

et programmation raisonnement analyse de vidéos ; concrète du
(vacances éducatives) scientifique pré- et post-test raisonnement
sur l’acquisition du scientifique acquis
raisonnement
scientifique
Construction et Quantifier l’impact Quantitatives : pré- Meilleurs résultats Nugent, Barker,
programmation pour de formations et post-test sur les aux post-tests pour Grandgenett, &
activités STEM (longue robotiques de contenus de les enfants du Adamchuck, 2010
durée versus courte différentes durées l’apprentissage et groupe longue
durée versus aucune sur l’acquisition de l’attitude vers le durée
formation) (vacances compétences STEM robot
éducatives)
Conception, Construction Combiner Qualitative : Mise en évidence Eguchi & Uribe,
et Programmation pour l’approche IBL et la observations et des différents type 2012
des compétitions dans robotique analyse du cahier d’acquis (le ratio
un cadre Inquiry Based éducationnelle des activités distance/temps ;
Learning (IBL) (activités robotiques les opérateurs du
parascolaires) flux d’information,
le travail de
groupe)
Construction and Vérifier l’impact de Quantitative : pré- Amélioration des Barker & Ansorge,
programmation la robotique sur et post-test sur les compétences SET. 2007
(activités parascolaires) l’apprentissage des connaissances en Les outils
disciplines SET et la sciences, d’évaluation sont
validité des outils ingénierie, valides mais pas
d’évaluation technologie généralisables en
employés dehors de cette
étude
Programmation dans un Étudier les Quantitative : Identification de Gaudiello & Zibetti,
cadre IBL (ateliers du heuristiques de grille trois heuristiques : accepté
musée des sciences) contrôle d’observation : procédurale,
actions, déclarative et
interactions, métacognitive.
verbalisations
Conception, construction Apprentissage de la Qualitative : Amélioration de Petre & Price, 2004
et programmation programmation et entretiens et vidéos l’apprentissage en
(Compétition RoboCup des principes de électronique, en
Junior et Robo Festa) l’ingénierie programmation et
du travail en
groupe
Conception, construction Étudier la valeur Qualitative : Amélioration de Sklar, Eguchi, &
et programmation éducative de la entretiens avec les 12 compétences Johnson, 2003
(Compétition RoboCup RoboCup Junior enseignants scolaires et
Junior) personnelles (i.e.,
confiance en soi.)
nouveaux artefacts intelligents15 – e.g., le robot Hydra (Lund & Nielsen, 2003) – et la modélisation
des comportements biomimétiques – e.g., le robot Psikharpax (Meyer et al., 2005). Ce n’est que très
récemment que la pratique pédagogique basée sur l’apprentissage de la robotique et par la robotique
(voir Chap. 1.2 – Tableau 1) est venue enrichir ce contexte éducatif (Shin & Kim, 2007 ; Gaudiello, Tijus
& Zibetti, 2011).
15
Dans le projet Hydra un exemple d’artefact intelligent est le robot modulaire réalisé à travers une procédure pionnière de «
program by building », où l’assemblage des différents modules correspond à la programmation même du robot (Lund & Nielsen,
2003).
Tableau 2c
Types d’activités pour la formation initiale et continue des enseignants et finalités éducatives en correspondance avec leurs
méthodes d’évaluation et résultats obtenus.
Types of activities for pre-service and in-service teachers’ education along with the educational objectives, the evaluation methods
and the obtained results.
Activité Finalité éducative Evaluation Résultats obtenus Référence
Conception, construction Appliquer les Qualitative : Les enseignants Bers, Ponte, Juelich
et programmation principes du cahiers, dessins, semblent prêts à Viera, & Schenker,
(formation initiale) constructivisme à photos, prendre en charge 2002
l’école présentations lors la conception des
de activités.
l’implémentation Les enfants
au sein de l’école maîtrisent de la
technologie et
acquièrent
confiance en soi
Conception, Construction Développer une Qualitative : Les activités Frangou et al., 2008
et Programmation de méthodologie pour rapport d’activités passent d’ouvertes
robot pour l’implémentation lors de à structurées
l’entrainement des du constructivisme l’implémentation La maîtrise des
enseignants (Projet dans l’école au sein de l’école activités passe
TERECOP) (formation primaire, progressivement
continue) secondaire et dans des éducateurs aux
les universités élèves
Construction et Adaptation du Méthodes Amélioration dans Bredenfeld &
programmation de contenu des qualitatives l’estime de soi et Leimbach, 2010
robots Lego pour des matières STEM observation, les capacités
activités de biologie (Sciences, self-évaluation, etc. techniques
adaptées à un publique Technologies,
de filles (projet Ingénierie,
ROBERTA) (formation Mathématique)
continue) chez un public
féminin
La carence d’études expérimentales complètes, de descriptions détaillées des protocoles utilisés

