Ce que la recherche dit, et ce qu’Elabora en fait
Ce que la recherche dit de la prédiction, de la narration, des graphiques, du mouvement, des étapes, du retour fait à l’apprenant, des dialogues à embranchements, des cartes à retourner, des blocs à révéler et du glisser-déposer, et ce qu’Elabora en tire. Avec les références.
Sur cette page
- Prédire, puis découvrir
- Le graphique suit la voix
- Un graphique, une idée
- « 1 sur 10 » : les pictogrammes en grille
- Un mouvement qui enseigne
- Des étapes qui rythment un écran
- Un retour qui explique
- Une narration qui ne lit pas l’écran à voix haute
- Pratiquer une décision en situation
- La conséquence d’abord, l’explication ensuite
- Noter le premier parcours, puis laisser explorer
- Trois options plausibles, de longueurs proches
- Le texte qui suit la voix
- Un bilan à la fin
- Un calque qui parle
- Des personnages qui parlent
- Révéler n’est pas pratiquer
- Réfléchir d’abord
- Les cartes à retourner comme rappel
- Un élément à la fois, ou tout à la fois
- Des étapes, ou un défilé
- Les mots à côté de leur image
- Glisser-déposer : toucher d’abord
- Pourquoi les onglets restent peu nombreux
- Comment Elabora s’en sert
- Références
Elabora n’est pas construit autour d’effets. Un graphique qui s’anime, une voix qui parle, un écran qui se déplie : chacun ne mérite sa place que s’il aide à comprendre ou à retenir. Cette page dit, pour chacune des fonctions ci-dessous, ce que la recherche a trouvé, jusqu’où elle va, et ce qu’Elabora en fait.
La plupart de ces travaux sont des expériences de laboratoire ou des méta-analyses de ces expériences. Ils disent ce qui tend à fonctionner, pour qui et à quelles conditions. Ils ne promettent pas qu’un écran donné enseignera mieux. C’est pourquoi les effets sont présentés ici avec leurs limites, et pourquoi vous gardez le dernier mot sur votre module.
Prédire, puis découvrir
Ce que la recherche a trouvé. Kim, Reinecke et Hullman (2017) demandaient aux participants de dessiner leur prédiction sur un jeu de données, puis leur montraient l’écart entre leur estimation et les vraies données. Ceux qui avaient prédit, et expliqué leur prédiction, se rappelaient et comprenaient mieux les données qu’un groupe témoin. L’effet se maintenait chez les personnes qui connaissaient peu le sujet ou moyennement, et il différait selon que les données étaient présentées en texte ou en image. C’est l’idée du « You Draw It » du New York Times (Aisch et al., 2015), où le lecteur trace une courbe avant de voir la vraie.
Deux travaux plus anciens vont dans le même sens. Une méta-analyse de 86 études a montré que produire soi-même une réponse, plutôt que la lire, améliore la mémorisation d’environ 0,4 écart-type en moyenne, soit presque un demi-écart-type (Bertsch et al., 2007). Et chercher à répondre avant d’avoir appris, même à tort, améliore ce qu’on retient ensuite par rapport à la simple lecture (Kornell et al., 2009 ; Richland et al., 2009).
Les limites. Dans ces expériences, la bonne réponse suivait aussitôt la tentative. Une erreur qu’on ne corrige jamais n’apprend rien de bon : la révélation et son retour font partie de la technique. Les études sur le pré-test ont en outre surtout mesuré la mémoire de faits et de notions précises, pas la compréhension d’un module entier.
Ce qu’Elabora en fait. Le bloc trend (l’évolution d’une valeur) a un mode « prédire » : la fin de la courbe est cachée, l’apprenant dessine ce qu’il attend, puis la vraie courbe se trace par-dessus son tracé, avec un retour qui nomme les deux valeurs. Ce n’est pas noté par défaut : c’est un moment d’engagement, pas une évaluation, et vous pouvez le faire compter si vous le souhaitez. Utilisez-le avec parcimonie, là où l’apprenant a quelque chose à deviner et où l’écart est instructif.
Le graphique suit la voix
Ce que la recherche a trouvé. Le principe de contiguïté temporelle de Mayer dit qu’on apprend mieux quand les mots et les images qui se correspondent sont présentés ensemble plutôt que l’un après l’autre (Mayer et Fiorella, 2014 ; voir aussi la méta-analyse de Ginns, 2006). Son principe de signalisation dit que les indices qui montrent où regarder aident. Deux méta-analyses sur la signalisation ont trouvé un bénéfice : l’une portait sur 103 études (Schneider et al., 2018), l’autre sur 27 études de signaux reliant texte et image, avec un effet positif petit à moyen, qui dépendait des connaissances préalables des apprenants (Richter et al., 2016).
Les limites. Ces études ont rarement porté sur des graphiques calés sur une narration : l’application qu’en fait Elabora est un prolongement, pas une réplication. Et pour les apprenants qui connaissent déjà le sujet, les signaux peuvent compter moins.
Ce qu’Elabora en fait. Sur un écran narré, chaque partie d’un graphique peut apparaître quand la voix la nomme, et les autres parties s’effacent pendant qu’elle parle. Vous ancrez la partie sur un mot de la narration, comme pour n’importe quel bloc (voir les voix et la narration). Si vous préférez tout montrer dès le début, seule la mise en valeur suit la voix.
Un graphique, une idée
Ce que la recherche a trouvé. La façon dont on comprend un graphique dépend de ses caractéristiques visuelles, de ce que le lecteur sait des graphiques, et de ce qu’il sait et attend du sujet (Shah et Hoeffner, 2002). Le principe de cohérence de Mayer dit que la décoration étrangère à la leçon tend à nuire, et que des étiquettes placées près de ce qu’elles décrivent aident (Mayer et Fiorella, 2014 ; Ginns, 2006). Knaflic (2015) en tire des conseils de narration de données : dire dans le titre ce que montre le graphique, et ne mettre qu’une chose en avant. Ce livre relève de la pratique, pas de la recherche, et il est cité comme tel.
Les limites. Rien de tout cela ne dit quel message unique un graphique doit porter. C’est un choix qui vous revient.
Ce qu’Elabora en fait. Les nouveaux blocs de graphique demandent une idée à retenir (takeaway) : le titre est la phrase que le graphique démontre (« La plupart des incidents commencent par un e-mail », et non « Incidents par origine »). Un élément est mis en valeur, les autres s’estompent. Les étiquettes sont à côté des données, et il n’y a aucune décoration. Chaque graphique porte aussi un tableau de données pour les lecteurs d’écran.
