Vous êtes nouveau sur Developpez.com ? Créez votre compte ou connectez-vous afin de pouvoir participer !

Vous devez avoir un compte Developpez.com et être connecté pour pouvoir participer aux discussions.

Vous n'avez pas encore de compte Developpez.com ? Créez-en un en quelques instants, c'est entièrement gratuit !

Si vous disposez déjà d'un compte et qu'il est bien activé, connectez-vous à l'aide du formulaire ci-dessous.

Identifiez-vous
Identifiant
Mot de passe
Mot de passe oublié ?
Créer un compte

L'inscription est gratuite et ne vous prendra que quelques instants !

Je m'inscris !

Se tromper 15 % du temps est la meilleure façon d'apprendre de nouvelles choses selon une étude
Les chercheurs disent avoir découvert une « zone idéale » où les gens apprennent plus rapidement

Le , par Bill Fassinou

72PARTAGES

18  0 
Même s’il existe aujourd’hui des méthodes pour bien se concentrer et s'impliquer dans l'apprentissage de nouvelles choses, il faut parfois échouer. Les scientifiques de l’université de l’Arizona ont mené une étude qui estime que se tromper 15 % du temps est le secret pour apprendre de nouvelles choses. Leur étude ressort que si vous marquez toujours 100 %, vous n'apprendrez probablement rien de nouveau. Elle révèle que ce que l’on appelle la « zone boucle d’or » d'apprentissage est de 85 %.

Les chercheurs et les éducateurs s'interrogent souvent sur la bonne façon d'enseigner à leurs sujets, qu'il s'agisse d'humains, d'animaux ou de machines. Cependant, plusieurs scientifiques conviennent qu’il existe une zone idéale (sweet spot en anglais) où la formation n'est ni trop facile ni trop difficile, et où l’apprentissage d'un individu progresse le plus rapidement. Autrement dit, c’est un point où nous apprenons mieux lorsque nous sommes mis au défi de saisir quelque chose qui dépasse les limites de nos connaissances existantes.

En effet, bien que personne n'aime échouer, les chercheurs estiment depuis longtemps que les gens apprennent mieux lorsqu'ils sont mis au défi de saisir quelque chose qui est juste en dessus de leurs connaissances existantes. Ainsi, lorsqu'un défi est trop simple, nous n'apprenons rien de nouveau. De même, lorsqu'un défi est si difficile que nous échouons complètement ou abandonnons, nous n’améliorons pas nos connaissances. Selon les scientifiques, cela suppose qu’il existe une « zone idéale » pour l’apprentissage de nouvelles choses chez les êtres humains.

Toutefois, à quel niveau se trouve cette « zone idéale » ? Selon une étude récemment publiée par les chercheurs de l’université de l’Arizona dans la revue Nature Communications, elle se situe aux alentours d’un taux d’échec de 15 %. C’est-à-dire qu’il faut alors réussir 85 % du temps. Pour mener leur recherche, les chercheurs de l'Université de l'Arizona ont mené une série d'expériences utilisant des algorithmes d'apprentissage automatique au cours desquelles ils ont enseigné à l'ordinateur des tâches simples, telles que choisir si un nombre est impair ou pair.


Les chercheurs ont utilisé des modèles d'apprentissage automatique à partir desquelles ils ont enseigné à l'ordinateur des tâches simples comme la catégorisation de modèles ou la disposition de nombres. Selon l'article publié dans Nature Communications, les ordinateurs apprenaient le plus vite lorsqu'ils obtenaient 85 % de réponses correctes. « Nous montrons théoriquement qu'une formation à cette difficulté optimale peut conduire à des améliorations exponentielles du taux d'apprentissage », ont écrit les chercheurs dans le document.

« Ces idées qui existaient dans le domaine de l'éducation, qu'il y a une "zone de difficulté proximale" dans laquelle vous devriez maximiser votre apprentissage, nous les avons mises sur une base mathématique », a déclaré Robert Wilson, professeur adjoint de psychologie et de sciences cognitives à l'Université d'Arizona et auteur principal de l'étude intitulée « The Eighty five Percent Rule for Optimal Learning » (la règle des 85 % pour un apprentissage optimal). Les scientifiques ont découvert que se tromper 15 % du temps est le secret pour apprendre de nouvelles choses.

Wilson et ses collaborateurs de l'Université Brown, de l'Université de Californie, de Los Angeles et de Princeton ont établi cette « règle des 85 % » après avoir effectué une série d'expériences utilisant l'apprentissage automatique au cours desquelles ils ont enseigné aux ordinateurs des tâches simples, comme classer différents modèles en deux catégories, ou encore classer des photos de chiffres écrits à la main selon qu’il s’agisse de chiffres pairs ou impairs, ou encore de petits ou grands nombres. Ces expériences ont donné des résultats satisfaisants d'après eux.

Les ordinateurs ont appris le plus rapidement dans les situations où la difficulté était telle qu'ils ont répondu avec une précision de 85 %. « Les chercheurs disent avoir découvert une "zone idéale" où les gens apprennent plus rapidement, vous maximisez toujours votre taux d'apprentissage dans ces tâches à deux choix », a déclaré Robert Wilson. « Lorsque les chercheurs ont examiné des études antérieures sur l’apprentissage animal, ils ont aussi constaté que la règle des 85 % fonctionnait là aussi », a précisé Wilson. Selon Wilson, cette règle s’appliquerait également pour l’homme.

