Des chercheurs ont étudié les processus neuronaux sous-jacents à l'expérience de programmation. L'objectif était de déterminer si les personnes ayant une grande expérience en programmation peuvent développer une forme de pensée computationnelle, qu'elles peuvent appliquer à des tâches complexes de résolution de problèmes telles que des tests de raisonnement.Il existe un accord général sur le fait que la pensée computationnelle est l'une des compétences les plus essentielles dans le contexte de la numérisation en constante progression du XXIe siècle. Ce postulat provient d'un article de point de vue publié par Wing en 2006, dans lequel la revue estimait que la pensée computationnelle, aux côtés de la lecture, de l'écriture et de l'arithmétique, est une compétence fondamentale que tout le monde devrait apprendre, pas seulement les informaticiens.
L'article de Wing a attiré l'attention générale sur la tomodensitométrie, déclenchant une énorme vague de recherche, en particulier dans le domaine de l'éducation. De plus, une série de programmes de formation ont été développés pour aider les enfants ainsi que les adultes à acquérir des niveaux plus élevés de pensée computationnelle.
La pensée computationnelle s'intéresse à la résolution de problèmes, à la conception de systèmes ou même à la compréhension des comportements humains en s'appuyant sur les concepts fondamentaux de l'informatique théorique. Elle peut donc se définir comme une approche englobant les processus de pensée impliqués dans la formulation de problèmes et l'expression de leurs solutions, de manière qu'un ordinateur puisse les exécuter.
Par conséquent, la pensée computationnelle est associée à un ensemble de compétences comprenant la pensée algorithmique et logique, la résolution de problèmes ainsi qu'une pensée efficace et innovante. Ces processus mentaux sont également impliqués dans la programmation. Aussi, les compétences en informatique et en programmation sont étroitement liées, mais non équivalentes. On suppose qu'une programmation et un codage réussis nécessitent des compétences en pensée computationnelle (par exemple, abstraction, décomposition, pensée algorithmique, débogage, itération et généralisation), « mais considérer la pensée computationnelle comme étant la capacité à programmer peut être trop limitatif ».
La plupart des chercheurs sont d'accord avec cette hypothèse selon laquelle les deux concepts sont liés, mais pas identiques. Cependant, étant donné que la pensée computationnelle est requise dans la programmation, l'évaluation de la pensée computationnelle est souvent basée sur des environnements de programmation. De même, des interventions de programmation ont été utilisées pour accroître les compétences en tomodensitométrie dans de nombreuses études.
Vient alors l'étude
C'est pourquoi des chercheurs ont opté pour une enquête sur deux groupes, l'un sans expérience en programmation et l'autre avec une expérience préalable en programmation, qui devaient effectuer des tâches nécessitant une résolution de problèmes, une réflexion algorithmique et logique ainsi qu'une réflexion efficace et innovante.
Les tâches que nous avons utilisées ici faisaient partie d'un test d'intelligence fluide. L'intelligence fluide (Gf ;= ;raisonnement) est, avec l'intelligence cristallisée (Gc), l'une des deux facettes de l'intelligence générale (G). Alors que l'intelligence fluide fait référence à la capacité de résoudre de nouveaux problèmes de raisonnement, ce qui nécessite des compétences telles que la compréhension, la résolution de problèmes et l'apprentissage, l'intelligence cristallisée fait référence aux connaissances issues des apprentissages antérieurs et des expériences passées. L'intelligence fluide a été évaluée à l'aide de trois sous-tests de l'Intelligence-Structure-Battery 2 (INSBAT 2:18), à savoir le raisonnement inductif figural (FIR), le raisonnement inductif numérique (NIR) et le raisonnement déductif verbal (VDR).
Des études empiriques ont indiqué que des compétences supérieures en informatique et en programmation s'accompagnent de capacités de raisonnement supérieures. Il a été démontré que la formation des compétences en pensée computationnelle ainsi que des compétences en programmation conduit à une amélioration des tâches de raisonnement figuratif, mais pas des tâches de raisonnement numérique ou verbal. Les compétences de raisonnement figuratif se sont même avérées être l'un des meilleurs prédicteurs des résultats d'apprentissage lors de l'apprentissage d'un langage de programmation tel que Python, tandis que la numératie [ndlr. la capacité à utiliser, à appliquer, à interpréter, à communiquer, à créer et à critiquer des informations et des idées mathématiques de la vie réelle] n'expliquait qu'une partie relativement faible de la variance des résultats d'apprentissage en programmation. Cela indique que le raisonnement figuratif est particulièrement pertinent pour la programmation et pourrait également jouer un rôle central en pensée computationnelle.