« 1 sur 10 » : les pictogrammes en grille
Ce que la recherche a trouvé. Galesic, Garcia-Retamero et Gigerenzer (2009) ont testé des grilles de pictogrammes (de petites figures, dont certaines sont remplies) dans deux expériences, auprès de personnes âgées et d’étudiants. Les grilles ont amélioré l’exactitude des réponses des personnes à l’aise comme peu à l’aise avec les chiffres, même quand les nombres étaient présentés clairement. Garcia-Retamero et Galesic (2009) se sont intéressées à la négligence du dénominateur, c’est-à-dire le fait de ne regarder que le nombre de personnes décédées sans tenir compte de l’effectif total. Des échantillons nationaux aux États-Unis et en Allemagne l’ont montrée, surtout chez les personnes peu à l’aise avec les chiffres, et les grilles de pictogrammes l’ont fait disparaître.
Les limites. Il s’agit de problèmes de risque médical. Et le format n’est pas neutre : dans ces expériences, un risque présenté en pictogrammes était jugé moins grave que le même risque en chiffres, et de plus grandes grilles (1 000 pictogrammes au lieu de 100) le faisaient paraître plus grave.
Ce qu’Elabora en fait. Le bloc proportion montre « 1 sur 10 » sous la forme d’une grille de pictogrammes identiques, dont les éléments comptés sont remplis. Vous choisissez le total et la part ; prenez un total qui correspond à la vraie comparaison, car la taille de la grille change la façon dont elle est lue.
Un mouvement qui enseigne
Ce que la recherche a trouvé. Après avoir passé en revue les études sur les graphiques animés, Tversky, Morrison et Bétrancourt (2002) ont conclu que les preuves en faveur de l’animation par rapport aux graphiques fixes n’étaient pas encourageantes. Les animations sont souvent trop rapides ou trop complexes pour être perçues, et quand une animation semblait l’emporter, elle apportait souvent plus d’informations ou plus d’interaction que la version fixe. Une méta-analyse ultérieure de 61 études a trouvé un petit avantage global pour l’animation (g de Hedges = 0,23), plus grand avec une narration orale (Berney et Bétrancourt, 2016).
Les limites. Les effets sont petits et varient beaucoup d’une étude à l’autre. Le raisonnement de Tversky et de ses collègues est que l’animation convient à ce qui change vraiment dans le temps : c’est là qu’elle vaut la peine.
Ce qu’Elabora en fait. Les graphiques ne bougent que pour montrer un ordre ou un changement. Chacun s’anime une fois, dans l’ordre de lecture, en environ une seconde, jamais en boucle. Quand le système de l’apprenant demande moins de mouvement, les graphiques apparaissent d’un coup, avec un court fondu.
Des étapes qui rythment un écran
Ce que la recherche a trouvé. Une méta-analyse de 56 études a montré que découper une leçon en segments aide, avec des effets petits à moyens sur la rétention et le transfert, et qu’elle diminue la charge cognitive. Les apprenants y passent aussi plus de temps (Rey et al., 2019).
Ce qu’Elabora en fait. Les étapes dévoilent un écran morceau par morceau avec Continuer (voir les événements, calques et étapes), et un écran narré s’arrête par défaut à la fin de chaque étape. Les consignes de l’agent gardent chaque étape sous environ 90 secondes et la font finir là où une idée se termine.
Les limites. Les effets sont petits à moyens, et le découpage rallonge le temps passé. Coupez là où une idée finit, pas à longueur fixe.
Un retour qui explique
Ce que la recherche a trouvé. Dans une méta-analyse de 40 études sur le retour (le feedback) en environnement informatisé, une explication produisait des effets plus grands (0,49) que dire à l’apprenant s’il avait juste (0,05) ou lui donner la bonne réponse (0,32), surtout pour les apprentissages de haut niveau. Un retour différé réduisait les effets, qui variaient aussi selon la discipline (Van der Kleij et al., 2015). Shute (2008) passe en revue ce qui rend un retour formatif : non évaluatif, bienveillant, rapide et précis.
Les limites. Les effets dépendent de la tâche, de la discipline et des apprenants.
Ce qu’Elabora en fait. Chaque option d’une question a son propre retour, affiché après la réponse de l’apprenant : pourquoi cette option est juste ou fausse, et ce qu’il faut en retenir.
Une narration qui ne lit pas l’écran à voix haute
Ce que la recherche a trouvé. Afficher à l’écran un texte qui reprend la narration nuit en général à l’apprentissage : c’est le principe de redondance (Kalyuga et Sweller, 2014). Une nuance : dans deux expériences, un texte légèrement différent de la narration donnait de meilleurs résultats qu’un texte identique, alors qu’un texte trop différent faisait aussi mal. Les apprenants préféraient pourtant le texte identique (Yue et al., 2013). De courts libellés sur une animation peuvent aussi aider.
Ce qu’Elabora en fait. Les consignes demandent à l’agent de garder les mots dans la voix et de montrer des mots-clés, une figure ou un schéma à la place. Les sous-titres et la transcription donnent déjà le texte à ceux qui en ont besoin. Les vérifications signalent le texte à l’écran qui répète la narration ; ignorez l’alerte quand les apprenants doivent lire en même temps, volontairement.
Pratiquer une décision en situation
Ce que la recherche a trouvé. Une méta-analyse de 145 études sur l’apprentissage par la simulation dans l’enseignement supérieur (médecine, formation des enseignants, gestion…) a trouvé un effet positif important sur les compétences complexes (g = 0,85). Les aides ajoutées à la simulation renforçaient cet effet : les apprenants qui connaissaient déjà le sujet profitaient davantage de phases de réflexion, ceux qui le connaissaient peu, d’exemples (Chernikova et al., 2020). Les praticiens en tirent le mini-scénario : une situation qui impose une décision, des options qui reprennent les erreurs que font vraiment les apprenants, et pour chacune sa conséquence (Quinn, 2022).
Les limites. Les simulations de cette méta-analyse sont très diverses (jeux de rôle, patients virtuels, simulations sur ordinateur), et souvent plus longues et plus riches qu’un dialogue de quelques décisions. L’effet ne se transpose pas tel quel à un écran : il dit que s’exercer à décider en situation est une voie qui fonctionne, pas qu’un dialogue donné enseignera mieux qu’un texte. Quinn est un praticien : son conseil relève de la pratique, et il est cité comme tel.
Ce qu’Elabora en fait. Le bloc Dialogue met l’apprenant dans une conversation : des personnages parlent, il choisit sa réponse, et la conversation continue selon son choix, dans le même fil. Le cas le plus courant, une mise en situation, une décision à trois options, une conséquence et une note pour chacune, tient en un seul passage du dialogue, sans rien câbler. Les consignes de l’agent lui demandent d’écrire le meilleur chemin d’abord, puis de vérifier tous les chemins.