et les méthodes d’évaluation employées ne permettent pas encore un travail approfondi de méta-
analyse de la littérature. Néanmoins, un premier état de l’art peut commencer à être dressé. Les trois
tableaux synoptiques ci-après (Tableau 2a à c) donnent un aperçu de quelques études significatives
de l’implémentation des kits robotiques dans les domaines de l’éducation scolaire et parascolaires et
engage une réflexion critique de leur l’impact sur l’apprentissage.
Première remarque, cinq seulement des 25 études considérées (Hussain et al., 2006 ; Denis &
Hubert, 2001 ; Lindh & Holgersson, 2007 ; Pásztor et al., 2010 ; Nugent et al., 2010 – voir Tableau 2a à b)
proposent une démarche expérimentale basée sur une comparaison entre groupes contrôle et groupes
expérimentaux. Les autres études s’appuient sur le constat des différences entre les connaissances et
les compétences dont les enfants et les enseignants disposent avant et après les activités de robotique.
Cela rend difficile une évaluation rigoureuse de l’impact des kits robotiques sur l’apprentissage.
Pour autant, ces kits ont commencé à être utilisés dans différents contextes éducatifs : à l’école,
après l’école, dans les compétitions robotiques et les ateliers scientifiques des musées, ainsi que pour
les formations initiales et continues destinées aux enseignants. Ces catégories ne sont pas hermétiques.
Souvent, par exemple, la formation en vue d’une compétition de robotique est proposée comme partie
intégrante des activités scolaires dans le cadre des programmes ministériels (par exemple, Van Lith,
2007 ; Sklar et al., 2003).
Les types d’activités proposées16 comportent généralement trois phases principales : la conception,
la construction et la programmation de robots, avec quelques spécificités en fonction des contextes
16
Toutes les activités dans les tableaux 2a à c sont réalisées à l’appui des kits robotiques Lego WeDo et Mindstorm (RCX ou NXT),
avec les logiciels Lego-Logo ou Robolab. Deux des études considérées utilisent une interface spécifiquement conçue. L’étude
de Sougné (2004) propose une interface spécialement modifiée à fin d’inclure une représentation dynamique et historique de
éducatifs dans lesquels elles se déroulent. Dans certaines études de cas, l’absence de la phase de
conception indique que les activités de robotique sont mises en œuvre en faisant recours à des ins-
tructions et des modèles préconstruits. Cette pratique est symptomatique du fait que le passage d’une
approche classiquement instructionniste à celle plus moderne du constructionnisme (cf., Chapitre 3.1)
peut prendre un certain temps à pénétrer dans le milieu scolaire. Contrairement à d’autres, ce contexte
éducatif est fortement tributaire de programmes nationaux spécifiques, de rythmes de mise à niveau
et de modes de transmission des connaissances. À ce propos, il est utile de rappeler que certaines
études démontrent que les interventions de longue durée obtiennent des meilleurs résultats que les
interventions de courte durée (Nugent et al., 2010), et qu’un changement systématique dans la façon
de penser la pédagogie à l’appui des robots exige une participation de plusieurs acteurs – enseignants,
élèves et parents (Rogers & Portsmore, 2004).
Le sujet du contenu éducatif à transmettre appelle une autre observation. Une grande partie des
études répertoriées (Tableau 2a à c) a comme finalité l’apprentissage de la technologie (le fonc-
tionnement hardware-software). Une petite partie seulement mixe dans ses contenus des notions
scientifiques et technologiques (par exemple l’apprentissage des disciplines STEM – sciences, techno-
logies, ingénierie, mathématiques). Une très mince littérature rapporte des activités dont le contenu
vise principalement l’apprentissage des sciences (biologie et physique). La prédominance d’études qui
se rapportent à des activités dont l’objectif est limité à l’apprentissage de notions technologiques est
sans doute motivée par le fait qu’une phase d’alphabétisation et de normalisation a été nécessaire
pour qu’enseignants et élèves puissent maîtriser cette technologie robotique et en disposer comme
un outil pédagogique.
L’ensemble de ces études permet de procéder à une première analyse des résultats de l’impact de
la robotique kit en milieu éducatif.
3.3. Premiers résultats de l’impact de la robotique kit en milieu éducatif
Comme on peut le remarquer sur le Tableau 2a, un certain nombre d’études émerge sur la spécifi-
cation d’une typologie de modèles de raisonnement utilisés par les élèves lors du contrôle des robots.
Les premiers résultats montrent que la maîtrise de cette nouvelle technologie de la part des élèves
exige beaucoup plus qu’une simple connaissance des composantes du hardware, de la syntaxe et de
la sémantique de programmation. Un certain degré d’abstraction est exigé de la part de l’élève, du fait
de la circulation de l’information entre l’ordinateur et le robot et entre l’environnement et le robot qui
font de ce dernier un système complexe. En particulier, des représentations abstraites des références
temporels (Sougné, 2004), des mécanismes causales (Mioduser, Venezky & Gong, 1996), et des règles
conditionnelles (Mioduser, Levy & Tallis, 2009) sont à l’œuvre pendant la programmation du robot.
Dans l’étude de Sougné (2004) par exemple, les enfants programment un bras robotique à l’aide
d’une interface Logo spécifique pour inclure une représentation dynamique et historique de l’évolution
de l’état de chaque entrée et sortie de l’interface et de l’horloge. Les enfants semblent alors exploiter
deux types de stratégies temporelles de complexité progressive : les stratégies basées sur les durées
métriques et celles basées sur la simultanéité et la succession d’événements extérieures.
De même, Mioduser et al. (1996) montrent que les enfants bâtissent des modèles mentaux du
flux d’information (black box, reactive, switch, control) qui révèlent une compréhension graduelle de la
causalité au sein du système robotique. Les représentations du comportement conditionnel du robot
évoluent vers une complexité croissante. On passe des épisodes (une séquence unique d’événements),
aux scripts (schémas temporels récurrents), puis aux règles (associations atemporelles entre les condi-
tions environnementales et l’action du robot) (Mioduser, Levy & Tallis, 2009). L’exploitation des robots
en tant qu’outils pédagogiques semble donc demander une connaissance préalable profonde de leur
fonctionnement, qui est progressivement obtenue en parallèle au développement cognitif des élèves.
D’autres résultats concernent l’acquisition de connaissances et de compétences dans le champs
technologique, scientifique, cognitif, ou motivationnel. Les apprentissages liés à l’acquisition de
l’évolution de l’état de chaque sortie de l’interface, des entrées et de l’horloge. L’étude de Mioduser, Levy & Tallis (2007) introduit
une interface pour la navigation dans différents types de surfaces avec quatre règles conditionnelles de complexité progressive
(half-a-rule, one-rule, two interdependent rules, two interrelated rules).
notions technologiques (variable, sous-routines, compteur, etc.) semblent être facilités par l’utilisation
de la robotique au cours des premières années de l’éducation (Petre & Price, 2004). Une accélération
dans l’acquisition de notions liées à l’électronique, aux microprocesseurs, aux capteurs, et au transfert
de l’information est constatée au collège (Ahlgren & Verner, 2002). Dans ce contexte, l’utilisation du
robot a un impact positif et apporte une amélioration de la compréhension et de la maîtrise de la
programmation par rapport à l’utilisation du seul ordinateur (Pásztor et al., 2010).
Lorsque les apprentissages véhiculés par les activités robotiques visent les mathématiques ou les
sciences, l’apport de la RE se manifeste de deux façons. D’une part, elle apporte une amélioration
en termes d’application concrète des notions mathématiques et scientifiques abstraites (Chambers
et al., 2007). D’autre part, elle semble avoir un effet facilitateur dans l’acquisition d’un raisonnement
scientifique chez l’élève (« scientific thinking skills and processes » – Sullivan, 2008), et plus largement
dans le développement de compétences sciences, ingénierie et technologie (SET) (Barker & Ansorge,
2007).
Cependant, certaines études révèlent que l’utilisation de robots n’a pas systématiquement un
impact positif sur l’apprentissage. Par exemple, certains auteurs n’enregistrent aucun impact posi-
tif imputable à l’utilisation des kits robotiques sur la résolution de problèmes mathématiques (Lindh
& Holgersson, 2007 ; Hussain et al., 2006) ni des progrès significatifs dans l’acquisition de concepts
de physique, mécanique et programmation de haut niveau (Ahlgren & Verner, 2003). De plus, si les
étudiants semblent acquérir, grâce à la programmation de robots, une meilleure compréhension de
certaines notions géométriques de base, en comparaison à un cours traditionnel, cette amélioration
se produit uniquement lorsque les enseignants attirent explicitement l’attention des élèves sur le
concept visé (Papert, 1980).
Ce premier ensemble de résultats hétérogènes sur les apports de la RE lors de l’enseignement de
notions scientifiques et technologiques, rend nécessaire la prise en considération des aspects cognitifs
et motivationnels de l’apprentissage spécifiquement véhiculés par la RE. En ce sens, des études spéci-
fiques menées dans le cadre de préparation aux compétitions robotiques examinent un large éventail
de compétences acquises par les enfants lors de la préparation au défi.
À titre d’exemple, une amélioration de treize compétences entraînées au cours de la compéti-
tion nationale RoboCup a été enregistrée via un questionnaire post-compétition. Ces compétences
concernent l’acquisition du contenu scolaire (mathématique, physique, etc.), mais aussi l’organisation
de la tâche à exécuter en but et sous buts à atteindre pour relever le défi au niveau individuel et collec-
tif (Sklar et al., 2003). Les résultats de ces études montrent toutefois une variation selon la population
interviewée : enseignants versus élèves.
L’acquisition de compétences cognitives de haut niveau (e.g., capacité de communication) et
l’amélioration des aspects motivationnels (e.g., confiance en soi, organisation d’équipe, etc.) sont le
plus souvent constatées lorsqu’on interroge les enseignants, tandis que les enfants expriment une dif-
ficulté à reconnaître une réelle amélioration. Pour cette raison, des outils de scaffolding17 sont souvent
utilisés de façon à rendre visibles certaines phases du travail de groupe. Par exemple, des diagrammes
de flux sont exploités pour la répartition en étapes de la procédure de résolution de problème, ce
qui permet de rendre explicite la transformation d’un problème formulé en langage naturel en un
problème formulé en langage computationnel (Chambers et al., 2007). En revanche, les études sur la
remédiation de dysfonctionnements cognitifs (Caci & D’Amico, 2005) et sur l’augmentation de la moti-
vation lors des apprentissages (Ribeiro et al., 2009) mettent clairement en exergue les effets positifs
découlant des activités robotique en termes d’autonomie et de motivation de la part des élèves. Ces
effets semblent même persister au-delà des moments d’utilisation des kits (Ribeiro et al., 2009).
Un autre pan de cette littérature montre que des stratégies très diverses (e.g., essai et erreurs,
coopérative versus compétitives, etc.) sont déployées par les élèves au cours de l’interaction avec
le robot (Hussain et al., 2006). Des différences dans le type d’heuristique de programmation (pro-
cédurale, déclarative, métacognitive) sont également observées en fonction des différents degrés de
17
Dans le processus de scaffolding traditionnel (Wood et al., 1976) l’enseignant ou le tuteur a le rôle « d’ancrage d’expertise »
pour l’apprenti novice. Ce processus est souvent présenté sous une nouvelle forme au sein de la RE. La RE ajoute à l’interaction
dyadique tuteur-élève l’interaction élève - élève via la résolution collective de problème et la répartition des tâches entre élèves
(Wyeth, Venz & Wyeth, 2004).
transparence et interactivité des robots (Gaudiello & Zibetti, accepté). Quelques études concernant les
différences entre filles et garçons montrent que les filles ont tendance à concevoir les robots avant de
passer à la phase de construction proprement dite et à préférer des tâches dont la finalité est explici-
tement énoncée plutôt que de découvrir ce que l’on peut faire en programmant un robot. Les garçons
ont le comportement inverse (Rogers & Portsmore, 2004 ; Lindh & Holgersson, 2007).
Le transfert de l’apprentissage consolidé au cours des activités robotiques à des nouvelles activités
ou à d’autres matières scolaires est l’un des atouts le plus fréquemment invoqués de l’utilisation de
ce type de TICE (Denis & Hubert, 2001 ; Alimisis, 2009). Néanmoins, un nombre très limité d’études
met en évidence de manière empirique l’importance des effets de l’utilisation de cette technologie en
termes de transfert (Barker & Ansorge, 2007). En particulier, soulignent des auteurs (Van Lith, 2007),
si la plupart des élèves établit spontanément des liens avec d’autres domaines disciplinaires, ils ne
lui accordent pas la même valeur que les enseignants. L’apparente contradiction entre l’importance
accordée au processus de transfert et l’ambiguïté qui demeure à son sujet, nous amène à accorder un
intérêt particulier aux questions suivantes. Quelles sont les connaissances, compétences, procédures
et/ou processus qui font l’objet du transfert ? À quelles conditions ce transfert se produit-il ? Comment
l’évaluer ?
4. Les kits robotiques et le « transfert »
Le transfert de connaissances et de procédures de résolution est l’un des objectifs majeurs de

