Evalguide - Design

Les participants sont répartis de façon aléatoire sur un groupe expérimental (GE) et un groupe de contrôle (GC) (GE et GC étant ainsi équivalents).
Un "traitement" (X) est utilisé de façon ciblée. Le groupe expérimental reçoit le traitement qu'il s'agit d'examiner (p. ex. une formation avec un outil e-Learning), tandis que le groupe de contrôle ne reçoit pas ce traitement (ou reçoit un traitement de contrôle approprié).
La dimension visée (la caractéristique qu'on observe, p. ex. la performance d'apprentissage) est mesurée dans les deux groupes, éventuellement avant, mais en tout cas après le traitement (mesure = O).

On vise ainsi à exclure tous les facteurs (excepté le traitement) qui pourraient avoir une influence sur la dimension visée. On veut être sûr que les différences apparaissant entre le groupe expérimental et le groupe de contrôle (p. ex. en ce qui concerne la performance d'apprentissage) ne peuvent être attribuées qu'au traitement. Une méthode expérimentale est nécessaire p. ex. lorsqu’il s’agit de démontrer la valeur ajoutée d'une technologie d'apprentissage par rapport à des "enseignements traditionnels" en termes de performance d'apprentissage.

Mesure unique avec un groupe de contrôle

GE : X --> O
GC : (Xc) --> O

Exemple : on fait travailler un groupe d'étudiants (GE) avec un logiciel d'apprentissage sur la thématique "z", et on mesure une caractéristique, p. ex. les connaissances au sujet de "z". La même mesure est faite aussi pour un groupe de contrôle (GC) qui n'a pas appris avec le logiciel d'apprentissage (ou qui a reçu un traitement de contrôle (Xc), p. ex. en travaillant avec un autre matériel didactique).

Le traitement de contrôle doit être choisi de telle sorte que les deux traitements ne se différencient qu'en ce qui concerne le facteur à évaluer. Si p. ex. un apprentissage appuyé par une technologie doit être comparé à un apprentissage "non-technologique", tous les autres facteurs influençant l'apprentissage doivent rester constants dans les deux groupes. Cela signifie p. ex. que les deux groupes doivent avoir le même enseignant, les mêmes contenus d’enseignement, une conception didactique identique, etc. (Tergan montre dans sa présentation "Was macht Lernen erfolgreich?" la multiplicité des composantes qui influencent l'apprentissage. La présentation peut être téléchargée à l'adresse :
http://www.evaluationsnetz.de/index.php?cat=0&id=10005000&SID / Ergebnisse des Fachgesprächs / Vortrag Lernerfolg (en allemand)).

Mesure avant - après avec un groupe de contrôle :

GE : O --> X - -> O
GC : O --> (Xc) --> O

Exemple: on fait travailler un groupe d'étudiants (GE) avec un logiciel d'apprentissage sur la thématique "z", et on mesure, au début et à la fin de leur apprentissage, une caractéristique, p. ex. les connaissances au sujet de "z".
On prend les mêmes mesures avec un groupe de contrôle (GC) qui n'a pas appris avec le logiciel d'apprentissage (ou qui a reçu un traitement de contrôle (Xc), p. ex. en travaillant avec un autre matériel). Par rapport à la mesure unique, cette méthode a l'avantage de permettre une mesure fiable de la performance d'apprentissage, en regardant la différence entre les mesures avant et après. En outre, on peut contrôler si les deux groupes ne se différencient pas déjà en ce qui concerne leurs connaissances préalables.

Naturellement, dans le cas d'un test de connaissances, il ne faut pas utiliser les mêmes questions pour le test « avant » et le test « après », car l’expérience du test peut elle-même déjà déclencher un apprentissage. Au moyen des matériaux d'apprentissage, une série de questions d'essai devrait d'abord être produite. Celles-ci seront ensuite réparties de façon aléatoire sur les tests avant / après.