La conséquence d’abord, l’explication ensuite
Ce que la recherche a trouvé. On l’a vu plus haut, un retour qui explique fait plus qu’un simple « juste » ou « faux » (Van der Kleij et al., 2015). Une méta-analyse plus large, sur 435 études, trouve un effet moyen du retour (d = 0,48), très variable, et d’autant plus grand que le retour apporte d’information (Wisniewski et al., 2020). Les praticiens du scénario y ajoutent un ordre : d’abord la conséquence dans l’histoire (le client s’agace, la panne s’étend), ensuite l’explication (Quinn, 2022 ; Tucker, 2025). Moore (2016) met en garde contre le retour correctif immédiat, qui interrompt l’histoire et pense à la place de l’apprenant ; elle préfère montrer la conséquence et proposer un « Pourquoi ? » facultatif. Tucker (2025) conseille un retour immédiat aux novices, qui ne savent pas encore lire les indices d’une situation, et toujours un retour avant un nouvel essai.
Les limites. Séparer la conséquence de l’explication, et ne jamais mettre l’explication dans la bouche d’un personnage, sont des règles de praticiens : nous ne les avons pas trouvées testées comme telles en laboratoire. La recherche sur le moment du retour est en outre partagée : dans la méta-analyse de Van der Kleij et de ses collègues, un retour différé réduisait les effets, alors que Tucker juge le retour différé utile aux apprenants confirmés.
Ce qu’Elabora en fait. Dans un dialogue, trois sortes de texte ne se ressemblent jamais : la réplique d’un personnage, la narration (une mise en situation, sans bulle) et la note du formateur. Chaque option porte sa réaction (ce que répond le personnage) et sa note (pourquoi ce choix est bon ou non), montrée après la réaction. La note n’est jamais une réplique. En mode Pratique, elle s’affiche tout de suite et revient dans le bilan ; en Évaluation, elle attend le bilan. Quand l’apprenant réessaie une décision, il a d’abord vu la conséquence et la note.
Noter le premier parcours, puis laisser explorer
Ce que la recherche a trouvé. Une méta-analyse de 53 études a comparé deux ordres : chercher à résoudre un problème avant d’être instruit, ou être instruit avant de le résoudre. Chercher d’abord l’emportait, avec un effet modéré (g = 0,36), plus grand quand le dispositif suivait fidèlement les principes de l’« échec productif » : on essaie, on se trompe, puis l’explication vient (Sinha et Kapur, 2021). Les praticiens du scénario disent quand laisser revenir sur un choix. Moore (2018) laisse explorer librement, sans pénalité, quand on apprend une chose nouvelle ; elle retire tout retour en arrière quand il faut corriger une habitude déjà prise, et quand le scénario sert d’évaluation. Tucker (2021) préfère, dans un scénario long, faire revenir à la décision fautive plutôt que tout recommencer. Moore (2025) conseille même de ne pas noter un scénario de pratique : « le retour est l’évaluation ».
Les limites. Les études sur l’échec productif portent surtout sur les mathématiques et les sciences, à l’école et à l’université, pas sur des dialogues ; l’avantage s’inversait pour les plus jeunes élèves et pour les compétences générales. L’explication doit suivre l’erreur : explorer sans retour n’apprend pas grand-chose. Moore et Tucker sont des praticiennes : leurs conseils viennent de leur expérience de conceptrices.
Ce qu’Elabora en fait. Le dialogue a trois modes. Pratique, le mode par défaut, n’est pas noté : après chaque conséquence, l’apprenant peut choisir autrement ; une fois la fin atteinte, il peut reprendre à n’importe lequel de ses choix, ou recommencer. Évaluation ne permet aucun retour et garde les notes pour le bilan. Exploration permet de reprendre à n’importe quel choix dès le premier. Si le dialogue est noté, seul le premier parcours jusqu’à une fin compte, quel que soit le mode, et dans chaque décision le premier choix : c’est la seule tentative faite sans connaître les conséquences, et c’est ce que reçoit le LMS. Les essais et les retours qui suivent ne changent plus ni le score ni le statut. Pour faire assumer ses choix à l’apprenant, comme Moore le conseille pour corriger une habitude, prenez Évaluation, ou marquez une décision « Choix définitif » : on ne revient ni sur elle, ni avant elle. Une fois le dialogue fini, « Recommencer » reste possible, comme une nouvelle partie qui ne change pas le parcours noté.
Trois options plausibles, de longueurs proches
Ce que la recherche a trouvé. Ces conseils viennent de la recherche sur les questions à choix multiple. La synthèse de Haladyna, Downing et Rodriguez (2002), qui croise 27 manuels et 27 études, recommande des options toutes plausibles, tirées des erreurs typiques des apprenants, et de longueur à peu près égale. Une méta-analyse de 80 ans de recherche conclut que trois options suffisent : on peut alors poser plus de questions dans le même temps, sans perdre en qualité de mesure (Rodriguez, 2005). Ceux qui écrivent les questions ont tendance à rendre la bonne réponse plus longue que les autres : c’était l’un des défauts les plus fréquents dans 1 925 questions d’examen écrites par des enseignants d’une école vétérinaire (Rush et al., 2016) ; et dans une expérience auprès d’étudiants en médecine, les questions dont la bonne réponse était la plus longue étaient mieux réussies que les mêmes questions sans ce défaut (Pham et al., 2018). Côté pratique, Quinn (2022) demande, pour un mini-scénario, des options qui reprennent les façons dont les apprenants se trompent vraiment, et Moore (2015) une erreur courante rendue tentante.
Les limites. Ces travaux portent sur des examens, pas sur l’apprentissage par le dialogue : nous les appliquons par analogie aux choix d’une conversation. Le nombre de trois options vient de l’efficacité d’un examen, pas d’une meilleure compréhension. Dans l’expérience de Pham et de ses collègues, d’autres défauts n’avaient pas l’effet attendu. Quinn et Moore sont des praticiens.
Ce qu’Elabora en fait. Chaque option est marquée Bonne, Moyenne ou Mauvaise, une marque que l’apprenant ne voit jamais avant son choix. Les consignes de l’agent lui demandent environ trois options, plausibles, tirées des erreurs que font les vraies personnes, et de longueurs proches. Les vérifications signalent une décision de plus de quatre options, et des options dont la plus longue fait plus de deux fois et demie la plus courte : un libellé de bouton plus court règle souvent ce second cas.