l’éducation (Mayer, 2002a ; Perkins, 1992). Le but du transfert est celui d’amener progressivement
les étudiants à réaliser une tâche (i.e., résoudre le problème posé) et à transférer ce qu’ils ont appris
dans une situation donnée (i.e., le domaine de base) à une nouvelle situation (i.e., le domaine cible)
(Mayer, 2002b). Au cœur de la réussite scolaire, le transfert est considéré par des nombreux auteurs
comme la clé de voûte pour la consolidation des savoirs à long terme (Rakisona & Yermolayevaa, 2011).
Une ambiguïté demeure toutefois sur ce qui est à acquérir et à transférer : connaissances, procédures,
processus, habilités, compétences, sont généralement évoqués (Everwijn, Bomers, & Knubben, 1993).
Dans le cadre de la résolution de problèmes au sens large, Mayer (2002a), par exemple, propose
de répondre à cette question en faisant appel à la taxonomie des types de connaissances (factuelle,
conceptuelle, procédurale, métacognitive) et des processus cognitifs (rappeler, comprendre, appliquer,
analyser, évaluer, créer) proposés par Anderson et al. (2001).
En ce qui concerne la résolution de problèmes avec des kits robotiques, le sujet central semble le
transfert de compétences et habilités. Au sein de la pratique de l’éducation, les termes « compétence » et
« habilité » sont souvent utilisés de façon interchangeable. En revanche, dans la recherche en éducation
et en psychologie, ces termes ont des définitions distinctes. Une habilité est normalement définie
comme une capacité, généralement acquise par la formation et l’entraînement à effectuer des actions
qui permettent d’atteindre un résultat souhaité (Hoskins & Fredriksson, 2008). Une compétence fait
appel à la capacité d’appliquer les connaissances au savoir-faire déployés dans une situation récurrente
ou en évolution. C’est ce deuxième terme qui retient l’attention des chercheurs lorsqu’on s’intéresse
au transfert et à son évaluation.
Bien qu’on ne dispose pas encore d’une classification exhaustive, on peut identifier des compétences
cruciales faisant l’objet du transfert qui sont évoquées dans la littérature en RE :
La planification, c’est-à-dire la définition de la part de l’élève d’un but et de sous-buts à réaliser
dans un ordre établi (Limbos, 1994).
Le codage, c’est-à-dire la traduction des actions pertinentes pour la résolution du problème en une
suite de variables, fonctions et paramètres (Karatrantou & Panagiotakopoulos, 2008).
L’imbrication de procédures, c’est-à-dire l’utilisation hiérarchisée de fonctions par le rappel d’un
code de programmation défini au préalable (Argles, 1994).
L’autocorrection, c’est-à-dire la localisation des erreurs de la part de l’élève, issue de l’identification
de l’écart entre le plan et son exécution (Klahr & Carver, 1988).
La métacognition, c’est-à-dire l’évaluation de la part de l’élève de la validité des heuristiques de
résolution employées, issue de l’identification de l’écart entre le but et le résultat obtenu (La Paglia,
Caci, Barbera & Cardaci, 2010).
En ce sens, la RE kit semble être un « mindtool » très prometteur. Son usage raisonné est susceptible
de favoriser chez les élèves le développement des compétences cognitives liées à la résolution de pro-
blèmes (Chambers et al., 2007) et les compétences métacognitives liées au computational thinking18 .
C’est à travers cette démarche que les enfants se posent la question de comment résoudre un problème
et la méta-question de comment faire résoudre ce problème à un ordinateur (Wing, 2008). Néanmoins,
il est nécessaire de s’interroger sur les conditions dans lesquelles ce transfert de compétences peut
avoir lieu et surtout, comment il peut être favorisé par l’utilisation de cette TICE.
4.1. Le kit robotique et les conditions d’un transfert effectif
En ce qui concerne les conditions du transfert, il est utile de rappeler que, dans le cadre de la
résolution des problèmes au sens large, l’accent est classiquement mis sur le caractère structurellement
versus superficiellement isomorphe du problème (Davidson & Sternberg, 2003).
Autrement dit, le transfert a lieu si le problème dans le domaine de base et le problème dans le
domaine-cible présentent la même structure. En revanche, dans le cadre de résolution des problèmes
avec les kits robotiques, l’accent est mis sur un ensemble de facteurs que nous allons détailler ci-
dessous. Cette liste donne un aperçu de la variété des hypothèses envisagées dans la littérature sur les
conditions qui facilitent ou entravent le transfert.
L’externalisation des connaissances via la manipulation du robot réel par rapport au robot vir-
tuel est supposée faciliter le transfert car, en dépit des avantages offerts par la robotique virtuelle
(Zhang, 2010), la meilleure façon d’apprendre un artefact est de construire l’artefact (Piaget, 1974),
d’expérimenter comment ses fonctionnalités dépendent de cette construction et comment son
comportement varie suite à la programmation (Lund & Nielsen, 2003).
L’usage d’instructions précises et d’activités très structurées versus la simple exposition à la pro-
grammation non domain dependent facilite le transfert, car les concepts base de la programmation
– variable, paramètre, boucle, etc. – peuvent être facilement saisis par les élèves sans pour autant être
utilisés dans des domaines cible (Clements & Meredith, 1993).
Le niveau d’expertise chez les élèves conditionne bien évidemment la mise en œuvre du transfert,
car seuls les élèves qui maîtrisent la programmation sont en mesure d’en abstraire les principes et les
concepts à transférer (Pea & Kurland, 1983).
L’importance de la présentation de plusieurs instances du problème dans le domaine de base ren-
force chez les élèves la compréhension de la structure du problème et facilite donc le transfert des
stratégies de résolution (Salomon & Perkins, 1987).
Le degré de similarité entre domaine de base et domaine cible facilite le transfert. Le near transfert
demande un effort mineur en termes d’abstraction par rapport au far transfert, bien que les deux types
de transfert soient également instructifs (Klahr & Carver, 1988).
Repérer les conditions qui permettent le transfert de compétences représente à notre avis un point
crucial pour appréhender et estimer l’efficacité des kits robotiques pour l’apprentissage. Mais résoudre
la question des méthodes d’évaluation demeure un préalable.
4.2. Le kit robotique et l’apprentissage : premières mesures d’évaluation
La prédominance de méthodes qualitatives pour évaluer l’impact de la robotique kit en milieu

éducatif, répond à la nécessité fondée de mieux identifier les paramètres susceptibles de pourraient
constituer les variables d’observation lors d’études expérimentales.
Une première approche consiste à se référer aux critères d’évaluation déjà utilisés dans les études
relatifs à l’implémentation les TICE à l’école. Deux typologies d’effets sur l’apprentissage avec les TICE
18
Dans son article « Computational thinking and thinking about computing », J.M. Wing suggère que la pensée computationelle
est de nos jours une compétence fondamentale qui devrait être enseignée aux élèves dès leur plus jeune âge, d’où l’importance
d’intégrer ce type de pensée dans les disciplines enseignées à l’école primaire. La definition de computational thnking donnée
par cette autrice est la suivante : « Operationally, computing is concerned with answering the question: How would I get a
computer to solve this problem? » On adapte cette citation en remplaçant « computer » par « robot », (Wing, 2008).
sont généralement distinguées et admises : les effets « avec » (with) et les effets « de » (of). Les effets
« avec » surviennent lorsque les apprenants travaillent en partenariat avec des objets technologiques,
tandis que les effets « de » se produisent lorsque de tels partenariats ont des retombées cognitives
ultérieures pour les apprenants travaillant loin des objets technologiques. On estime aussi que les
effets « avec » et les effets « de » dépendent de l’engagement conscient de l’individu dans le partenariat
avec l’objet technologique (Salomon, Perkins & Globerson, 1991).
Toutefois ette distinction ne peut pas être appliquée aisément à la robotique. En effet, en ce qui
concerne les effets « avec » il est difficile de différencier les effets principaux (main effects e.g., le trans-
fert des compétences de planification, autocorrection, etc.) des effets collatéraux (side effects : e.g.,
l’effet nouveauté, ludique, etc.) et des effets liés au contenu de la tâche en soi (e.g., une tâche de réso-
lution de problèmes arithmétiques peut produire elle-même des effets de transfert de compétences
de planification, codage, imbriquement de procédures) (Gaudiello et al., 2011). Deuxièmement, en
ce qui concerne les effets « de », la rareté des études longitudinales sur les effets de la RE19 pour
l’apprentissage et sur les kits robotiques en particulier n’offre pas le recul nécessaire pour vérifier ce
type d’effets.
Ainsi, d’autres approches d’évaluation s’imposent. Il est par exemple envisagé d’examiner les états
intermédiaires observables que les élèves produisent au cours de leur processus de résolution de
problèmes avec le robot (Carbonaro, Rex & Chambers, 2004), plutôt que d’établir les résultats des
performances d’un élève en utilisant une évaluation finale comme dans l’apprentissage traditionnel.
Comme le remarque un certain nombre d’auteurs, ce type de données observationnelles n’est pas
toujours évident à interpréter en tant que donnée qualitative. De plus, dans les études expérimentales,
on constate l’absence d’une étape d’évaluation entre la phase expérimentale – au cours de laquelle
l’élève résout le problème de base – et la phase contrôle – où l’élève résout le problème cible qui fait
l’objet du transfert.
Cette carence constitue une difficulté objective dans l’évaluation des effets réels des kits de robo-
tiques sur l’apprentissage. D’où les effets hétérogènes des méthodes d’évaluation répertoriées (voir
Tableau 2a à 2c).
Dans ce contexte, certaines études commencent à s’interroger sur la pertinence de leurs propres
méthodes d’évaluation. Par exemple, les indicateurs traditionnels de difficulté de la tâche (le nombre
d’erreurs et les types de marqueurs langagiers) pourraient ne pas être les plus appropriés pour deux
raisons (Gaudiello & Zibetti, accepté). La première est que, dans le cadre d’activités scientifiques éla-
borées avec des kits robotiques, les enfants sont souvent amenés à procéder par essais et erreur. La
deuxième est qu’ils ont un vocabulaire technologique très développé en vertu de l’omniprésence de
la technologie dans leur vie courante. D’autres études, en revanche, soulignent les difficultés à géné-
raliser des méthodes d’évaluation qui se sont révélées efficace dans un contexte d’expérimentation
précis (Barker & Ansorge, 2007).
Ceci nous conduit à considérer avec prudence les effets réels des kits robotiques sur l’acquisition et
le transfert de compétences et à mettre en évidence la nécessité de considérer une reconfiguration des
activités autour de contenus spécifiques. Ce type d’articulation des contenus à enseigner et apprendre
permettrait de mesurer les effets réels de cette TICE en ce qui concerne l’apprentissage et le transfert.
Il paraît évident que la technologie robotique en soi ne peut pas avoir d’effets sur l’apprentissage.
Il faut « l’orchestrer » (Trouche, 2005) ou « l’apprivoiser » (Charlier & Péraya, 2002) selon les finalités
éducatives souhaitées.
Améliorer la compréhension de la valeur pédagogique de la RE passerait alors par la conception de
protocoles expérimentaux spécifiques, permettant de structurer d’avantage les activités robotiques et
de mesurer les effets de certains facteurs sous observation.
19
Les études longitudinales dont nous disposons sont assez rares, et elles concernent avant tout les interactions entre robots
sociaux et êtres humains (e.g., Moshkina & Arkins, 2005) et non pas entre robot éducatifs et élèves.
5. La robotique éducationnelle entre espoirs et préoccupations
L’arrivée de la robotique dans le milieu éducatif, accompagnée de promesses de changement radical,

