La théorie
Comment fonctionne l’automatisation, et pourquoi
Ce n’est pas un quiz de tables de multiplication avec un animal collé dessus. C’est une seule idée didactique, du début à la fin : comment faire passer un fait numérique du calcul au savoir. Voici cette idée, avec la recherche qui la fonde.
L’idée
Automatiser, c’est plus qu’apprendre par cœur
L’automatisation du calcul est la capacité de résoudre un calcul rapidement, avec exactitude et presque tout seul, sans y réfléchir longtemps Kennisrotonde, 2023. La littérature y distingue deux choses, et la différence est le cœur de tout ce programme Gerrits & Noteboom, 2018 :
- CalculerVous savez le calculer. Vous avez une méthode — une stratégie — qui vous mène à la bonne réponse, même si cela prend quelques secondes.
- SavoirVous le savez tout de suite. La réponse sort de la mémoire, sans calcul. C’est ce que veut dire mémoriser.
Un fait n’est vraiment automatisé que lorsque vous pouvez faire les deux : le calculer et le savoir directement. C’est pourquoi s’entraîner à la seule vitesse (répéter sans comprendre) ou à la seule stratégie (comprendre sans jamais devenir fluide) ne suffit ni dans un cas ni dans l’autre. L’ordre est le suivant : d’abord savoir le calculer, ensuite le savoir par cœur.
Ce modèle à quatre états vient tout droit de l’enseignement du calcul à l’école primaire néerlandaise — l’idée qu’un fait est d’abord « calculé » et seulement ensuite « su par cœur » Gerrits & Noteboom, 2018 ; Danhof et al., 2013. Calcul utilise exactement ces quatre états : dans votre compte, vous voyez, table par table, quels calculs sont gris, rouges, orange ou verts.
Pourquoi c’est important
Une tête pleine ne peut pas réfléchir
La mémoire de travail — l’endroit où l’on « garde » quelque chose pendant qu’on réfléchit — est petite. Si un enfant doit encore calculer 7 × 8, cette petite mémoire est déjà pleine avant même que le vrai problème (une division, une fraction, un problème rédigé) ne commence. Un enfant qui a automatisé les faits de base garde cette mémoire libre pour la vraie réflexion. Travailler l’automatisation a donc un effet positif sur le calcul en général Kennisrotonde, 2023.
Ce n’est pas un effet secondaire qui vient tout seul. Dans une étude, des enfants qui s’étaient entraînés délibérément à la vitesse et à l’automatisation calculaient mesurablement mieux deux mois plus tard que des enfants qui s’étaient entraînés seulement avec la bonne stratégie sans travailler la vitesse Singer-Dudek & Greer, 2005. Et cela se poursuit pendant toute l’école primaire : l’addition se stabilise en général vers 7-8 ans, la soustraction et la multiplication vers 9-10 ans, et la division n’atteint la fluidité qu’après l’école primaire pour beaucoup d’enfants Gliksman et al., 2022.
Comprendre d’abord
On n’apprend pas une table isolément, on la déduit
Les programmes qui enseignent la stratégie d’abord et automatisent ensuite se révèlent plus efficaces que ceux qui ne font que l’un ou l’autre Ok & Bryant, 2016, Carr et al., 2011, Woodward, 2006. Un savoir que l’on comprend peut aussi s’appliquer avec souplesse à de nouveaux calculs Boaler et al., 2015. L’application enseigne donc les tables dans l’ordre où elles s’appuient les unes sur les autres — d’abord les « tables d’ancrage » (×1, ×2, ×10, ×5), car toutes les autres peuvent s’en déduire SLO — kerndoelen.
Fois 10
7 × 10
On ajoute un zéro à la fin. 7 → 70. La table d’ancrage la plus facile, et la base de presque toutes les autres.
Fois 5, c’est la moitié de fois 10
6 × 5
6 × 10 = 60, et la moitié de cela fait 30.
Fois 9, c’est fois 10 moins un paquet
8 × 9
8 × 10 = 80, moins 8, fait 72.
Décomposer les tables difficiles
7 × 6
5 × 6 = 30 (celle-là, vous la savez), plus 2 × 6 = 12, fait 42.
Où Calcul met cela en pratique. Chaque table porte sa stratégie sur le parcours propre de l’enfant — « voici comment on la calcule », avec un exemple corrigé. Et chaque fois qu’un enfant se trompe, ce qui apparaît n’est pas seulement la bonne réponse mais cette même façon d’y arriver, appliquée à ce calcul-là.