Le texte qui suit la voix
Ce que la recherche a trouvé. Un adulte lit en silence un texte documentaire en anglais à environ 238 mots par minute, et à voix haute à 183 (Brysbaert, 2019, sur 190 études) : une voix qui dit le texte va moins vite qu’un lecteur qui le lit des yeux. Empêcher le lecteur de revenir sur les mots déjà lus nuit à sa compréhension (Schotter et al., 2014). Le texte écrit et la même narration, ensemble, peuvent aider certains apprenants : dans une méta-analyse de 57 études, ils faisaient mieux que la narration seule pour ceux qui connaissaient peu le sujet, quand le rythme était imposé et quand il n’y avait pas d’image ; des mots-clés tirés de la narration faisaient encore mieux que le texte entier (Adesope et Nesbit, 2012). Les livres numériques accessibles savent mettre en évidence l’élément lu dans un texte entièrement affiché (W3C, 2026).
Les limites. Elles nous concernent directement. Le principe de redondance (voir plus haut) dit qu’un texte identique à la narration nuit en général, surtout quand il y a une image à regarder ; or la bulle d’un dialogue dit exactement ce que dit la voix. Et l’étude la plus proche de ce que fait Elabora n’est pas favorable : Gerbier, Bailly et Bosse (2018) ont fait lire des histoires à 40 élèves du CE2 au CM2 pendant qu’un narrateur les disait, le texte en gris et chaque mot passant au noir au moment où il était dit. Cette synchronisation n’a rien changé au souvenir de l’orthographe des mots nouveaux, et a nui au souvenir de leur sens ; les enfants préféraient le texte fixe, sauf les lecteurs les plus faibles. Elle retenait leur regard sur le mot entendu. C’est une étude exploratoire, auprès d’enfants, mais c’est la plus proche que nous ayons trouvée.
Ce qu’Elabora en fait. Le texte d’une bulle est mis en page en entier dès son arrivée, et il se lit en avance : en « Mot par mot », le réglage par défaut, les mots pas encore dits restent visibles, plus pâles, jamais cachés. Une réplique sans voix paraît entière, et le dialogue attend que l’apprenant passe à la suite. L’apprenant garde la main : il peut couper les voix et lire seul, et son réglage « Texte : tout de suite », comme le mouvement réduit de son système, montre le texte entier d’emblée. Vous pouvez aussi régler un dialogue pour que tout le texte d’une bulle paraisse d’un coup. Suivre la voix mot à mot est une aide qu’Elabora propose, pas une contrainte.
Un bilan à la fin
Ce que la recherche a trouvé. Une méta-analyse de 46 échantillons a trouvé que les débriefings, les retours d’expérience après une action, amélioraient la performance d’environ 25 % par rapport à un groupe témoin (d = 0,67), pour des équipes comme pour des individus, en simulation comme en situation réelle (Tannenbaum et Cerasoli, 2013). Moore (2016) conseille de débriefer à la fin d’un scénario : la fin d’abord, puis comment on y est arrivé, les erreurs commises et des indices pour l’essai suivant.
Les limites. Les débriefings étudiés sont des moments de réflexion et de discussion, souvent animés par une personne, où les participants se fixent aussi des objectifs ; un débriefing structuré et aligné sur ce qu’on mesure semblait plus efficace. Une carte de bilan à la fin d’un dialogue en est une forme bien plus mince : elle donne la matière d’une réflexion, elle ne la conduit pas.
Ce qu’Elabora en fait. À la fin d’un dialogue, un bilan montre la fin atteinte, puis chaque décision avec sa qualité (une icône et un mot, jamais la couleur seule) et sa note, puis les autres issues possibles. Vous n’écrivez rien de plus : il se déduit de la qualité et des notes des options. Si votre module est suivi en classe, en présentiel ou à distance, c’est un bon point de départ pour un vrai débriefing.
Un calque qui parle
Ce que la recherche a trouvé. Ce sont les principes du graphique qui suit la voix : présenter ensemble les mots et les images qui se correspondent (la contiguïté temporelle), et montrer où regarder (la signalisation) (Mayer et Fiorella, 2014 ; Ginns, 2006 ; Schneider et al., 2018 ; Richter et al., 2016).
Les limites. Ce sont aussi les mêmes : ces études n’ont pas porté sur des calques, et les signaux comptent moins pour qui connaît déjà le sujet. Qu’une seule voix parle à la fois est un choix de conception, pas un résultat de recherche que nous aurions vérifié.
Ce qu’Elabora en fait. Un calque peut avoir sa propre narration : quand il s’ouvre, sa voix explique et ses blocs arrivent au mot qui les nomme, comme sur l’écran. Pendant qu’il parle, la voix de l’écran attend. Un événement peut fermer le calque quand sa voix a fini. Voir un calque qui parle.
Des personnages qui parlent
Ce que la recherche a trouvé. Montrer à l’écran celui qui parle n’aide pas forcément : c’est le principe d’image de Mayer, tiré de 14 comparaisons dont la moitié n’a donné aucun effet, ou un effet négatif (effet médian d = 0,20). Les gestes, le mouvement, le regard et les expressions d’un personnage, eux, aident un peu : c’est le principe d’incarnation, observé dans 11 comparaisons sur 11 (effet médian d = 0,36 ; Mayer, 2014). Une méta-analyse de 20 expériences sur les gestes des personnages pédagogiques trouve des effets petits à moyens sur la rétention (g = 0,28) et sur le transfert (g = 0,39) (Davis, 2018). Une autre, sur 43 études, trouve un petit effet de ces personnages en général, plus grand quand ils s’expriment par du texte à l’écran que par une narration (Schroeder et al., 2013). Mayer (2014) rapporte enfin qu’une voix humaine faisait mieux qu’une voix de synthèse (effet médian d = 0,74).
Les limites. Ces études portent sur des personnages qui enseignent. Ceux d’un dialogue jouent une situation (un client, une collègue) : ce que la recherche dit des premiers ne vaut pour les seconds qu’avec prudence. Les effets sont petits, et la seule présence d’un personnage n’en garantit aucun. Les études sur la voix sont antérieures à 2014, donc aux voix de synthèse actuelles ; dans une étude plus récente, la qualité de la voix d’un personnage virtuel n’a pas changé ce que les participants apprenaient, mais elle changeait la confiance qu’ils lui accordaient (Chiou et al., 2020).