est accueillie de manière partagée, entre enthousiasmes et scepticismes (Bonnel, 2010). De fait, dans
les années 1980–1990, ces promesses ne semblent pas avoir été tenues. Des premiers résultats concer-
nant les robots humanoïdes et les animats sont positifs et encourageants. Certaines études montrent
des effets positifs sur les compétences des élèves en mathématiques, en sciences, sur le développement
des capacités linguistiques, sur la créativité et sur les interactions sociales au moment de l’introduction
des premiers langages de programmation (Clements, 1999 ; Bers, 2008). Mais les rares études longitu-
dinales montrent que le niveau d’engagement décroît avec le temps (Bridgeman & Bridgeman, 2007 ;
Van Lith, 2007). Et d’autres études soulignent que les élèves s’arrêtent à des résultats modestes, qui
ne semblent pas susceptibles d’être développés ultérieurement (Kynigos, 2008).
Face à ces premiers résultats mitigés, de nouvelles directions de recherche se sont développées.
Elles accordent un rôle central aux interfaces et aux langages de programmation semi-transparents
nommés « black & white box » (Kynigos, 2008). Elles proposent également une interaction « tangible »,
à partir de blocs de code en bois pouvant être combinés pour obtenir un algorithme et de marqueurs
destiné à le transmettre à l’ordinateur (voir le langage Horn, Crouser & Bers, 2011). Enfin, on voit
progressivement apparaître des études visant à mieux définir les différents types d’activités robotiques
et à les scénariser selon le public ciblé – par exemple, filles et garçons (Rusk, Resnick, Berg & Pezalla-
Granlund, 2008).
Le débat actuel voit ainsi se confronter les préoccupations liées à des potentiels nouveaux échecs
et aux difficultés d’incarnation des contenus pédagogiques dans cette nouvelle technologie, et l’espoir
des bénéfices apportés par l’introduction de la robotique en milieu scolaire.
5.1. Les bénéfices attendus
Parmi les attentes engendrées par l’implémentation de la RE, la plus forte concerne le transfert des
compétences de résolution de problèmes à de nouveaux types de problèmes (Chapitre 4). Comme le
soulignent Klahr et Carver (1988), l’intérêt des psychologues pour la programmation informatique
provient essentiellement du potentiel longtemps recherché d’un exercice mental qui permettrait
d’accroître la capacité de réflexion générale et d’acquérir des compétences de haut niveau (la pla-
nification, la décomposition de problème, l’autocorrection, etc., Linn, 1985).
S’ajoute l’idée plus controversée selon laquelle transformer le travail en jeu et le jeu en travail (voir
l’exemple des serious games) pourrait aider les élèves à acquérir plus rapidement ces compétences et
à adopter un apprentissage auto-motivé et durable (De Freitas & Jarvis, 2007). Le lifelong playing est
ainsi proposé en substitution au lifelong learning (Csink & Farkas, 2010). En ce sens, l’intégration de la
robotique à l’école est censée renforcer la motivation et l’engagement des élèves (Chronaki & Alimisi,
2010).
Une troisième attente concerne une problématique récurrente de l’école : la dichotomie entre savoir
et savoir-faire. Lorsque l’on désire mesurer le degré d’assimilation par les élèves d’une connaissance
particulière acquise à l’aide d’un outil technologique, il est nécessaire de bien séparer les capacités
de maîtrise technique acquises de la compréhension qu’ils ont de cet outil et du contenu véhiculé.
De nombreuses études témoignent qu’un élève peut très bien exécuter une procédure apprise sans
pour autant comprendre ce qu’il est en train de faire (Brown & Burton, 1978). Aujourd’hui, le contexte
social, l’usage omniprésent de la technologie et l’introduction de dispositifs techno-pédagogiques
en milieu éducatif semblent encourager la maîtrise technique ou technological fluency plutôt que la
compréhension (Bers, 2008). Cette dichotomie entre savoir et savoir-faire pourrait rapidement prendre
des proportions importantes et avoir à moyen terme des impacts négatifs sur l’apprentissage et la
résolution de problème (Zibetti, Eyraud & Chevalier, 2011). La RE et, en particulier, les kits robotiques
proposent un environnement pédagogique immersif dans lequel savoir et savoir-faire sont réunis
(Malec, 2001). Elle ouvre donc une voie de résolution de cette dichotomie.
Enfin, il n’est pas anodin rappeler que l’introduction de la RE à l’école est souvent vécue comme un
« remède » à l’intérêt décroissant pour le contenu de l’enseignement (Parisi, 2001).
Si l’essentiel de la technologie proposée à l’école est déjà utilisé en dehors de l’école, ce qui peut
en biaiser le potentiel éducatif, ce n’est pas le cas de la robotique, puisque sa diffusion dans la société
est plus récente. Ainsi, en manipulant les robots, les élèves sont incités à vivre la technologie comme
apprentis intentionnels – « intentional learners » (Bereiter & Scardamalia, 2000) – et co-auteurs de leurs
propres outils d’apprentissage et pas seulement comme utilisateurs.
Au-delà de toute technophilie et technophobie, ces attentes sont contrebalancées par des préoc-
cupations exprimées par les éducateurs et les chercheurs sur les impacts réels de la RE.
5.2. Les risques potentiels
Différents types de risques liés à l’intégration de la RE en milieu scolaire sont aujourd’hui perçus
dans le milieu enseignant et celui de la recherche.
Des craintes s’expriment tout d’abord chez enseignants : elles concernent la technisation de
l’apprentissage (Charlier & Péraya, 2002). L’introduction des TICE en milieu scolaire a souvent été
interprétée comme une « obligation » de procurer les apprentissages par le biais de la technologie.
La question : « Les technologies s’imposent-elles comme un contexte obligatoire ? » (Andler & Guerry,
2008) est légitimement posée, non seulement parce qu’elle est justifiée par le droit des enseignants à
choisir leur propre pédagogie, mais aussi parce que les effets attendus d’une technologie sur les appren-
tissages doivent être suffisamment importants pour justifier l’effort de leur intégration au système
éducatif.
En effet, l’intégration de la robotique en milieu éducatif nécessite un changement significatif du rôle
classiquement dévolu aux enseignants et aux apprenants. Elle requiert de l’enseignant un abandon
de son rôle de distributeur incontesté de connaissances « prêtes à l’emploi » (ready-made knowledge –
Kynigos, 2008), pour celui de médiateur entre les idées des élèves et leur faisabilité (Ilieva, 2010), ou
encore de médiateur entre l’élève et le robot (Chang et al., 2010). L’adoption de la robotique exige
aussi de l’enseignant une aisance à l’égard de la technologie (Bers et al., 2002) et une nouvelle forme
de scaffolding élève–artefact, élève–élève et enseignant–élève (Wood, Bruner & Ross, 1976 ; Wyeth
et al., 2004).
D’autres craintes concernent les véritables raisons qui conduisent les enseignants à adopter la
technologie robotique et les motivations qui guident le milieu de la recherche à accompagner ce
phénomène. Par exemple, Salomon et Perkins (1996) appellent le « the Mont Everest rationale » l’idée
selon laquelle les technologies seraient utilisées parce qu’ « elles sont là ». Pour ces auteurs, la facilité
avec laquelle les jeunes élèves manipulent les technologies n’est pas une raison suffisante pour en
prescrire l’utilisation à l’école. Les raisons (i.e., rationale) qui poussent à l’assimilation d’une technologie
en milieu éducatif doivent provenir de réflexions pédagogiques qui sont externes à l’outil lui-même
(Salomon & Perkins, 1996). Ces réflexions pédagogiques concernent les contenus d’apprentissage, les
méthodes de transmission des contenus chez les enseignants et l’évaluation de leur réception chez les
élèves.
Les chercheurs craignent de jouer un rôle de fournisseurs de justifications théoriques, si les raisons
qui poussent le système éducatif à adopter des robots comme outils éducatifs ne sont pas bien définies.
Salomon et Perkins (1996), discutant des problèmes dérivés du « technocentrisme » de notre société,
disent de façon critique : « Une garde-robe entière de théories et de pratiques pédagogiques peut être
taillée pour être adaptée à un seul bouton brillant et flambant-neuf ». Ces deux métaphores, du « Mont
Everest » et de la « garde-robe », résument assez bien l’idée selon laquelle il est inutile, d’un point
de vue pédagogique, d’introduire les technologies disponibles dans le système éducatif alors que les
stratégies éducatives ne sont pas convenablement révisées, et du point de vue scientifique, qu’il est
redondant de bâtir des théories nouvelles chaque fois qu’une technologie éducative est proposée (De
Corte, 1996).
6. Conclusions et perspectives
Sur la base d’une revue de questions critiques, cet article engage la discussion sur l’état de l’art,
les perspectives et les enjeux liés à l’émergence et à l’usage des robots éducatifs au service de
l’apprentissage. Il en ressort que la RE paraît un moyen séduisant de mettre en pratique des notions
didactiques (Kröse et al., 2000) et qu’elle dispose pour ce d’atouts spécifiques. Parmi les différentes
typologies de robots, les kits robotiques en particulier semblent présenter d’importantes potentiali-
tés éducatives. En effet, la combinaison de construction et de programmation fait de ces objets une
technologie « avec laquelle penser ».
Leur utilisation en milieu scolaire implique l’acquisition et envisage le transfert de compétences
transversales grâce à la démarche de résolution de problème. En outre, elle favorise le développement
de la métacognition quand cette démarche est appliquée en termes de computational thinking.
Néanmoins, l’évolution rapide de la technologie robotique suscite une série d’interrogations sur
son adaptation en milieu scolaire, sur le niveau d’expertise demandé pour s’en approprier en tant
qu’outil pédagogique, et enfin sur son impact réel sur l’apprentissage. Ces interrogations conduisent
à une réflexion plus approfondie et critique des promesses de changement pédagogique radical qui
accompagnent l’apparition de toute nouvelle TICE.
Jusqu’à présent la mise en œuvre des TICE a été marquée par une relation dyadique entre tech-
nologie et éducation : les besoins éducatifs sont source d’inspiration pour la conception de nouvelles
fonctionnalités ciblées et les progrès technologiques engendrent de nouveaux supports qui renou-
vèlent la façon même de concevoir la pédagogie. Autrement dit, la technologie ne peut pas avoir en soi