Des études empiriques ont indiqué que des compétences supérieures en informatique et en programmation s'accompagnent de capacités de raisonnement supérieures. Il a été démontré que la formation des compétences en pensée computationnelle ainsi que des compétences en programmation conduit à une amélioration des tâches de raisonnement figuratif, mais pas des tâches de raisonnement numérique ou verbal. Les compétences de raisonnement figuratif se sont même avérées être l'un des meilleurs prédicteurs des résultats d'apprentissage lors de l'apprentissage d'un langage de programmation tel que Python, tandis que la numératie [ndlr. la capacité à utiliser, à appliquer, à interpréter, à communiquer, à créer et à critiquer des informations et des idées mathématiques de la vie réelle] n'expliquait qu'une partie relativement faible de la variance des résultats d'apprentissage en programmation. Cela indique que le raisonnement figuratif est particulièrement pertinent pour la programmation et pourrait également jouer un rôle central en pensée computationnelle.
Dans la présente étude, nous comparons des individus avec et sans expérience antérieure en programmation qui résolvent des tâches de raisonnement figuratif, numérique et verbal avec différents niveaux de complexité (trois niveaux de difficulté) dans (1) la performance comportementale et (2) le traitement neuronal. Nous nous attendons à ce que les développeurs, qui pourraient avoir développé une forme de pensée computationnelle, qui est nécessaire pour programmer avec succès, montrent une meilleure performance dans les tâches de raisonnement que les non-programmeurs. Cette différence de groupe dans les performances comportementales devrait être plus importante dans les tâches nécessitant un raisonnement figuratif.
Différences dans les processus neuronaux sous-jacents à l'expérience de programmation
Outre les différences de performances entre les développeurs et les non-développeurs dans les tâches complexes de résolution de problèmes, telles que représentées dans les tests de raisonnement, les chercheurs se sont également intéressés aux différences dans les processus neuronaux sous-jacents à l'expérience de programmation lors de l'exécution de telles tâches.
D'un point de vue neuroscientifique, il n'y a que quelques études qui ont étudié les corrélats neuronaux de l'expérience de programmation ou la pensée computationnelle, respectivement. À l'aide de mesures EEG, Park, Song et Kim (2015) ont étudié la relation entre la charge cognitive liée à l'expérience de programmation et la pensée computationnelle. Généralement, une augmentation de la charge cognitive lors de l'exécution de tâches cognitives est associée à des changements dans deux bandes de fréquences EEG distinctes : une diminution liée à la tâche de la puissance alpha (8-12 Hz) (désynchronisation liée à l'événement, ERD) et une augmentation liée à la tâche en puissance thêta (4–8 Hz) (synchronisation liée aux événements, ERS).
Le but de l'étude de Park et compagnie était de comparer les effets de deux cours de programmation différents (cours de programmation basés sur Scratch vs. cours de programmation basés sur Scratch ;+ ;enseignement en pensée computationnelle supplémentaire) sur la capacité de résolution de problèmes et la charge cognitive des étudiants universitaires lorsqu'ils travaillent sur des tâches de résolution de problèmes. Le groupe avec un enseignement en pensée computationnelle supplémentaire a montré une plus grande amélioration dans les tâches de résolution de problèmes basées sur la pensée computationnelle que l'autre groupe. Quant à l'évaluation EEG, aucune différence significative de charge cognitive n'a été observée entre les groupes.
Cependant, l'EEG n'a été enregistré que sur deux positions d'électrodes frontopolaires, ce qui limite la signification des résultats de l'EEG. Bien qu'aucune différence de groupe dans la charge cognitive n'ait été observée selon les résultats de l'EEG, les auteurs ont rapporté que le groupe avec un enseignement en pensée computationnelle supplémentaire avait tendance à aborder les problèmes plus efficacement, comme indiqué par exemple par une réflexion stratégique améliorée, une réflexion simultanée et l'utilisation de stratégies de solution récursives pendant les processus de résolution de problèmes. Conformément à cela, il existe des preuves solides que les personnes ayant des capacités cognitives plus élevées (par exemple, les personnes ayant une intelligence plus élevée) montrent une activation corticale plus efficace, donc plus faible, lors de l'exécution de tâches exigeantes sur le plan cognitif (telles que des tâches de raisonnement) que les personnes ayant des capacités cognitives plus faibles. En outre, il est suggéré que l'efficacité neuronale n'indique pas seulement une activation corticale plus faible, mais également une activation plus localisée dans les zones cérébrales pertinentes pour la tâche.