Ce qu’Elabora en fait. Un personnage dessiné n’est pas obligatoire : le style messagerie, celui par défaut, se contente d’un petit portrait près des bulles. Quand un personnage est dessiné, ce qu’il fait se rapporte à ce qu’il dit : sa bouche suit sa voix, son expression change avec la réplique, ses gestes tombent sur des mots (saluer au mot « Bonjour ») ; pour le reste, il respire et cligne des yeux, sans plus. Sous mouvement réduit, aucune animation ne joue, et la pause de l’apprenant fige tout. Son nom est dans les bulles : pour un lecteur d’écran, le dessin est décoratif.
Révéler n’est pas pratiquer
Ce que la recherche a trouvé. À notre connaissance, aucune étude évaluée par les pairs ne teste accordéons, onglets, cartes ou repères sur image comme dispositifs d’apprentissage, face au même contenu montré à plat. Ce qui existe est indirect. Le cadre ICAP de Chi et Wylie (2014) classe ce que fait l’apprenant : cliquer, pointer ou manipuler est « actif » ; produire quelque chose de nouveau (une explication, une carte conceptuelle) est « constructif », et l’apprentissage devrait croître dans cet ordre. Mayer (2004) conclut, dans un autre débat (l’apprentissage par la seule découverte), que ce qui compte est l’activité de l’esprit plutôt que celle des mains. Et une méta-analyse de 18 études sur le contrôle laissé à l’apprenant dans les outils numériques trouve un effet global presque nul (g = 0,05 ; Karich et al., 2014).
Les limites. ICAP est un cadre qui prédit, pas une loi : il s’appuie sur des travaux de laboratoire et de classe. Le contrôle de l’apprenant n’est pas exactement « ouvrir un volet », et 18 études, c’est peu. Cela ne prouve pas qu’un panneau ne sert à rien : il peut alléger une page dense. Cela dit seulement que l’ouvrir ne fait pas apprendre.
Ce qu’Elabora en fait. Les panneaux, cartes et repères servent à découper et à ranger, pas à faire croire qu’on a pratiqué. Pour qu’un clic devienne un effort, voir réfléchir d’abord et les cartes à retourner. Après exploration vérifie que l’apprenant a ouvert ce qui est au-dessus, pas qu’il l’a compris : posez une question juste après.
Réfléchir d’abord
Ce que la recherche a trouvé. Poser une question avant d’avoir appris, même quand on n’y sait pas répondre, peut aider ce qu’on retient ensuite, à condition de voir les bonnes réponses après (Pan et Carpenter, 2023). Cet effet a été observé avec des textes, des vidéos et des cours. Il rejoint des travaux plus anciens : chercher la réponse avant de l’avoir apprise, même à tort, fait mieux retenir que la simple lecture (Kornell et al., 2009 ; Richland et al., 2009).
Les limites. Les auteurs de la synthèse notent que l’ampleur du gain varie selon la façon de procéder et de mesurer l’apprentissage. La bonne réponse doit suivre : une question sans suite ne sert à rien. Et ces études portent surtout sur ce qu’on se rappelle, moins sur la compréhension d’un module entier.
Ce qu’Elabora en fait. Réfléchir d’abord, sur Panneaux, affiche une consigne avant de révéler (« Avant de retourner chaque carte, dites ce que vous pensez trouver au dos ») ; sur Image interactive, c’est la Consigne. La mise en page Ouverture a une place pour une question posée avant la leçon, une question ou une réflexion, non notée. Ce moment n’engage pas l’apprenant dans une évaluation : c’est une amorce, que la suite doit corriger.
Les cartes à retourner comme rappel
Ce que la recherche a trouvé. Se tester aide plus que relire, à condition de laisser passer du temps. Dans les expériences de Roediger et Karpicke (2006), relire donnait un meilleur rappel après 5 minutes, mais se tester faisait mieux après deux jours et après une semaine, même si relire rendait les étudiants plus confiants. Dunlosky et al. (2013) ont classé le test de pratique et l’apprentissage espacé parmi les deux techniques d’utilité élevée sur dix. Pour les cartes, une seule grande pile a mieux fonctionné que quatre petites chez 90 % des participants, alors que 72 % pensaient l’inverse après la première séance (Kornell, 2009). Laisser les apprenants écarter les cartes « sues » a eu des effets petits mais constamment négatifs (Kornell et Bjork, 2008). Côté accessibilité, une carte à retourner est un bouton dont le nom change, avec une seule face lue à la fois (Edwards, 2025).
Les limites. Ces expériences portent surtout sur des mots, des paires de mots et des textes, avec des étudiants. Une carte dont le verso est lu sans que l’apprenant ait cherché la réponse n’est qu’une relecture. Et ces travaux ne disent pas quelle consigne fait chercher.
Ce qu’Elabora en fait. Les Cartes à retourner (en Grille ou Une à la fois) retournent une carte : le recto est un titre ou une image, le verso le texte, et Réfléchir d’abord y est pensé pour que l’apprenant se prononce avant de retourner. La recette Idée reçue ou fait ? part de ce principe. Le paquet reste entier : aucune carte n’est retirée parce qu’elle est « sue ». La carte est un bouton dont le libellé change, une seule face est lue, et sous mouvement réduit elle se change sans se retourner.
Un élément à la fois, ou tout à la fois
Ce que la recherche a trouvé. Les études d’usage du Nielsen Norman Group sur les carrousels notent que beaucoup de visiteurs passent sans les parcourir, si bien que les images suivantes sont souvent manquées, et conseillent de ne pas y mettre l’essentiel, de s’en tenir à cinq images au plus et d’éviter l’avance automatique (Pernice, 2013). Pour les accordéons, ils recommandent de ne pas cacher une information indispensable, de les éviter pour un texte qu’on lit d’une traite, et de laisser plusieurs volets ouverts à la fois (Wang, 2023). Du côté de l’apprentissage, découper une leçon en segments aide, mais prend plus de temps (Rey et al., 2019).
Les limites. Ces conseils viennent d’observations d’usage, sur des sites web, pas de mesures d’apprentissage. Et les études sur le découpage portent sur des leçons, pas sur des carrousels.
Ce qu’Elabora en fait. Accordéon est la présentation par défaut de Panneaux, et plusieurs volets peuvent y être ouverts à la fois. Les présentations Une à la fois ne tournent jamais seules : elles affichent leur position (« 2 / 5 »), répondent aux flèches et au balayage, et gardent la place de leur plus haut élément. Les vérifications signalent plus de 7 étapes en Une à la fois, plus de 12 cartes et plus de 5 images dans une galerie Une à la fois. Mettez ce qui compte dans le texte, pas seulement derrière un clic.