un impact sur l’apprentissage des élèves. Dans le cas spécifique des robots, cette relation dyadique est
encore marquée aujourd’hui par un déséquilibre en faveur de la technologie. Il existe plus de structures
différentes hardware et software engendrant des scénarios techno-pédagogiques, que de besoins et
de finalités éducatives exprimées déterminant le choix de la technologie. Le résultat est une pédagogie
basée sur un « catalogue de vente » (de Vries, 2001). Il est donc nécessaire de trouver un autre équilibre
dans le rapport entre robotique et éducation. Pour ce, une reconfiguration des méthodes pédagogiques
et de leur évaluation s’impose à plusieurs niveaux.
Premièrement, les finalités et contenus éducatifs : chaque type de technologie est le support de dif-
férentes finalités et à chaque finalité doit correspondre un contenu éducatif adapté. Par conséquent,
la robotique ne peut ni simplement s’ajouter et/ou se substituer aux TICE déjà implémentées, ni pré-
tendre véhiculer tout type de finalités et contenus éducatifs. Dans cette optique, l’atout spécifique
de la RE kit semble être celui de véhiculer l’acquisition de compétences plutôt que de connaissances.
Une reconfiguration des méthodes pédagogiques qui permettrait de valoriser cet atout consiste alors
dans la sélection d’un éventail restreint et bien défini de compétences à développer (e.g., compétences
cognitives liées à la résolution de problèmes et compétences métacognitives liées au computational
thinking).
Deuxièmement, la transmission/réception de telles finalités et contenus : l’introduction des TICE en
milieu scolaire a demandé de repenser le scaffolding qui caractérise la dynamique enseignant–support
technologique–élève. Dans cette optique, un atout important de la RE consiste à placer l’élève au
cœur d’un processus d’apprentissage conscient qui le voit impliqué en tant qu’auteur de ces propres
outils d’apprentissage. Cependant, un tel changement est lourd de conséquences. Par exemple,
l’enseignant est conduit à renouveler des pratiques éducatives dont la scénarisation, la maîtrise et
la mise à jour demandent un développement approprié. Une reconfiguration des méthodes pédago-
giques qui permettrait de valoriser cet atout de la RE consiste alors dans l’élaboration de scénarios
pédagogiques qui attribuent à chaque acteur de cette dynamique un rôle constructif, en veillant à
l’équilibre entre les efforts fournis pour cette reconfiguration et une perception accrue de résultats
effectifs.
Troisièmement, l’évaluation de la transmission et de la réception ayant lieu dans un environne-
ment RE : nous estimons que le renouvellement des méthodes pédagogiques et celui des méthodes
d’évaluation des effets de la robotique sur l’apprentissage devrait se dérouler en parallèle. Dans un
environnement pédagogique basé sur la construction, la programmation et le contrôle des robots,
différentes mesures qualitatives et quantitatives ont été proposées pour évaluer l’impact de ces der-
niers sur l’apprentissage. Cependant, l’hétérogénéité de ces mesures et le nombre restreint d’études
quantitatives nous montre qu’il n’est pas évident d’évaluer les effets du robot à la fois comme objet
d’apprentissage et comme outil d’apprentissage, ces deux aspects étant souvent séparés dans les ques-
tionnaires. Donc, une reconfiguration pédagogique doit s’accompagner d’une conception de méthodes
d’évaluation qui puissent restituer des estimations réellement probantes, permettant de percevoir la
valeur réelle de la RE pour l’apprentissage.
L’ensemble de ces arguments nous montre que l’adoption de la robotique est à l’heure actuelle
fortement tributaire de l’élaboration de ces nouveaux protocoles expérimentaux. Les questions que
nous avons soulevées fournissent les premières lignes directrices de réflexion sur l’utilisation de ces
technologies robotiques, afin que celles-ci ne deviennent pas de simples supports fonctionnels de
substitution aux TICE traditionnelles, mais qu’elles apportent une évolution réelle de l’apprentissage
scolaire.
Déclaration d’intérêts
Les auteurs déclarent ne pas avoir de conflits d’intérêts en relation avec cet article.
Remerciements
Les auteurs tiennent à remercier Anne Daubrée pour ses commentaires avisés durant l’élaboration
de cet article ainsi que les experts anonymes pour la qualité de leur expertise et de leurs suggestions
qui ont contribué à l’amélioration du manuscrit original.
Références
Ackermann, E. (1991). The “Agency” model of transactions: toward an understanding of children’s theory of control. In I. Harel,
& S. Papert (Eds.), Constructionism (pp. 367–379). Norwood, NJ: Ablex Publisher.
Ackermann, E. (2001). Constructivisme et constructionnisme : quelle différence ? Actes du colloque Constructivisme : usages et pers-
pectives en éducation. Genève: Département de l’Instruction Publique : Service de la recherche en éducation. (1, pp. 85-97)
Ahlgren, D. J., & Verner, I. M. (2003). An international view of robotics as educational medium. In Paper presented at International
Conference on Engineering Education 2002 Manchester, U.K. August 18–22.
Alimisis, D. (Ed.). (2009). TERECoP Project: Teacher education on robotics-enhanced constructivist pedagogical methods. Athens, GR:
School of Pedagogical and Technological Education, ASPETE.
Alimisis, D., & Kynigos, C. (2009). Constructionism and robotics in education. In TERECoP Project: Teacher education on robotics-
enhanced constructivist pedagogical methods. Athens, GR: School of Pedagogical and Technological Education, ASPETE.,
pp. 11–26.
Anderson, L. W., Krathwohl, D. R., Airasian, P. W., Cruikshank, K. A., Mayer, R. E., Pintrich, P. R., Raths, J., & Wittrock, M. C. (2001).
A taxonomy for learning, teaching, and assessing: a revision of Bloom’s taxonomy of educational objectives. New York: Longman.
Andler, D., & Guerry, B. (Eds.). (2008). Apprendre demain. Sciences cognitives et éducation à l’ère numérique. Paris: Hatier.
Argles, D. (1994). La programmation parallèle à la portée d’enfants de sept ans. In B. Denis, & G. L. Baron (Eds.), Regards sur la
Robotique pédagogique. Actes du quatrième colloque sur la robotique pédagogique (pp. 221–231). Paris: INRP.
Arroyo, I. A., Arroyo, A. A., & Schwaartz, E. M. (2003). The integration of Robotics in Grade School to Promote Interest in Math and
Science. In S. Tosunoglu (Ed.), Proceedings of Florida Conference on Recent Advances in Robotics (FCRAR 2003) Florida Atlantic
University, Boca Raton, Florida, 8–9 May, (via: http://www.mil.ufl.edu/publications/)
Atmatzidou, S., Markelis, I., & Demetriadis, S. (2008). The use of LEGO Mindstorms in elementary and secondary education:
game as a way of triggering learning. In S. Carpin, I. Noda, E. Pagello, M. Reggiani, & O. von Stryk (Eds.), Workshop Proceedings
of Intl. Conf. on Simulation Modeling and Programming for Autonomous Robots (SIMPAR 2008) Venice, IT. November 3–7, (pp.
22–30).
Barak, B., & Zadok, Y. (2009). Robotics projects and learning concepts in science, technology and problem solving. International
Journal of Technology and Design Education, 19(3), 289–307.
Barker, B. S., & Ansorge, J. (2007). Robotics as means to increase achievement scores in an informal learning environment. Journal
of Research on Technology Education, 39(3), 229–243.
Baron, G. L., & Bruillard, E. (1996). L’informatique et ses usagers dans l’éducation. Paris: Presses Universitaires de France.
Bereiter, C., & Scardamalia, M. (2000). Process and product in problem based learning. In D. Evenson, & C. Hmelo (Eds.), Problem
based learning: A research perspective on learning interactions. (pp. 185–195). Mahwah: Lawrence Erlbaum Associates.
Bers, M., Ponte, I., Juelich, K., Viera. A., Schenker., J. (2002). Teachers as designers: Integrating robotics in early childhood
Education. Information Technology in Childhood Education, AACE 123–145.
Bers, M. U. (2008). Blocks to robots: Learning with technology in the early childhood classroom. New York: Teachers College Press.
Bonnel, B. (2010). Vive la robolution. Paris: Editions JCLattès.
Bottino, R., & Chiappini, G. (2002). Advanced technology and learning environments: their relationship within the Arithmetic
problem-solving domain. In L. English, M. Bartolini Bussi, G. Jones, R. Lesh, & D. Tirosh (Eds.), Handbook of international
research in mathematics education. (pp. 757–786). Mahwah, NJ: Erlbaum.
Bredenfeld, A., & Leimbach, T. (2010). The Roberta Initiative. In Proceedings of SIMPAR 2010 Workshops Intl. Conf. on simulation,
modeling and programming for autonomous robots Darmstadt, Germany, November 15 and 16, (pp. 558–567).
Bridgeman, N. C., & Bridgeman, E. K. (2007). Education: a role for robots ? In 20th annual conference of the National Advisory
Committee on Computing Qualifications Nelson, New Zealand, July 8–11.
Brown, J. S., & Burton, R. R. (1978). Diagnostic models for procedural bugs in basic mathematical skills. Cognitive Science, 2,
155–192.
Bru, M., & Donnay, J. (2002). Recherches, pratiques et savoirs en éducation. Bruxelles: De Boeck.
Caci, B., & D’Amico, A. (2005). Robotics: a new tool for education of subjects with cognitive diseases. In G. Chiazzese, M. Allegra,
A. Chifari, & S. Ottaviano (Eds.), Methods and technologies for learning, WIT transaction on information and communication
technologies (pp. 563–567). Southampton, UK: WIT Press.
Carbonaro, M., Rex, M., & Chambers, J. (2004). Using Lego robots to promote problem solving in a project based learning
environment. Interactive Multimedia Electronic Journal of Computer Enhanced Learning, 6(1).
Catlin, D., & Blamires, M. (2010). The Principles of Educational Robotic Applications (ERA): A framework for understanding and
developing educational robots and their activities. In Proceedings for Constructionism 2010. The 12th EuroLogo conference
Paris, France, 16–20 August.
Chambers, J., Carbonaro, M., & Rex, M. (2007). Scaffolding knowledge construction through robotic technology: A middle school
case study. Electronic Journal for the Integration of Technology in Education, 6, 55–70.
Chang, C. W., Lee, J. H., Chao, P. Y., Wang, C. Y., & Chen, G. D. (2010). Exploring the possibility of using humanoid robots as
instructional tools for teaching a second language in primary school. Educational Technology & Society, 13(2), 13–24.
Charlier, B., & Péraya, D. (Eds.). (2002). Technologie et innovation en pédagogie : Dispositifs innovants de formation pour