Comment s’entraîner
Quatre choses que la recherche montre encore et encore
Court, quotidien et étalé
Dix à quinze minutes par jour sont plus efficaces qu’une longue plage. C’est encore mieux lorsque ce temps est réparti sur la journée avec de larges pauses, par exemple trois fois cinq minutes.
Dans l’application : 3 séances courtes par jour, avec du repos entre elles — jamais une seule longue.
Inspectie van het Onderwijs, 2011; Powell et al., 2022; Schutte et al., 2015
Un bon mélange de facile et de difficile
Un entraînement efficace maintient un bon équilibre entre les calculs qu’un enfant connaît déjà et ceux qui restent difficiles. Assez d’appui pour continuer, assez de résistance pour apprendre quelque chose.
Dans l’application : Chaque séance comprend 10 calculs qui réussissent déjà et 5 qui ne réussissent pas encore.
Burns, 2005; Codding et al., 2011; Fuchs et al., 2008
Voir tout de suite si c’est juste — et pourquoi
Les enfants ont besoin de voir immédiatement si leur réponse est juste, et un exemple corrigé les aide à réparer l’erreur au lieu de la répéter. La modélisation et le retour immédiat sont des constantes de ce qui fonctionne.
Dans l’application : Une erreur arrête la séance : l’écran change, la bonne réponse apparaît, et l’explication aussi.
Codding et al., 2011; Fuchs et al., 2008
Produire soi-même la réponse
Reconnaître (désigner la bonne réponse parmi des options) n’est pas la même chose que se souvenir (faire remonter soi-même la réponse). Seul le second entraîne la mémoire dont l’automatisation a besoin.
Dans l’application : Aucun QCM nulle part : votre enfant tape ou touche la réponse.
principe didactique
Adapté à l’enfant
Une ligne continue, et l’enfant y trouve sa place
Le calcul mental n’est pas un ensemble de faits isolés mais une ligne continue : les décompositions de dix rendent possible le passage de la dizaine, ce qui rend possibles les tables, et la division est une table lue à l’envers. Chaque étape repose sur la précédente, et chaque étape a un seuil qu’il faut franchir avant que la suivante n’ait un sens Danhof et al., 2015. Calcul place toute cette ligne sur une seule échelle — des premières décompositions aux grandes tables, à la division et à la lecture de l’heure — dans l’ordre que prescrit le programme SLO — kerndoelen.
Un enfant ne devrait pas commencer, en cours d’année scolaire, au point où sa classe se trouve par hasard. Ainsi, chaque parcours choisi s’ouvre par un court test de positionnement : des questions couvrant toute la largeur de ce parcours, d’où l’application voit ce qui est déjà fluide et ce qui ne l’est pas. Sur cette base, elle fait monter l’enfant d’un niveau s’il maîtrise déjà la matière, ou le fait descendre d’un niveau si le socle n’est pas encore là — avec une ligne d’explication sur le pourquoi. Ainsi personne ne s’entraîne sur ce qu’il sait déjà, et personne ne reste bloqué sur quelque chose dont il manque le marchepied Danhof et al., 2013.
Et cela ne s’arrête pas là. Chaque calcul ajuste le niveau : la vitesse et la fréquence des réussites décident si un fait passe au vert et disparaît de la vue, ou revient. Si un bloc va trop facilement, la ligne monte d’elle-même d’une année scolaire ; si un bloc continue d’accrocher, l’application ramène la partie qui se trouve en dessous — parfois une année plus bas — jusqu’à ce que cela tienne de nouveau. Le niveau n’est pas un réglage choisi une fois pour toutes, mais quelque chose qui continue de bouger avec l’enfant. Sous cette couleur, l’application observe aussi le temps de réaction et quelle sous-étape — une colonne de retenue, un dénominateur — accroche encore, sans que cela ne change jamais la couleur elle-même.
Le moteur
Ce qui calcule sous la couleur
Le rouge, l’orange et le vert sont ce que vous voyez ; en dessous, l’application tient un modèle de probabilité à trois états par fait — nouveau, sait le calculer, le sait tout de suite — et le fait évoluer après chaque réponse avec le même genre de mathématiques que l’on utilise depuis trente ans pour suivre ce que quelqu’un sait : le Bayesian Knowledge Tracing Corbett & Anderson, 1994. Deux types de réponse ne font pas bouger ce modèle : demander de l’aide (cela prouve que l’enfant sait le calculer, pas qu’il s’en souvient) et un nouvel essai réussi après une erreur — ce n’est pas une première preuve.
