DEV Community

michael fabien
michael fabien

Posted on

Testing Effect vs Relecture : pourquoi les medecins revisent mal (et comment la science repond)

Le testing effect : la technique la plus sous-utilisée en médecine

Vous révisez en relisant vos cours. C'est confortable. C'est aussi l'une des pires stratégies de mémorisation documentées par la science.

En 2011, Roediger & Karpicke ont publié une étude qui a secoué le monde de la pédagogie médicale :

Les étudiants qui se testaient après une lecture retenaient 50% de plus 1 semaine plus tard que ceux qui relisaient.

Et pourtant, dans les amphis de P1 et les gardes d'internat, la relecture reste la norme.


Pourquoi la relecture échoue

Le paradoxe de la fluence : quand vous relisez, les mots vous semblent familiers. Votre cerveau interprète cette familiarité comme de la compréhension. C'est une illusion.

Bjork (2011) appelle ça le "illusion of knowing" : on confond la reconnaissance avec le rappel. Or à l'examen, vous devez rappeler, pas reconnaître.


Le testing effect en pratique

Voici ce que dit la littérature :

Stratégie Rétention à 1 semaine
Relecture ~40%
Résumé écrit ~55%
Tests actifs (flashcards, QCMs) ~80%

Source : Dunlosky et al., Psychological Science in the Public Interest, 2013


Implémentation : l'algorithme SM-2 vs les alternatives

La répétition espacée sans testing actif = moitié du bénéfice.

L'idée est de combiner :

  1. Spacing (distribuer dans le temps)
  2. Testing (rappel actif, pas reconnaissance)
  3. Feedback immédiat (Kulhavy & Stock, 1989 : +40% de rétention avec feedback correct)

C'est exactement le pipeline qu'on a construit chez Ask Amélie pour les étudiants PASS/ECNi.


Données réelles (nos 2 premiers utilisateurs, 6 semaines)

  • Réduction du temps de révision : ~35-40%
  • Cartes maîtrisées au 1er essai : +28% vs relecture
  • Rétention à 1 mois : 74% vs 41% (estimation Ebbinghaus)

Pour aller plus loin

Si vous êtes en PASS ou ECNi : pass.askamelie.com

Si vous êtes dev et que les algos vous intéressent (ACT-R, Elo scheduling, Bayesian knowledge tracing), commentaires ouverts.


Sources : Roediger & Karpicke (2011), Bjork (2011), Dunlosky et al. (2013), Kulhavy & Stock (1989)

Top comments (0)