l’enseignement supérieur. Bruxelles: De Boeck.
Chronaki, A., & Alimisi, R. (2010). Engaging young children to “control” technology: emotion, negotiation, agency. In E. Menegatti
(Ed.), Workshop Proceedings of Intl. Conf. on simulation, modeling and programming for autonomous robots (SIMPAR 2010)
Darmstadt, Germany, November 15–18, (pp. 624–638).
Clements, D. H., & Meredith, J. S. (1993). Research on logo: Effects and efficacy. Journal of Computing in Childhood Education, 4,
263–290.
Clements, D. (1999). The future of educational computing research: the case of computer programming. Information Technology
in Child Education, 1, 147–179.
Conway, M., Pausch, R., Gossweiler, R., & Burnette, T. (1994). Alice: a rapid prototyping system for building virtual environments.
In B. Adelson, S. Dumais, & J. S. Olson (Eds.), Proceedings of the human factors in computing systems conference (pp. 295–296).
Boston, Massachusetts: ACM Press.
Csink, K., & Farkas, L. (2010). Life-long playing instead of life-long learning: teaching robotics without robots and compu-
ters. In E. Menegatti (Ed.), Workshop Proceedings of Intl. Conf. on simulation, modeling and programming for autonomous
robots (SIMPAR 2010) Radovljica, Slovenia, Univerza v Ljubljani, Pedagoška fakulteta. November 30–December 1,
(pp. 439–448).
Davidson, J. E., & Sternberg, R. J. (2003). The psychology of problem solving. Cambridge University Press.
De Corte, E. (1996). Changing views of computer supported learning environments for the acquisition of knowledge and thinking
skills. In S. Vosniadou, E. De Corte, R. Glaser, & H. Mandl (Eds.), International perspectives on the design of technology-supported
learning environments (pp. 129–145). Mahwah: Lawrence Erlbaum Associates.
De Freitas, S., & Jarvis, S. (2007). Serious games – engaging training solutions: A research and development project for supporting
training needs. British Journal of Educational Technology, 38(3), 523–525.
Denis, B., & Baron, G. L. (Eds.). (1994). Regards sur la robotique pédagogique. In Actes du quatrième colloque sur la robotique
pédagogique Liège, 5–8 juillet,. Paris: INRP.
Denis, B., & Hubert, S. (2001). Collaborative learning in an educational robotics environment. Computers in Human Behavior, 17,
465–480.
de Vries, E. (2001). Les logiciels d’apprentissage : panoplie ou éventail. Revue française de pédagogie, 137, 105–116.
Dick, W. O., Carey, L., & Carey, J. O. (2004). Systematic design of instruction. Boston, MA: Allyn&Bacon.
Druin, A., & Hendler, J. (Eds.). (2000). Robots for kids: Exploring new technologies for learning. San Diego: Academic Press.
Eguchi, A., & Uribe, L. (2012). Educational robotics meets inquiry-based learning: integrating inquiry-based learning into edu-
cational robotics. In L. Lennex, & K. Nettleton (Eds.), Cases on inquiry through instructional technology in math and science (pp.
327–366). New York, NY: IGI Publishing.
Everwijn, S. E. M., Bomers, G. B. J., & Knubben, J. A. (1993). Ability or competence-based education: bridging the gap between
knowledge acquisition and ability to apply. Higher Education, 25(4), 425–438.
Frangou, S., Papanikolaou, K., Aravecchia, L., Montel, L., Ionita, S., Arlegui, J., Pina, A., Menegatti, E., Moro, M., Monfalcon, S., Fava,
N., & Pagello, I. (2008). Representative examples of implementing educational robotics in school based on the constructivist
approach. In S. Carpin, I. Noda, E. Pagello, M. Reggiani, & O. von Stryk (Eds.), Workshop Proceedings of Intl. Conf. on simulation
modeling and programming for autonomous robots (SIMPAR 2008) Venice, Italy, November 3–7, (pp. 54–65).
Gagné, P. P., Leblanc, N., & Rousseau, A. (2009). Apprendre. Une question de stratégies : développer les habiletés liées aux fonctions
exécutives. Montréal: Chenelière.
Gaudiello, I., Tijus, C., & Zibetti, E. (2011). Du schéma d’action à la symbolisation : programmer des tâches robotiques pour
favoriser l’apprentissage de l’arithmétique élémentaire. In Actes du 53e Congrès National de la Société française de psychologie,
La pratique : un lieu de théories Metz, 7–9 septembre, (pp. 128–129).
Gaudiello, I., Zibetti, E., & Pinaud, C. A. (2012). Control heuristics for educational robots: a pilot study. In Proceedings of 3rd
International workshop teaching robotics, teaching with robotics. Integrating robotics in school curriculum Riva del Garda,
Trento, Italy, April 20, (pp. 67–75). http://www.terecop.eu/TRTWR2012/proceedings.htm
Gaudiello, I., & Zibetti, E. (accepté). A pilot study on educational robotics kits: do children make use of specific control heuristics?
Themes in Science and Technology Education. http://earthlab.uoi.gr/theste/index.php/theste/index
Goldman, R., Eguchi, A., & Sklar, E. (2004). Using educational robotics to engage inner-city students with technology. In Y. Kafai,
W. Sandoval, N. Enyedy, A. S. Nixon, & F. Herrera (Eds.), Proceedings of sixth international conference of the learning sciences
(ICLS) (pp. 214–221). Mahwah, NJ: Lawrence Erlbaum.
Heudin, J. C. (1994). La Vie artificielle. Paris: Hermès Science.
Horn, M. S., Crouser, R. J., & Bers, M. U. (2011). Tangible interaction and learning: The case for a hybrid approach. Special Issue
on Tangibles and Children. Personal and Ubiquitous Computing, 16(4), 379–389.
Hoskins, B., & Fredriksson, U. (2008). Learning to learn: What is it and can it be measured. JRC Scientific and Technical Report EUR
23432 EN.
Hsu, S. H., Chou, C. Y., Chen, F. C., Wang, Y. K., & Chan, T. W. (2007). An investigation of the differences between robot and
virtual learning companions’ influences on students’ engagement. In T. W. Chan, A. Paiva, D. Williamson Shaffer, & J. C.
Y. Kinshuk (Eds.), Proceedings of The First IEEE International Workshop on digital game and intelligent toy enhanced learning
Jhongli, Taiwan, March 26–28, (pp. 41–48).
Huber, M. (1999). Apprendre en projets : la pédagogie du projet élèves. Lyon: Chronique Sociale.
Hussain, S., Lindh, J., & Shukur, G. (2006). The effect of LEGO Training on Pupils’ school performance in mathematics, problem
solving ability and attitude: swedish data. Educational Technology & Society, 9(3), 182–194.
Hyun, E. J., Kim, S. Y., Jang, S. K., & Park, S. J. (2008). Comparative study of effects of language education program using intelligence
robot and multimedia on linguistic ability of young children. In Proceedings of the 17th IEEE International Workshop on Robot
and Human Interactive Communication (RO-MAN 2008) Germany, August 2008, (pp. 187–192).
Ilieva, V. (2010). Robotics in Primary School. How to do it? In E. Menegatti (Ed.), Workshop Proceedings of Intl. Conf. on simulation,
modeling and programming for autonomous robots (SIMPAR 2010) Darmstadt, Germany, November 15–18, (pp. 596–605).
Ionita, S., & Ionita, A. I. (2007). Steps towards a constructionist methodological approach. In Proceedings of EcoMedia International
Conference Pitesti, Romania, November 23 and 24, (pp. 119–125).
Johnson, G. M. (2005). Instructionism and constructivism: reconciling two very good ideas. International Journal of Special
Education, 24(3), 90–98.
Kanda, T., Hirano, T., Eaton, D., & Ishiguro, H. (2004). Participation of interactive humanoid robots in human society. Journal of
the Robotics Society of Japan, 22(5), 94–105.
Karatrantou, A., & Panagiotakopoulos, C. (2008). Algorithm, pseudo-code and lego mindstorms programming. In S. Carpin, I.
Noda, E. Pagello, M. Reggiani, & O. von Stryk (Eds.), Workshop Proceedings of Intl. Conf. on simulation modeling and programming
for autonomous robots (SIMPAR 2008) Venice, Italy, November 3–7, (pp. 70–79).
Kelly, G. (1955). The psychology of personal constructs. New York: Norton.
Kerepesia, A., Kubinyib, E., Jonssonc, G. K., Magnussonc, M. S., & Miklósib, A. (2006). Behavioural comparison of human–animal
(dog) and human–robot (AIBO) interaction. Behavioural Processes, 73(1), 92–99.
Kiili, K. (2007). Foundation for problem-based gaming. British Journal of Educational Technology, 38(3), 394–404.
Klahr, D., & Carver, S. M. (1988). Cognitive objectives in a LOGO debugging curriculum: Instruction, learning, and transfer.
Cognitive Psychology, 20, 362–404.
Kröse, B., Bogaard, R., & Hietbrink, N. (2000). Programming robots is fun: RoboCup jr. 2000. In A. Van den Bosch, & H. Wei-
gand (Eds.), Proceedings of Belgium-Netherlands AI Conference (BNAIC’00) De Efteling, Kaatsheuvel, November 1 and 2,
(pp. 29–36).
Kynigos, C. (2008). Black-and-white-box perspectives to distributed control and constructionism in learning with robotics. In
S. Carpin, I. Noda, E. Pagello, M. Reggiani, & O. von Stryk (Eds.), Workshop Proceedings of Intl. Conf. on Simulation modeling
and programming for autonomous robots (SIMPAR 2008) Venice, Italy, November 3–7, (pp. 41–49).
La Paglia, F., Caci, B., La Barbera, D., & Cardaci, M. (2010). Using robotics construction kits as metacognitive tools: a research in
an Italian primary school. Studies in Health Technology and Information, 154, 110–114.
Lepper, M. R., & Henderlong, J. (2000). Turning “play” into “work” and “work” into “play”: 25 years of research on intrinsic versus
extrinsic motivation. In C. Sansone, & J. Harackiewicz (Eds.), Intrinsic motivation: Controversies and new directions. San Diego:
Academic Press.
Limbos, B. (1994). L’utilisation de représentations graphiques en robotique pédagogique. In B. Denis, & G. L. Baron (Eds.), Regards
sur la Robotique pédagogique. Actes du quatrième colloque sur la robotique pédagogique Liège, 5–8 juillet, (pp. 65–83). Paris:
INRP.
Lindh, J., & Holgersson, T. (2007). Does lego training stimulate pupils’ ability to solve logical problems? Computers and education,
49(4), 1097–1111.
Linn, M. C. (1985). The cognitive consequences of programming. Instruction in Classrooms Educational Researcher, 14(5), 14–29.
Lund, H. H., & Pagliarini, L. (2000). RoboCup Jr. with Lego Mindstorms. In Proceedings of Int. Conf. Robotics and Automation (ICRA
2000) San Francisco CA, USA, April 24-28, (pp. 813–819).
Lund, H. H., & Nielsen, J. (2003). An edutainment robotics survey. In K. Murase, & T. Asakura (Eds.), Dynamic systems approach
for embodiment and sociality, international series on advanced intelligence (pp. 173–205).
Lund, H. H. (2003). Adaptive robotics in the entertainment industry. In Proceedings of IEEE International Symposium on compu-
tational intelligence in robotics and automation (ISCIRA 2003) Kobe, Japan, July, 16–20, (pp. 595–602).
