Effectiveness of feedback in digital learning : impact of content and presentation form

L’objectif de cette thèse est d’examiner les effets différenciés de feed-back numériques dans le cadre de la formation professionnelle selon deux dimensions clés : le contenu et la forme. Le contenu renvoie à la nature des informations fournies (par exemple, des explications ou des indices), tandis que la forme concerne la manière dont ces informations sont présentées, notamment la possibilité d’essais multiples ou non. En s’appuyant sur le modèle de Narciss (2008), ces deux dimensions sont supposées agir sur différents processus d’apprentissage : cognitifs, métacognitifs et motivationnels. Ce travail débute par une revue de la littérature et une méta-analyse en réseaux (article 1), qui permettent d’identifier les types de feed-back les plus efficaces. Les résultats mettent en évidence deux leviers prometteurs : les feed-back avec explications (contenu) et les essais multiples (forme). Trois études expérimentales sont ensuite menées pour explorer le rôle isolé ou combiné de ces deux dimensions de feed-back sur le sentiment d’auto-efficacité, l’autorégulation, la performance ainsi qu’utilité perçu des apprenants en contexte numérique. La première (article 2) montre que, si les explications seules peuvent parfois être contre-productives, leur combinaison avec les essais multiples améliore significativement l’auto-efficacité et l’autorégulation des apprenants. La deuxième étude (article 3) révèle que les feed-back avec explications ne sont bénéfiques que pour les apprenants disposant d’un haut niveau d’autorégulation. Enfin, la troisième étude (article 4) met en lumière un écart entre l’utilité perçue et l’efficacité réelle des feed-back : bien que les explications soient perçues comme plus utiles, c’est leur combinaison avec les essais multiples qui optimise réellement la performance. Ces résultats soulignent l’importance d’adapter les feed-back aux profils des apprenants et de concevoir des environnements numériques favorisant l’apprentissage autorégulé. La thèse propose ainsi des pistes concrètes pour améliorer la conception pédagogique des formations numériques en contexte professionnel.

Authors

Publication Details

Journal
theses.fr (ABES)
Published
2025-10-24
Primary Topic
Student Assessment and Feedback
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Effectiveness of feedback in digital learning : impact of content and presentation form

Xiaodan Zeng
theses.fr (ABES)
Student Assessment and Feedback
article

Effectiveness of feedback in digital learning : impact of content and presentation form

Xiaodan Zeng
article en

Abstract

L’objectif de cette thèse est d’examiner les effets différenciés de feed-back numériques dans le cadre de la formation professionnelle selon deux dimensions clés : le contenu et la forme. Le contenu renvoie à la nature des informations fournies (par exemple, des explications ou des indices), tandis que la forme concerne la manière dont ces informations sont présentées, notamment la possibilité d’essais multiples ou non. En s’appuyant sur le modèle de Narciss (2008), ces deux dimensions sont supposées agir sur différents processus d’apprentissage : cognitifs, métacognitifs et motivationnels. Ce travail débute par une revue de la littérature et une méta-analyse en réseaux (article 1), qui permettent d’identifier les types de feed-back les plus efficaces. Les résultats mettent en évidence deux leviers prometteurs : les feed-back avec explications (contenu) et les essais multiples (forme). Trois études expérimentales sont ensuite menées pour explorer le rôle isolé ou combiné de ces deux dimensions de feed-back sur le sentiment d’auto-efficacité, l’autorégulation, la performance ainsi qu’utilité perçu des apprenants en contexte numérique. La première (article 2) montre que, si les explications seules peuvent parfois être contre-productives, leur combinaison avec les essais multiples améliore significativement l’auto-efficacité et l’autorégulation des apprenants. La deuxième étude (article 3) révèle que les feed-back avec explications ne sont bénéfiques que pour les apprenants disposant d’un haut niveau d’autorégulation. Enfin, la troisième étude (article 4) met en lumière un écart entre l’utilité perçue et l’efficacité réelle des feed-back : bien que les explications soient perçues comme plus utiles, c’est leur combinaison avec les essais multiples qui optimise réellement la performance. Ces résultats soulignent l’importance d’adapter les feed-back aux profils des apprenants et de concevoir des environnements numériques favorisant l’apprentissage autorégulé. La thèse propose ainsi des pistes concrètes pour améliorer la conception pédagogique des formations numériques en contexte professionnel.

theses.fr (ABES)
Quality Education
Openalex Percentile: Top 11%
Student Assessment and Feedback
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.