Des étapes, ou un défilé
Ce que la recherche a trouvé. Dans une étude auprès de 180 participants, la mise en page « diapositives » donnait de meilleurs résultats de compréhension que le défilement vertical, et relier le texte au graphique augmentait l’engagement (Zhi et al., 2019). Dans une étude auprès de 240 personnes, les visuels et le retour de la navigation, comme les transitions animées, comptaient pour l’engagement ; le niveau de contrôle (par à-coups ou en continu) peut-être pas (McKenna et al., 2017). Pour des récits médicaux (n = 85), les participants préféraient cliquer, mais restaient plus longtemps et revenaient plus en arrière avec le défilement (Mittenentzwei et al., 2023). Quand le défilement prend la main, un test d’usage a trouvé la plupart des participants au moins un peu désorientés, surtout avec du texte à lire pendant l’animation (Paul, 2023).
Les limites. Ces travaux viennent de la visualisation de données, pas de la formation, et chacun ne teste qu’une implémentation du défilement. Mittenentzwei et ses collègues jugent eux-mêmes leurs résultats peu généralisables. Les différences sont surtout d’engagement et de préférence ; sur la compréhension, quand elle est mesurée, les étapes à la demande font aussi bien ou mieux.
Ce qu’Elabora en fait. Étapes se présente Une à la fois, en Frise ou en Défilé, et passe de l’une à l’autre sans toucher aux mots. Le Défilé garde le défilement natif : pas de prise en main de la molette, l’étape en cours est celle qui passe au milieu de la fenêtre, et sans défilement ou avec le mouvement réduit chaque image reste avec son étape. En cas de doute sur la compréhension, partez de Une à la fois.
Les mots à côté de leur image
Ce que la recherche a trouvé. Le principe de contiguïté spatiale de Mayer dit qu’on apprend mieux quand les mots et l’image qui se correspondent sont proches (Mayer et Fiorella, 2014), ce que confirme la méta-analyse de Ginns (2006). Une méta-analyse plus récente trouve un effet moyen, positif, d’un texte intégré à l’image plutôt que séparé (Schroeder et Cenkci, 2018).
Les limites. Ces expériences portent surtout sur des schémas légendés et de courts textes. Un repère qui ouvre une bulle après un clic n’a pas été testé tel quel : la proximité de la bulle est une application du principe, pas une réplication.
Ce qu’Elabora en fait. Image interactive place l’explication Près du repère par défaut, ou Sur le côté, ou Sous l’image. Sur une fenêtre étroite, les repères deviennent une liste numérotée sous l’image. Image avec Texte à côté met le texte près de l’image qu’il décrit. Évitez de mettre l’explication d’un repère loin de lui.
Glisser-déposer : toucher d’abord
Ce que la recherche a trouvé. Ce n’est pas une question d’apprentissage mais d’accessibilité. Le critère 2.5.7 des WCAG 2.2 demande que tout ce qui se fait en glissant puisse se faire avec un seul pointeur sans glisser, sauf si glisser est essentiel. Rendre le glissement possible au clavier ne suffit pas, sauf si le clavier s’accompagne de commandes qu’on peut cliquer ou toucher. L’exemple du critère : toucher l’élément, puis un bouton qui le déplace (W3C, s. d.).
Les limites. C’est une exigence, pas une étude : à notre connaissance, aucun travail ne montre qu’on apprend mieux en touchant qu’en glissant.
Ce qu’Elabora en fait. Dans Classer et Texte à trous (Mots à placer), l’apprenant choisit d’abord l’élément, puis l’endroit où il va. Glisser reste possible en plus, avec une souris. En Ordre, des boutons font monter et descendre. Chaque élément placé compte dans le score.
Pourquoi les onglets restent peu nombreux
Ce que la recherche a trouvé. Pour le Nielsen Norman Group, moins il y a d’onglets, mieux c’est : quand ils débordent, ils deviennent un carrousel qui cache les derniers. Leurs noms tiennent en un ou deux mots, on évite les onglets pour ce qu’il faut comparer, et les accordéons marchent souvent mieux sur mobile (Sunwall, 2024).
Les limites. C’est de l’expertise d’usage, pas une mesure d’apprentissage, et l’article ne donne pas de nombre. Les seuils d’Elabora (plus de 7 onglets, un nom de plus de 24 caractères) sont un choix de conception.
Ce qu’Elabora en fait. Avec Onglets, les vérifications signalent plus de 7 onglets et un nom trop long, et sur une fenêtre étroite les onglets deviennent un accordéon. Pour comparer, utilisez Colonnes ou un tableau.
Comment Elabora s’en sert
Les règles que suit votre agent viennent de ces principes. Il écrit des titres qui disent l’idée à retenir, ancre les parties d’un graphique sur des mots, découpe la narration en étapes, rédige un retour pour chaque option et ne propose des moments de prédiction qu’avec parcimonie. Dans un dialogue, il écrit des répliques courtes, fait passer la conséquence avant la note, propose trois options plausibles de longueurs proches et vérifie chaque chemin. Avec les blocs de départ, il garde les panneaux et les onglets peu nombreux, met une consigne avant de révéler, préfère les étapes une à une au défilé quand la compréhension prime, et ne cache pas l’essentiel derrière un clic. C’est vous qui décidez s’ils conviennent à vos apprenants : changer un titre, retirer un temps fort, faire compter une prédiction, ou y renoncer. La recherche fournit des réglages par défaut. Connaître votre public, c’est votre métier.
Références
Les titres sont donnés dans leur langue d’origine (en anglais), au format APA.
