1.2.1. Elaborer un schéma

Il semble que deux catégories de processus peuvent permettre d’élaborer à partir des situations sources (voir Cauzinille-Marmèche et Didierjean, 1999 pour une revue de question) : les processus inductifs et les processus explicatifs.

Processus inductifs

L'un des processus de généralisation le plus étudié en psychologie cognitive consiste à détecter les similitudes entre plusieurs situations qui partagent une structure commune de résolution (problèmes isomorphes) (Bassok, 1990 ; Bassok et Holyoak, 1989 ; Cummins, 1992 ; Gick et Holyoak, 1983) (Figure 2). Face à des problèmes isomorphes, la mise en œuvre des activités de détection de similitudes peut permettre de dégager la structure commune à ces situations. Cummins (1992) montre ainsi que face à plusieurs exemples isomorphes, on observe davantage de généralisation lorsque les participants de l’expérience sont incités par des questions à comparer les exemples plutôt que lorsqu'ils sont incités à étudier chacun des exemples individuellement. Notons que si ce type de raisonnement inductif peut permettre de détecter de manière active et consciente ce qui est commun à deux situations structurellement proches (Catrambone et Holyoak, 1989 ; Reeves et Weisberg, 1994), il semble également que l'homme puisse être sensible à la présence de régularités de manière automatique (Anderson, Kline et Beasley, 1979 ; Carbonell, 1983 ; Michalski, 1983), voire peut-être sans que la connaissance élaborée soit accessible à la conscience (Reber, 1989).

Figure 2 : Schématisation de la généralisation par détection de similitudes

Si la détection de similitudes est le processus privilégié dans la plupart des modélisations en psychologie, il n'est pas sans poser un certain nombre de problèmes. Une difficulté importante est la distinction entre ce qui est important et ce qui l'est moins. En effet, la détection de similitudes ne permet pas nécessairement de faire la différence entre les éléments qui jouent un rôle causal dans une situation et les autres éléments.

Afin d’illustrer les limites de la détection de similitudes Ahn, Brewer et Mooney (1992) s’appuient sur une modélisation décrite par DeJong et Mooney (1986). Dans cet article, ils expliquent qu'un système informatique d'abstraction de connaissances fondé sur la détection de similitudes à qui on ferait lire dix histoires de kidnapping dans lesquels le kidnappeur porte toujours un blue-jean construirait un schéma de kidnapping où « porter un blue-jean » est un élément clé. L'utilisation de ce processus peut donc donner de l'importance à des éléments qui ont une fréquence d'occurrence élevée, même s’ils étaient de l'ordre du détail pour le déroulement des histoires.

L’activité de construction d’un schéma abstrait ne consiste sans doute pas simplement à dégager des régularités. D'autres processus de généralisation semblent pouvoir être mis en oeuvre.