« Lorsque nous pensons à la façon dont les humains apprennent, la règle des 85 % s'appliquerait très probablement à l'apprentissage perceptif, dans lequel nous apprenons graduellement par l'expérience et par les exemples » a expliqué Wilson. Wilson a-t-il raison d’affirmer cela ? Selon ce dernier, ces résultats pourraient également être valables pour l’homme et le professeur espère que son équipe et lui étendent ce travail afin de poursuivre leur étude pour aborder des formes d’apprentissage plus compliquées que l’apprentissage perceptif.

« Si vous suivez des cours qui sont trop faciles et que vous les réussissez tout le temps, alors vous n'obtiendrez probablement pas autant d'un cours que quelqu'un qui a du mal à suivre, mais qui réussit à le faire », dit-il. « Nous espérons pouvoir étendre ce travail et commencer à parler de formes d'apprentissage plus complexes », a-t-il conclu.

Source : Le rapport d’étude

Et vous ?

Que pensez-vous de cette étude ? Vous paraît-elle pertinente ou pas ?
Avez-vous appris de vos erreurs ? Partagez votre expérience.

Voir aussi

Des chercheurs ont créé un nouveau système qui peut traduire des pensées simples en parole, en utilisant l'IA et un synthétiseur de parole

Facebook acquiert CTRL-Labs, une startup dans l'interface cerveau-machine et qui fabrique un bracelet permettant aux utilisateurs de contrôler les appareils numériques avec leur esprit

L'IA aurait résolu en moins d'une seconde « le Problème à Trois Corps », vieux de trois siècles grâce à un réseau neuronal, d'après des chercheurs

Pourquoi Tesla aurait discrètement racheté DeepScale, une startup spécialisée dans l'apprentissage automatique et l'apprentissage profond qui promet des solutions d'IA optimisées

Une erreur dans cette actualité ? Signalez-le nous !

Avatar de SimonDecoline
Membre expert https://www.developpez.com
Le 11/11/2019 à 20:24
Mouais... Et si cette étude avait été réalisée lors des 15% du temps ou ses auteurs se trompent ?
7  0 
Avatar de Neckara
Expert éminent sénior https://www.developpez.com
Le 11/11/2019 à 20:03
C'est ridicule.

L'idée principale est intéressante, mais les conclusions sont complètement à côté de la plaque. L'article publié sur Nature lui-même est écrit n'importe comment. Les résultats et discussion avant la méthode... Sérieusement ?

L'étude fait beaucoup d'assomptions, perceptron et NN 2-couches avec stochastic gradient-descent, et bruit gaussien sur, de ce que j'ai compris, une seule tâche d'apprentissage. La généralisation reste donc très abusive. Cela ne leur aurait rien coûté de tester une dizaine de NN sur une dizaine de tâche d'apprentissages différentes... je serais méchant je pourrais les suspecter de l'avoir fait, mais de n'avoir gardé que les plus intéressants.

De plus de déduire "ça marche pour une couche, ça marche pour deux, donc ça doit marcher pour des réseaux avec plus de couches"... c'est juste stupide. C'est comme dire tous les nombres impairs sont premiers à l'exception de 1. En effet, 3 premier, 5 premier, et 7 premier, donc ça doit être vrai... Ils auraient tout simplement pu tester plutôt que de se lancer dans une telle conclusion abusive.

Le lien avec l'apprentissage humain ou animal est très faible, pratiquement une seule phrase et une seule citation, c'est pas sérieux. Cela méritait bien au moins toute une sous-section entière. Pour les résultats, entre 10% et 25%, il n'y a pas l'air d'y avoir une très grande différence (fig. 4a).

Cet article mérite une bonne réécriture, je ne comprends même pas qu'il ai pu passer les reviews, d'autant plus pour un journal aussi prestigieux que Nature.
3  0 
Avatar de Mat.M
Expert éminent sénior https://www.developpez.com
Le 11/11/2019 à 20:26
Certainement une étude très pertinente et intéressante.
Cependant dans les parcours existentiels de chacun la bonne marche des choses ne se fait pas forcément avec une utilisation intensive de courbes et de statistiques mathématiques
Bref l'humanité avance au feeling et à l'intuition plutôt qu'avec des théorèmes et des lois statistiques.

Je prépare une quiche lorraine pour 10personnes mettons, je me vois mal utiliser de l'analyse prédictive même pour éviter que ma quiche lorraine soit ratée.
C'est un peu pareil pour créer un jeu vidéo...
2  0 
Avatar de SimonDecoline
Membre expert https://www.developpez.com
Le 11/11/2019 à 22:52
Citation Envoyé par Neckara Voir le message
Cet article mérite une bonne réécriture, je ne comprends même pas qu'il ai pu passer les reviews, d'autant plus pour un journal aussi prestigieux que Nature.
C'est pas Nature mais "nature communications", qui a un IF quatre fois moindre...
2  0 
Avatar de Neckara
Expert éminent sénior https://www.developpez.com
Le 11/11/2019 à 23:01
Citation Envoyé par SimonDecoline Voir le message
C'est pas Nature mais "nature communications", qui a un IF quatre fois moindre...
Ça semble quand même rester un Q1.

De ce que je comprend, Nature Communications est à Nature ce que ACM CSS est à ACM SIGSAG. Ce sont des groupes de journaux / conférences, la même organisation.
0  0