Malec, J. (2001). Some thoughts on robotics for education. In Artificial intelligence symposium on robotics and education Standford
University, March 26–28,
Martin, F., Mikhak, B., Resnick, M., Silverman, B., & Berg, R. (2000). To mindstorms and beyond: Evolution of a construction kit
for magical machines. In A. Druin, & J. Hendler (Eds.), Robots for kids: Exploring new technologies for learning experiences. San
Francisco: Morgan Kaufman Academic Press.
Mataric, M. J. (2004). Robotics education for all ages. In AAAI Spring Symposium on accessible, hands-on AI and robotics education
Palo Alto, CA, March 22–24.
Mayer, R. E. (2002a). A taxonomy for computer-based assessment of problem solving. Computers in Human Behavior, 18, 623–632.
Mayer, R. E. (2002b). The promise of educational psychology: teaching for meaningful learning. Upper Saddle River, NJ: Prentice
Hall.
Meltzoff, A. N., Kuhl, P. K., Movellan, J., & Sejnowski, T. J. (2009). Foundations for a new science of learning. Science, 19, 325(5938),
284–288.
Meyer, J. A., Guillot, A., Girard, B., Khamassi, M., Pirim, P., & Berthoz, A. (2005). The Psikharpax project: towards building an
artificial rat. Robotics and Autonomous Systems, 50(4), 211–223.
Mikropoulos, T. A., & Bellou, J. (2006). Educational robotics as mindtools. (via: hearthlab.uoi.gr/earthlab
files/./Educational Robotics as mindtools.pdf).
Mioduser, D., Levy, S. T., & Tallis, V. (2009). Episodes to scripts to rules: Concrete-abstractions in kindergarten children’s
explanations of a robot’s behavior. International Journal of Technology and Design Education, 19(1), 15–36.
Mioduser, D., Venezky, R. L., & Gong, B. (1996). Students’ perceptions and designs of simple control systems. Computers in Human
Behavior, 12(3), 363–388.
Moshkina, L., & Arkin, R. C. (2005). Human perspective on affective robotic behavior: A longitudinal study. In Proceedings of IEEE
International conference on intelligent robots and systems (IROS 2005) Edmonton, Canada, August 2–6, (pp. 1444–1451).
Nourbakhsh, I., Hamner, E., Dunlavey, B., Bernstein, D., & Crowley, K. (2005). Educational results of the personal exploration
rover museum exhibit. In Proceedings of the 2005 IEEE International conference on robotics and automation Barcelona, Spain,
April 22–28, (pp. 4278–4283).
Nugent, G., Barker, B., Grandgenett, N., & Adamchuck, V. (2010). Impact of robotics and geospatial technology interventions on
youth STEM learning and attitudes. Journal of Research on Technology in Education, 42(4), 391–408.
OECD (2010), PISA 2009 Results: Executive Summary.
Papert, S., & Solomon, C. (1972). Twenty Things To Do With a Computer. Educational Technology, 12(4), 9–18.
Papert, S. (1980). Mindstorms: Children, computers, and powerful ideas. New York: Basic Books.
Papert, S. (1981). Computer-based microworlds as incubators for powerful ideas. In R. Taylor (Ed.), The computer in the school:
Tutor, tool, tutee (pp. 203–210). New York: Teachers College Press.
Papert, S. (2000). The future of school. (via: http://www.papert.org/articles/freire/freirePart2.html)
Parisi, D. (2001). Le nuove tecnologie e la scuola: distruzione e ricostruzione. Sistemi Intelligenti, 13, 285–298.
Pásztor, A., Pap-Szigeti, R., & Lakatos Török, E. (2010). Effects of using model robots in the education of programming. Informatics
in Education, 9(1), 133–140.
Pea, R. D., & Kurland, D. (1983). Logo programming and the development of planning skill. In Tech. Rep 16. Center for Children &
Technology. New York: Bank Street College.
Perkins, D. N. (1992). Transfer of learning. Contribution to the International Encyclopedia of Education (Second Edition). Oxford,
England: Pergamon Press.
Petre, M., & Price, B. (2004). Using robotics to motivate back door learning. Education and Information Technologies, 9(2),
147–158.
Piaget, J. (1952). The origins of intelligence in children. New York: International University Press.
Piaget, J. (1972). Psychology and epistemology: towards a theory of knowledge. Harmondsworth: Penguin.
Piaget, J. (1974). To understand is to invent. New York: Basic Books.
Polya, G. (2007). Comment poser et résoudre un problème. Paris: Jacques Gabay.
Prensky, M. (2005). Engage me or enrage me: What today’s learners demand. Educause Review, 40(5), 61–65.
Prensky, M. (2001). Digital natives, digital immigrants Horizon, NCB: University Press., pp. 1–6.
Rakisona, D. H., & Yermolayevaa, Y. (2011). How to identify a domain-general learning mechanism when you see one. Journal
of Cognition and Development, 12(2), 134–153.
Resnick, M., & Wilensky, U. (1993). Beyond the deterministic, centralized mindsets: A new thinking for new science. In Annual
meeting of the American Educational Research association Atlanta, GA, April 12–16.
Resnick, M., Martin, F., Sargent, R., & Silverman, B. (1996). Programmable bricks: Toys to think with. IBM Systems Journal, 35(3–4),
443–452.
Resnick, M., Maloney, J., Monroy-Hernandez, A., Rusk, N., Eastmond, E., Brennan, K., Millner, A., Rosenbaum, E., Silver, J.,
Silverman, B., & Kafai, Y. (2009). Scratch: Programming for All. Communications of the ACM, 52(11), 60–67.
Ribeiro, C. R., Machado, C., Costa, M. F. M., & Pereira-Coutinho, C. (2009). Robotics as a tool to increase the motivation levels
in problematic students. In 6th International Conference on Hands-on Science Science for All. Quest for Excellence© 2009 HSci
Antalya, Turkey, October 16–21, 2012.
Ringstaff, C., & Kelley, L. (2002). The learning return on our educational technology investment. San Francisco: WestEd.
Rogers, C., & Portsmore, M. (2004). Bringing engineering to elementary school. Journal of STEM Education, 5(3&4), 17–28.
Rosenberg, M. J. (2001). E-learning: Strategies for delivering knowledge in the digital age. New York: McGraw-Hill.
Rusk, N., Resnick, M., Berg, R., & Pezalla-Granlund, M. (2008). New pathways into robotics: strategies for broadening participa-
tion. Journal of Science Education and Technology, 17(1), 59–69.
Salomon, G., & Perkins, D. N. (1987). Transfer of cognitive skills from programming: When and how? Journal of Educational
Computing Research, 3, 149–169.
Salomon, G., Perkins, D., & Globerson, T. (1991). Partners in cognition: Extending human intelligence with intelligent technolo-
gies. Educational Researcher, 20(4), 2–9.
Salomon, G., & Perkins, D. N. (1996). Learning in wonderland: What computers really offer education. In S. Kerr (Ed.), Technology
and the future of education (pp. 111–130). Chicago: University of Chicago Press.
Schank, R. C., Berman, T. R., & Macpherson, K. A. (1999). Learning by doing. In C. M. Reigeluth (Ed.), Instruction design theories
and models. Hillsdale, NJ: Erlbaum Associates.
Shin, N., & Kim, S. (2007). Learning about, from, and with robots: Students’ perspectives. In 16th IEEE International conference
on robot & human interactive communication Jeju, Korea, August 26–29.
Sklar, E., Eguchi, A., & Johnson, J. (2003). RoboCupJunior: learning with educational robotics. AI Magazine, 24(2), 43–47.
Sougné, J. (2004). Les raisonnements temporels en robotique pédagogique : deux strategies cognitive de synchronization. In
B. Denis, & G. L. Baron (Eds.), Regards sur la robotique pédagogique. Actes du quatrième colloque sur la robotique pédagogique
Liège, 5–8 juillet, (pp. 85–91). Paris: INRP.
Strommen, E. F., & Lincoln, B. (1992). Constructivism, technology, and the future of classroom learning. Education and Urban
Society, 24, 466–476.
Sullivan, F. V. (2008). Robotics and science literacy: Thinking skills, science process skills and systems understanding. Journal
of Research in Science Teaching, 45(3), 373–394.
Tejada, S., Traft, N., Hutson, M., Bufford, H., Dooner, M., Hanson, J., Radler, A., & Mauer, G. (2006). Educational robots: Three models
for the research of learning theories and human-robot interaction. In Proceedings of the AAAI 2006 Robotics Workshop Boston,
July16–20, (pp. 70–76).
Tijus, C., Poitrenaud, S., Bouchon-Meunier, B., & De Vulpillières, T. (2006). Le cartable électronique : sémantique de l’utilisabilité
et aide aux apprentissages. Psychologie française, 51(1), 87–101.
Trouche, L. (2005). Construction et conduite des instruments dans des apprentissages mathématiques : nécessité des orches-
trations. Recherches en didactique des mathématiques, 25(1), 91–138.
Turkle, S. (1995). Life on the screen: Identity in the age of the internet. New York: Simon and Schuster.
Van Eck, R. (2010). Interdisciplinary models and tools for serious games: Emerging concepts and future directions. Hershey, PA: IGI
Global.
Van Lith, P. (2007). Teaching robotics in primary and secondary schools. In Proceedings ComLab International conference compu-
terised laboratory in science and technology education Radovljica, Slovenia, November 30–December 1, p. 23.
Vosniadou, S. (2001). How Children Learn, Educational Practices Series, 7, The International Academy of Education (IAE) and the
International Bureau of Education.(UNESCO).
Wang Y., Widrow, B., Zhang, B., Kinsner, W., Sugawara, K., Sun, F., Weise, T. Zhong, Y., Zhang, D. (2010). Perspectives on cognitive
informatics and its future development: Summary of plenary panel II of IEEE ICCI’10. IEE Computer Society.
Wilson, S. W. (1985). Knowledge growth in an artificial animal. In J. J. Grefenstette (Ed.), Proceedings of the First International
Conference on genetic algorithms and their applications (pp. 16–23). Hillsdale, NJ: Lawrence Erlbaum Associates.
Wing, J. M. (2008). Computational thinking and thinking about computing. Philosophical transactions of the royal society A, 366,
3717–3725.
Wood, D. J., Bruner, J. S., & Ross, G. (1976). The role of tutoring in problem solving. Journal of Child Psychiatry and Psychology,
17(2), 89–100.
Wyeth, P., Venz, M., & Wyeth, G. (2004). Scaffolding children’s robot building and programming activities. In D. Polani, B.
Browning, A. Bonarini, & K. Yoshida (Eds.), RoboCup 2003: Robot soccer world cup vii, lecture notes in computer science, 3020
(pp. 308–319). New York, NY: Springer-Verlag.
Zhang, G. (2010). Virtual robots and its education application. Proceedings of educational technology and computer science second
international workshop, 1, 793–796.
Zibetti, E., Chevalier, A., & Eyraud, R. (2011). What type of information displayed on digital scheduling software facilitates
reflective planning tasks for students? Contributions to the design of a school task management tool. Computers in Human
Behavior, 28, 591–607.