- Adesope, O. O., & Nesbit, J. C. (2012). Verbal redundancy in multimedia learning environments: A meta-analysis. Journal of Educational Psychology, 104(1), 250–263. https://doi.org/10.1037/a0026147
- Aisch, G., Cox, A., & Quealy, K. (2015, May 28). You draw it: How family income predicts children’s college chances. The New York Times. https://www.nytimes.com/interactive/2015/05/28/upshot/you-draw-it-how-family-income-affects-childrens-college-chances.html
- Berney, S., & Bétrancourt, M. (2016). Does animation enhance learning? A meta-analysis. Computers & Education, 101, 150–167. https://doi.org/10.1016/j.compedu.2016.06.005
- Bertsch, S., Pesta, B. J., Wiscott, R., & McDaniel, M. A. (2007). The generation effect: A meta-analytic review. Memory & Cognition, 35(2), 201–210. https://doi.org/10.3758/BF03193441
- Brysbaert, M. (2019). How many words do we read per minute? A review and meta-analysis of reading rate. Journal of Memory and Language, 109, 104047. https://doi.org/10.1016/j.jml.2019.104047
- Chernikova, O., Heitzmann, N., Stadler, M., Holzberger, D., Seidel, T., & Fischer, F. (2020). Simulation-based learning in higher education: A meta-analysis. Review of Educational Research, 90(4), 499–541. https://doi.org/10.3102/0034654320933544
- Chi, M. T. H., & Wylie, R. (2014). The ICAP framework: Linking cognitive engagement to active learning outcomes. Educational Psychologist, 49(4), 219–243. https://doi.org/10.1080/00461520.2014.965823
- Chiou, E. K., Schroeder, N. L., & Craig, S. D. (2020). How we trust, perceive, and learn from virtual humans: The influence of voice quality. Computers & Education, 146, 103756. https://doi.org/10.1016/j.compedu.2019.103756
- Davis, R. O. (2018). The impact of pedagogical agent gesturing in multimedia learning environments: A meta-analysis. Educational Research Review, 24, 193–209. https://doi.org/10.1016/j.edurev.2018.05.002
- Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J., & Willingham, D. T. (2013). Improving students’ learning with effective learning techniques: Promising directions from cognitive and educational psychology. Psychological Science in the Public Interest, 14(1), 4–58. https://doi.org/10.1177/1529100612453266
- Edwards, J. (2025, September 24). Creating a truly accessible flip card. Vispero. https://vispero.com/resources/creating-a-truly-accessible-flip-card/
- Galesic, M., Garcia-Retamero, R., & Gigerenzer, G. (2009). Using icon arrays to communicate medical risks: Overcoming low numeracy. Health Psychology, 28(2), 210–216. https://doi.org/10.1037/a0014474
- Garcia-Retamero, R., & Galesic, M. (2009). Communicating treatment risk reduction to people with low numeracy skills: A cross-cultural comparison. American Journal of Public Health, 99(12), 2196–2202. https://doi.org/10.2105/AJPH.2009.160234 (open access: https://pmc.ncbi.nlm.nih.gov/articles/PMC2775772)
- Gerbier, E., Bailly, G., & Bosse, M.-L. (2018). Audio–visual synchronization in reading while listening to texts: Effects on visual behavior and verbal learning. Computer Speech & Language, 47, 74–92. https://doi.org/10.1016/j.csl.2017.07.003 (open access: https://hal.science/hal-01575227)
- Ginns, P. (2006). Integrating information: A meta-analysis of the spatial contiguity and temporal contiguity effects. Learning and Instruction, 16(6), 511–525. https://doi.org/10.1016/j.learninstruc.2006.10.001
- Haladyna, T. M., Downing, S. M., & Rodriguez, M. C. (2002). A review of multiple-choice item-writing guidelines for classroom assessment. Applied Measurement in Education, 15(3), 309–333. https://doi.org/10.1207/S15324818AME1503_5
- Kalyuga, S., & Sweller, J. (2014). The redundancy principle in multimedia learning. In R. E. Mayer (Ed.), The Cambridge handbook of multimedia learning (2nd ed., pp. 247–262). Cambridge University Press. https://doi.org/10.1017/CBO9781139547369.013
- Karich, A. C., Burns, M. K., & Maki, K. E. (2014). Updated meta-analysis of learner control within educational technology. Review of Educational Research, 84(3), 392–410. https://doi.org/10.3102/0034654314526064
- Kim, Y.-S., Reinecke, K., & Hullman, J. (2017). Explaining the gap: Visualizing one’s predictions improves recall and comprehension of data. Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems, 1375–1386. https://doi.org/10.1145/3025453.3025592 (paper page: https://idl.uw.edu/papers/explaining-the-gap)
- Knaflic, C. N. (2015). Storytelling with data: A data visualization guide for business professionals. Wiley. https://doi.org/10.1002/9781119055259
- Kornell, N. (2009). Optimising learning using flashcards: Spacing is more effective than cramming. Applied Cognitive Psychology, 23(9), 1297–1317. https://doi.org/10.1002/acp.1537
- Kornell, N., & Bjork, R. A. (2008). Optimising self-regulated study: The benefits—and costs—of dropping flashcards. Memory, 16(2), 125–136. https://doi.org/10.1080/09658210701763899
- Kornell, N., Hays, M. J., & Bjork, R. A. (2009). Unsuccessful retrieval attempts enhance subsequent learning. Journal of Experimental Psychology: Learning, Memory, and Cognition, 35(4), 989–998. https://doi.org/10.1037/a0015729
- Mayer, R. E. (2004). Should there be a three-strikes rule against pure discovery learning? American Psychologist, 59(1), 14–19. https://doi.org/10.1037/0003-066X.59.1.14
- Mayer, R. E. (2014). Principles based on social cues in multimedia learning: Personalization, voice, image, and embodiment principles. In R. E. Mayer (Ed.), The Cambridge handbook of multimedia learning (2nd ed., pp. 345–368). Cambridge University Press. https://doi.org/10.1017/CBO9781139547369.017
- Mayer, R. E., & Fiorella, L. (2014). Principles for reducing extraneous processing in multimedia learning: Coherence, signaling, redundancy, spatial contiguity, and temporal contiguity principles. In R. E. Mayer (Ed.), The Cambridge handbook of multimedia learning (2nd ed., pp. 279–315). Cambridge University Press. https://doi.org/10.1017/CBO9781139547369.015
- McKenna, S., Henry Riche, N., Lee, B., Boy, J., & Meyer, M. (2017). Visual narrative flow: Exploring factors shaping data visualization story reading experiences. Computer Graphics Forum, 36(3), 377–387. https://doi.org/10.1111/cgf.13195
- Mittenentzwei, S., Garrison, L. A., Mörth, E., Lawonn, K., Bruckner, S., Preim, B., & Meuschke, M. (2023). Investigating user behavior in slideshows and scrollytelling as narrative genres in medical visualization. Computers & Graphics, 114, 229–238. https://doi.org/10.1016/j.cag.2023.06.011