En plus de ces trois états par fait, l’application tient aussi un indice de compétence par parcours, qui évolue avec l’enfant, sur le même genre d’échelle qui classe les joueurs d’échecs les uns par rapport aux autres depuis cent ans : un classement Elo Elo, 1978. Chaque fait reçoit sa propre difficulté d’après le niveau où il se trouve ; une bonne réponse sur quelque chose de plus difficile que prévu fait monter l’indice davantage qu’une bonne réponse sur quelque chose de plus facile. L’application a ainsi déjà une idée de la probabilité qu’un enfant connaisse un calcul avant même de le lui avoir posé — et c’est ce qui fait que le test de positionnement, et la toute première estimation pour tout nouveau fait, tombent au bon endroit.
Le temps compte comme une troisième observation à côté de juste et faux : une bonne réponse lente alimente surtout « sait le calculer », une bonne réponse rapide alimente surtout « le sait tout de suite » — exactement la distinction par laquelle cette page s’ouvre. Et lorsqu’une question contient plusieurs étapes (une colonne de retenue dans une soustraction, les minutes sur une horloge, le dénominateur d’une fraction), l’application tient aussi un profil distinct pour celles-ci : un bloc qui s’appuie sur une sous-étape qui accroche encore reste plus bas, même si le reste de la ligne se passe bien.
Ce modèle pilote exactement deux choses, et jamais une troisième : quelle question arrive dans une séance, et où se place la limite entre « assez travaillé » et « revient toujours ». Il ne pilote jamais la couleur elle-même — celle-ci continue de reposer sur les trois mêmes champs que voient un parent et un enseignant (combien de fois juste, combien de fois essayé, à quelle vitesse), si bien qu’une coche verte garde le même sens, avec ou sans modèle. Le détail complet, avec les mathématiques posées, se trouve dans docs/motor.md.
Appropriation
On s’entraîne pour soi, pas pour une note
Les enfants qui voient par eux-mêmes où ils en sont et ce qui reste à apprendre s’entraînent de façon plus ciblée et sont plus motivés — dans une étude, l’entraînement autorégulé avec sa propre progression sous les yeux était plus efficace que quinze minutes de séries répétées Sleeman et al., 2021. Un jeu éducatif n’ajoute aucun miracle d’apprentissage par-dessus, mais il ajoute quelque chose qui compte : les enfants se sentent plus sûrs d’eux et continuent de s’entraîner plus longtemps Pan et al., 2022, Cozad & Riccomini, 2016.
C’est pourquoi le seul nombre qu’un enfant voit de lui-même dans l’application est le nombre de jours de suite où il était là. Pas de score, pas de classement, pas de comparaison avec qui que ce soit. Être là est le comportement que nous récompensons ; l’animal et son monde sont la raison de revenir. « Ce n’est pas pour l’enseignant, ni pour une note, mais pour soi-même » Gerrits & Noteboom, 2018.
Pour les faits difficiles à retenir, un moyen mnémotechnique peut aider Nelson et al., 2013 — et un savoir qu’on n’entretient pas s’estompe Danhof et al., 2015. C’est pourquoi l’application continue de reposer les faits connus parmi les 10 calculs sur 15 « qui réussissent déjà », longtemps après qu’ils sont passés au vert.
En toute honnêteté sur ce qu’est cette page
Cette page est un résumé en langage clair de recherches publiées sur l’automatisation du calcul. Elle ne prouve pas que cette application elle-même a été testée — ce serait une autre affirmation. Ce que nous pouvons montrer, c’est que chaque choix dans l’application remonte à une source ci-dessous, et qu’un fait vert signifie : 3 secondes ou moins, et presque toujours juste. Les nombres de cette page proviennent du même code que celui sur lequel tourne l’application.
Justification
Sources
- Kennisrotonde. (2023). Is een kwartier rekenautomatisering per dag effectief voor de rekenautomatisering van basisschoolleerlingen? Welke invulling (qua aanpak en inhoud) is het effectiefst per leerjaar? (KR.1849). NRO.
- Gerrits, P., & Noteboom, A. (2018). Rekenen op je basisvaardigheden: automatiseren en memoriseren. JSW, 102(10), 12–15.
- Danhof, W., Bandstra, P., & Hofstetter, W. (2015). Rekendrempels nemen. Volgens Bartjens, 34(3), 4–7.