Fundamental La Robiotiue Educationnelle PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Fundamental La Robiotiue Educationnelle PDF

Transféré par

Droits d'auteur :

Formats disponibles

Psychologie française 58 (2013) 17–40

Disponible en ligne sur www.sciencedirect.com

et également disponible sur www.em-consulte.com

La robotique éducationnelle : état des lieux et perspectives夽

Historique de l’article : La relation dyadique entre progrès technologique et ﬁnalités édu-

Keywords: The dyadic relation between technological progress and educatio-

to the status and the speciﬁc learning modalities of the different

2. Origines, positionnement et implications pédagogiques d’un champ de recherche

2.1. Un héritage pluridisciplinaire

2.2. Le robot éducatif : une technologie de l’information et de la communication pour l’enseignement

2.3. Les ﬁnalités éducatives servies par la typologie hardware/software du robot

Type de robot Fonction du robot Statut Modalité Finalité éducative

technologies éducatives. Si l’utilisation des technologies éducatives peut préﬁgurer de nouvelles

3.1. Les kits de robotiques : théories, approches et scénarisations

Chaque innovation technologique s’accompagne de l’élaboration d’un appareillage théorique

• d’environnement culturel : principes d’apprentissage durable et de pertinence vis à vis du curriculum

3.2. L’implémentation scolaire et parascolaire des kits robotiques

Activité Finalité éducative Évaluation Résultats obtenus Référence

Conception, Compréhension du Qualitative : Mise en évidence Mioduser, Venezky,

Activité Finalité éducative Évaluation Résultats obtenus Référence

Conception, construction Acquisition du Quantitatives : Application Sullivan, 2008

Activité Finalité éducative Evaluation Résultats obtenus Référence

La carence d’études expérimentales complètes, de descriptions détaillées des protocoles utilisés

3.3. Premiers résultats de l’impact de la robotique kit en milieu éducatif

4. Les kits robotiques et le « transfert »

Le transfert de connaissances et de procédures de résolution est l’un des objectifs majeurs de

4.1. Le kit robotique et les conditions d’un transfert effectif

4.2. Le kit robotique et l’apprentissage : premières mesures d’évaluation

La prédominance de méthodes qualitatives pour évaluer l’impact de la robotique kit en milieu

5. La robotique éducationnelle entre espoirs et préoccupations

L’arrivée de la robotique dans le milieu éducatif, accompagnée de promesses de changement radical,

5.1. Les bénéﬁces attendus

5.2. Les risques potentiels

Vous aimerez peut-être aussi