- Moore, C. (2015, September 28). 3 quick tips for strong scenarios. Cathy Moore. https://blog.cathy-moore.com/3-quick-tips-for-strong-scenarios/
- Moore, C. (2016, April 19). Scenario mistakes to avoid #1: Eager-beaver feedback. Cathy Moore. https://blog.cathy-moore.com/scenario-mistakes-to-avoid-1-eager-feedback/
- Moore, C. (2018, April 3). 3 ways to help people learn from mistakes in branching scenarios. Cathy Moore. https://blog.cathy-moore.com/3-ways-to-help-people-learn-from-mistakes-in-branching-scenarios/
- Moore, C. (2025). Build your first branching scenario with H5P (free). Cathy Moore. https://blog.cathy-moore.com/branching-scenario-h5p/
- Pan, S. C., & Carpenter, S. K. (2023). Prequestioning and pretesting effects: A review of empirical research, theoretical perspectives, and implications for educational practice. Educational Psychology Review, 35(4), Article 97. https://doi.org/10.1007/s10648-023-09814-5
- Paul, S. (2023, August 6). Scrolljacking 101. Nielsen Norman Group. https://www.nngroup.com/articles/scrolljacking-101/
- Pernice, K. (2013, September 14). Carousel usability: Designing an effective UI for websites with content overload. Nielsen Norman Group. https://www.nngroup.com/articles/designing-effective-carousels/
- Pham, H., Besanko, J., & Devitt, P. (2018). Examining the impact of specific types of item-writing flaws on student performance and psychometric properties of the multiple choice question. MedEdPublish, 7, 225. https://doi.org/10.15694/mep.2018.0000225.1
- Quinn, C. (2022, December 13). Information to miniscenarios. Learnlets. https://blog.learnlets.com/2022/12/information-to-miniscenarios
- Rey, G. D., Beege, M., Nebel, S., Wirzberger, M., Schmitt, T. H., & Schneider, S. (2019). A meta-analysis of the segmenting effect. Educational Psychology Review, 31(2), 389–419. https://doi.org/10.1007/s10648-018-9456-4
- Richland, L. E., Kornell, N., & Kao, L. S. (2009). The pretesting effect: Do unsuccessful retrieval attempts enhance learning? Journal of Experimental Psychology: Applied, 15(3), 243–257. https://doi.org/10.1037/a0016496
- Richter, J., Scheiter, K., & Eitel, A. (2016). Signaling text-picture relations in multimedia learning: A comprehensive meta-analysis. Educational Research Review, 17, 19–36. https://doi.org/10.1016/j.edurev.2015.12.003
- Rodriguez, M. C. (2005). Three options are optimal for multiple-choice items: A meta-analysis of 80 years of research. Educational Measurement: Issues and Practice, 24(2), 3–13. https://doi.org/10.1111/j.1745-3992.2005.00006.x
- Roediger, H. L., III, & Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. Psychological Science, 17(3), 249–255. https://doi.org/10.1111/j.1467-9280.2006.01693.x
- Rush, B. R., Rankin, D. C., & White, B. J. (2016). The impact of item-writing flaws and item complexity on examination item difficulty and discrimination value. BMC Medical Education, 16, 250. https://doi.org/10.1186/s12909-016-0773-3
- Schneider, S., Beege, M., Nebel, S., & Rey, G. D. (2018). A meta-analysis of how signaling affects learning with media. Educational Research Review, 23, 1–24. https://doi.org/10.1016/j.edurev.2017.11.001
- Schotter, E. R., Tran, R., & Rayner, K. (2014). Don’t believe what you read (only once): Comprehension is supported by regressions during reading. Psychological Science, 25(6), 1218–1226. https://doi.org/10.1177/0956797614531148
- Schroeder, N. L., Adesope, O. O., & Gilbert, R. B. (2013). How effective are pedagogical agents for learning? A meta-analytic review. Journal of Educational Computing Research, 49(1), 1–39. https://doi.org/10.2190/EC.49.1.a
- Schroeder, N. L., & Cenkci, A. T. (2018). Spatial contiguity and spatial split-attention effects in multimedia learning environments: A meta-analysis. Educational Psychology Review, 30(3), 679–701. https://doi.org/10.1007/s10648-018-9435-9
- Shah, P., & Hoeffner, J. (2002). Review of graph comprehension research: Implications for instruction. Educational Psychology Review, 14(1), 47–69. https://doi.org/10.1023/A:1013180410169
- Shute, V. J. (2008). Focus on formative feedback. Review of Educational Research, 78(1), 153–189. https://doi.org/10.3102/0034654307313795
- Sinha, T., & Kapur, M. (2021). When problem solving followed by instruction works: Evidence for productive failure. Review of Educational Research, 91(5), 761–798. https://doi.org/10.3102/00346543211019105
- Sunwall, E. (2024, August 2). Tabs, used right. Nielsen Norman Group. https://www.nngroup.com/articles/tabs-used-right/
- Tannenbaum, S. I., & Cerasoli, C. P. (2013). Do team and individual debriefs enhance performance? A meta-analysis. Human Factors, 55(1), 231–245. https://doi.org/10.1177/0018720812448394
- Tucker, C. (2021, July 27). Don’t restart scenario-based learning, go back. Experiencing eLearning. https://christytuckerlearning.com/dont-restart-scenario-based-learning-go-back/
- Tucker, C. (2025, May 6). Immediate and delayed consequences in branching scenarios. Experiencing eLearning. https://christytuckerlearning.com/immediate-and-delayed-consequences-in-branching-scenarios/
- Tversky, B., Morrison, J. B., & Bétrancourt, M. (2002). Animation: Can it facilitate? International Journal of Human-Computer Studies, 57(4), 247–262. https://doi.org/10.1006/ijhc.2002.1017
- Van der Kleij, F. M., Feskens, R. C. W., & Eggen, T. J. H. M. (2015). Effects of feedback in a computer-based learning environment on students’ learning outcomes: A meta-analysis. Review of Educational Research, 85(4), 475–511. https://doi.org/10.3102/0034654314564881
- W3C. (s. d.). Understanding success criterion 2.5.7: Dragging movements (WCAG 2.2). https://www.w3.org/WAI/WCAG22/Understanding/dragging-movements.html
- W3C. (2026, January 13). EPUB 3.3 (W3C Recommendation), appendix D.8, Media overlays vocabulary. https://www.w3.org/TR/epub-33/
- Wang, H.-H. (2023, July 30). Accordions on desktop: When and how to use. Nielsen Norman Group. https://www.nngroup.com/articles/accordions-on-desktop/
- Wisniewski, B., Zierer, K., & Hattie, J. (2020). The power of feedback revisited: A meta-analysis of educational feedback research. Frontiers in Psychology, 10, 3087. https://doi.org/10.3389/fpsyg.2019.03087
- Yue, C. L., Bjork, E. L., & Bjork, R. A. (2013). Reducing verbal redundancy in multimedia learning: An undesired desirable difficulty? Journal of Educational Psychology, 105(2), 266–277. https://doi.org/10.1037/a0031971
- Zhi, Q., Ottley, A., & Metoyer, R. (2019). Linking and layout: Exploring the integration of text and visualization in storytelling. Computer Graphics Forum, 38(3), 675–685. https://doi.org/10.1111/cgf.13719