| Résumés |
| fr |
Nos recherches portent sur l'acquisition de connaissances spécifiques à un domaine scientifique à l'aide de textes et d'illustrations chez des sujets de niveaux d'expertise différents. Le domaine à acquérir a été décrit à partir de la formalisation en systèmes. Dans une première expérience, nous avons étudié l'effet de l'adéquation entre la structure du domaine et la structure des connaissances des lecteurs sur l'apprentissage à partir du texte. Il s'agissait aussi de rendre compte d'une interaction entre les connaissances des lecteurs et la cohérence du texte. Ainsi, l'accroissement de l'expertise semble se traduire par un traitement différencié des états et des événements qui définissent le domaine. Par ailleurs, les débutants bénéficient davantage d'un texte cohérent que d'un texte non-cohérent, tandis que l'inverse est observé pour les experts. Dans la deuxième expérience, nous avons étudié la relation entre la catégorie sémantique (états, événements) des connaissances apportées par un organisateur initial et celle des informations évoquées dans un texte subséquent. Comparés aux débutants, les experts s'investissent davantage dans le traitement du texte subséquent lorsque la nature sémantique de ce dernier est différente de celle de l'organisateur initial. Dans les troisième et quatrième expériences, nous avons étudié l'effet des illustrations sur l'apprentissage à partir de textes en fonction des connaissances des lecteurs, de la catégorie (états, événements) des informations illustrées du texte, et de la place des illustrations dans le déroulement de la lecture (illustrations présentées en même temps, avant ou après leurs correspondants textuels). Les débutants tirent davantage profit des illustrations d'états, et ce d'autant plus qu'elles jouent le rôle d'organisateurs initiaux. Les experts portent un plus grand intérêt pour les illustrations d'événements, et ce d'autant plus qu'elles leur permettent de mettre à jour la représentation qu'ils ont formée à partir du texte. |
| en |
Representation and acquisition of new domain-specific information from scientific texts and illustrations : Effects of domain organization, prior knowledge and characteristics of texts and illustrations.
These studies investigated with high- and low-knowledgeable subjects the acquisition of new domain-specific information from scientific texts and illustrations. The domain to be learned was described from the formalization in terms of systems. In a first experiment, we wanted to investigate the effect of the relation between the domain structure and the knowledge structure participants have on the domain on learning from text. We also were focused on the interactive effect of readers' prior knowledge and text coherence. The results showed that as expertise on the text domain develops, a differentiated processing of domain-related states and events occurs. Moreover, beginners benefit more from a coherent text than from a non-coherent text, while the reverse pattern is observed for experts. In the second experiment, we tested how the consistency or inconsistency between the semantic category (states, events) of knowledge provided by an outline and a subsequent text affected learning from text. Experts benefit more from an outline that use a different category to describe the domain as does the subsequent text than from a 'same' outline, whereas the reverse pattern is observed for beginners. The third and fourth experiments aimed to analyze the effect of illustrations on learning from text as a function of readers' prior knowledge, the semantic category (states, events) of illustrated information, and the temporal layout of illustrations during the course of reading (illustrations presented at the same time, before or after their verbal description). Beginners benefit more from illustrations depicting domain-related states, especially as these illustrations play the role of advance organizers. Experts focus more on illustrations depicting domain-related events, especially as these illustrations allow them to update their text representation. |
|