- Danhof, W., Bandstra, P., Faber, S., Minnaert, A., & Ruijssenaars, W. (2013). Rapport Rekenproject Leerbaarheid van hoofdrekenen. Groningen: Rijksuniversiteit Groningen.
- SLO. Kerndoelen rekenen-wiskunde (o.a. kerndoel 26 en 27: de basisbewerkingen tot 100 uit het hoofd, de tafels van buiten). tule.slo.nl.
- Boaler, J., Williams, C., & Confer, A. (2015). Fluency without fear: Research evidence on the best ways to learn math facts. Reflections, 40(2), 7–12.
- Ok, M. W., & Bryant, D. P. (2016). Effects of a strategic intervention with iPad practice on the multiplication fact performance of fifth-grade students with learning disabilities. Learning Disability Quarterly, 39(3), 146–158.
- Carr, M., Taasoobshirazi, G., Stroud, R., & Royer, J. M. (2011). Combined fluency and cognitive strategies instruction improves mathematics achievement in early elementary school. Contemporary Educational Psychology, 36(4), 323–333.
- Woodward, J. (2006). Developing automaticity in multiplication facts: Integrating strategy instruction with timed practice drills. Learning Disability Quarterly, 29(4), 269–289.
- Singer-Dudek, J., & Greer, R. D. (2005). A long-term analysis of the relationship between fluency and the training and maintenance of complex math skills. The Psychological Record, 55, 361–376.
- Powell, S. L., Duhon, G., Poncy, B. C., Mwavita, M., & Englen, A. J. (2022). Distributed practice in math facts fluency: A comparative analysis of varied intersession intervals. School Psychology Review, 51(5), 517–525.
- Schutte, G. M., Duhon, G. J., Solomon, B. G., Poncy, B. C., Moore, K., & Story, B. (2015). A comparative analysis of massed vs. distributed practice on basic math fact fluency growth rates. Journal of School Psychology, 53(2), 149–159.
- Fuchs, L. S., Fuchs, D., Powell, S. R., Seethaler, P. M., Cirino, P. T., & Fletcher, J. M. (2008). Intensive intervention for students with mathematics disabilities: Seven principles of effective practice. Learning Disability Quarterly, 31(2), 79–92.
- Inspectie van het Onderwijs. (2011). Automatiseren bij rekenen-wiskunde: Een onderzoek naar het automatiseren van basisbewerkingen rekenen-wiskunde in het basisonderwijs. Utrecht.
- Burns, M. (2005). Using incremental rehearsal to increase fluency of single-digit multiplication facts with children identified as learning disabled in mathematics computation. Education and Treatment of Children, 28(3), 237–249.
- Codding, R. S., Burns, M. K., & Lukito, G. (2011). Meta-analysis of mathematic basic-fact fluency interventions: A component analysis. Learning Disabilities Research & Practice, 26(1), 36–47.
- Gliksman, Y., Berebbi, S., & Henik, A. (2022). Math fluency during primary school. Brain Sciences, 12(3), 371.
- Sleeman, M., Friesen, M., Tyler-Merrick, G., & Walker, L. (2021). The effects of precision teaching and self-regulated learning on early multiplication fluency. Journal of Behavioral Education, 30, 149–177.
- Pan, Y., Ke, F., & Xu, X. (2022). A systematic review of the role of learning games in fostering mathematics education in K-12 settings. Educational Research Review, 36, 100448.
- Cozad, L. E., & Riccomini, P. J. (2016). Effects of digital-based math fluency interventions on learners with math difficulties: A review of the literature. Journal of Special Education Apprenticeship, 5(2), 1–19.
- Nelson, P. M., Burns, M. K., Kanive, R., & Ysseldyke, J. E. (2013). Comparison of a math fact rehearsal and a mnemonic strategy approach for improving math fact fluency. Journal of School Psychology, 51(6), 659–667.
- Corbett, A. T., & Anderson, J. R. (1994). Knowledge tracing: Modeling the acquisition of procedural knowledge. User Modeling and User-Adapted Interaction, 4(4), 253–278.
- Elo, A. E. (1978). The rating of chessplayers, past and present. Arco Publishing. (Toegepast op leren in o.a. Pelánek, R. (2017). Bayesian knowledge tracing, logistic models, and beyond: An overview of learner modeling techniques. User Modeling and User-Adapted Interaction, 27, 313–350.)
Envie de voir la théorie en pratique ?
La première semaine est gratuite. Vous créez d’abord un compte — il appartient au parent et il conserve la progression de votre enfant — puis l’entraînement peut commencer.