En ce qui concerne les mesures de connectivité cérébrale, des études antérieures rapportent des résultats contradictoires selon lesquels une connectivité cérébrale accrue ou réduite pourrait être un signe d'efficacité neuronale. En résumé, des compétences en programmation plus élevées pourraient conduire à un traitement neuronal plus efficace lors de l'exécution de tâches de raisonnement.
Le but de l'étude de Park et compagnie était de comparer les effets de deux cours de programmation différents (cours de programmation basés sur Scratch vs. cours de programmation basés sur Scratch ;+ ;enseignement en pensée computationnelle supplémentaire) sur la capacité de résolution de problèmes et la charge cognitive des étudiants universitaires lorsqu'ils travaillent sur des tâches de résolution de problèmes. Le groupe avec un enseignement en pensée computationnelle supplémentaire a montré une plus grande amélioration dans les tâches de résolution de problèmes basées sur la pensée computationnelle que l'autre groupe. Quant à l'évaluation EEG, aucune différence significative de charge cognitive n'a été observée entre les groupes.
Cependant, l'EEG n'a été enregistré que sur deux positions d'électrodes frontopolaires, ce qui limite la signification des résultats de l'EEG. Bien qu'aucune différence de groupe dans la charge cognitive n'ait été observée selon les résultats de l'EEG, les auteurs ont rapporté que le groupe avec un enseignement en pensée computationnelle supplémentaire avait tendance à aborder les problèmes plus efficacement, comme indiqué par exemple par une réflexion stratégique améliorée, une réflexion simultanée et l'utilisation de stratégies de solution récursives pendant les processus de résolution de problèmes. Conformément à cela, il existe des preuves solides que les personnes ayant des capacités cognitives plus élevées (par exemple, les personnes ayant une intelligence plus élevée) montrent une activation corticale plus efficace, donc plus faible, lors de l'exécution de tâches exigeantes sur le plan cognitif (telles que des tâches de raisonnement) que les personnes ayant des capacités cognitives plus faibles. En outre, il est suggéré que l'efficacité neuronale n'indique pas seulement une activation corticale plus faible, mais également une activation plus localisée dans les zones cérébrales pertinentes pour la tâche.
En ce qui concerne les mesures de connectivité cérébrale, des études antérieures rapportent des résultats contradictoires selon lesquels une connectivité cérébrale accrue ou réduite pourrait être un signe d'efficacité neuronale. En résumé, des compétences en programmation plus élevées pourraient conduire à un traitement neuronal plus efficace lors de l'exécution de tâches de raisonnement.
Les différences entre les groupes n'ont été observées que dans la rubrique Raisonnement inductif figuratif. Les développeurs ont montré une amélioration des performances dans la rubrique Raisonnement inductif figuratif par rapport aux non-développeurs. De plus, les développeurs ont présenté un traitement neuronal plus efficace lors de la résolution de tâches dans cette rubrique, comme indiqué par une activation cérébrale et une connectivité cérébrale plus faibles, en particulier dans les tâches faciles. Par conséquent, les mesures comportementales et neuronales ne différaient entre les groupes que dans les tâches similaires aux processus mentaux requis lors de la programmation, telles que la reconnaissance de formes et la pensée algorithmique en appliquant des règles complexes, plutôt que dans les tâches qui nécessitent davantage l'application d'opérations mathématiques ou des tâches verbales.
« Nos résultats fournissent de nouvelles preuves de l'efficacité neuronale chez les personnes ayant une expérience de programmation plus élevée dans les tâches de résolution de problèmes ».
Source : résultats de l'étude
Et vous ?
Que pensez-vous de cette étude ? La trouvez-vous pertinente ? Que pensez-vous des résultats ? Les trouvez-vous surprenants ? Faut-il les prendre avec des réserves ? 
