Summary

Résolution de problèmes avant l’enseignement (PS-I) : Protocole d’évaluation et d’intervention chez les élèves ayant des capacités différentes

Published: September 11, 2021
doi:

Summary

Ce protocole guide les chercheurs et les éducateurs dans la mise en œuvre de l’approche de résolution de problèmes avant l’instruction (PS-I) dans un cours de statistique de premier cycle. Il décrit également une évaluation expérimentale intégrée de cette mise en œuvre, où l’efficacité de la PS-I est mesurée en termes d’apprentissage et de motivation chez les élèves ayant différentes prédispositions cognitives et affectives.

Abstract

De nos jours, la façon d’encourager la réflexion des élèves est l’une des principales préoccupations des enseignants à différents niveaux d’éducation. De nombreux étudiants ont des difficultés lorsqu’ils font face à des tâches qui impliquent des niveaux élevés de réflexion, comme sur les cours STEM (sciences, technologie, ingénierie et mathématiques). Beaucoup ont également une anxiété et une démotivation profondément enracinées à l’égard de ces cours. Afin de surmonter ces défis cognitifs et affectifs, les chercheurs ont suggéré l’utilisation d’approches « Résolution de problèmes avant instruction » (PS-I). PS-I consiste à donner aux étudiants la possibilité de générer des solutions individuelles à des problèmes qui sont ensuite résolus en classe. Ces solutions sont comparées à la solution canonique dans la phase suivante de l’enseignement, ainsi qu’à la présentation du contenu de la leçon. Il a été suggéré qu’avec cette approche, les étudiants peuvent augmenter leur compréhension conceptuelle, transférer leur apprentissage à différentes tâches et contextes, devenir plus conscients des lacunes dans leurs connaissances et générer une construction personnelle des connaissances antérieures qui peuvent aider à maintenir leur motivation. Malgré les avantages, cette approche a été critiquée, car les étudiants peuvent passer beaucoup de temps sur des essais et des erreurs sans but pendant la phase initiale de la génération de la solution ou ils peuvent même se sentir frustrés dans ce processus, ce qui pourrait nuire à l’apprentissage futur. Plus important encore, il y a peu de recherches sur la façon dont les caractéristiques préexistantes des élèves peuvent les aider à bénéficier (ou non) de cette approche. L’objectif de la présente étude est de présenter la conception et la mise en œuvre de l’approche PS-I appliquée à l’apprentissage des statistiques chez les étudiants de premier cycle, ainsi qu’une approche méthodologique utilisée pour évaluer son efficacité en tenant compte des différences préexistantes des étudiants.

Introduction

L’une des questions qui préoccupent le plus les enseignants à l’heure actuelle est de savoir comment stimuler la réflexion des élèves. Cette préoccupation est courante dans les cours de nature mathématique, tels que les cours STEM (Sciences, Technologie, Ingénierie et Mathématiques), dans lesquels l’abstraction de nombreux concepts nécessite un haut degré de réflexion, mais de nombreux étudiants rapportent aborder ces cours uniquement par des méthodes basées sur la mémoire1. De plus, les élèves montrent souvent un apprentissage superficiel des concepts1,2,3. Cependant, les difficultés rencontrées par les élèves dans l’application des processus de réflexion et d’apprentissage profond ne sont pas seulement cognitives. Beaucoup d’étudiants ressentent de l’anxiété et de la démotivation face à ces cours4,5. En fait, ces difficultés ont tendance à persister tout au long de l’éducation des élèves6. Il est donc important d’explorer des stratégies éducatives qui préparent les élèves à l’apprentissage profond sur le plan motivationnel et cognitif, quelles que soient leurs différentes prédispositions.

Il est particulièrement utile de trouver des stratégies qui complètent les approches pédagogiques typiques. L’un des plus typiques étant l’instruction directe. L’enseignement direct consiste à guider pleinement les élèves à partir de l’introduction de nouveaux concepts avec des informations explicites sur ces concepts, puis à suivre cela avec des stratégies de consolidation telles que des activités de résolution de problèmes, des commentaires, des discussions ou d’autres explications7,8. L’instruction directe peut être efficace pour transmettre facilement le contenu8,9,10. Cependant, les étudiants ne réfléchissent souvent pas à des aspects importants, tels que la façon dont le contenu se rapporte à leurs connaissances personnelles, ou les procédures potentielles qui pourraient fonctionner et ne fonctionnent pas11. Il est donc important d’introduire des stratégies complémentaires pour arduir les élèves de manière critique.

L’une de ces stratégies est l’approche12de la résolution de problèmes avant l’instruction (PS-I), également appelée approche de l’invention11 ou approche de l’échec productif13. PS-I est différent de l’enseignement direct en ce sens que les étudiants ne sont pas directement initiés aux concepts, mais qu’il y a plutôt une phase de résolution de problèmes avant les activités d’enseignement direct typiques dans lesquelles les étudiants cherchent des solutions individuelles aux problèmes avant d’obtenir des explications sur les procédures pour les résoudre.

Dans ce problème initial, on ne s’attend pas à ce que les élèves découvrent pleinement les concepts cibles13. Les élèves peuvent également ressentir une surcharge cognitive14,15,16 et même un effet négatif17 avec l’incertitude et les nombreux aspects à considérer. Cependant, cette expérience peut être productive à long terme car elle peut faciliter la réflexion critique sur des fonctionnalités importantes. Plus précisément, le problème initial peut aider les étudiants à prendre davantage conscience des lacunes dans leurs connaissances18,activer les connaissances antérieures liées au contenu pour couvrir13, et augmenter la motivation en raison de la possibilité de baser leur apprentissage sur des connaissances personnelles7,17,19.

En termes d’apprentissage, les effets de PS-I sont généralement visibles lorsque les résultats sont évalués avec des indicateurs d’apprentissage profond20,21. En général, aucune différence n’a été trouvée entre les élèves qui ont appris par PS-I et ceux qui ont appris par l’enseignement direct en termes de connaissances procédurales20,22, qui se réfèrent à la capacité de reproduire les procédures apprises. Cependant, les étudiants qui passent par PS-I présentent généralement un apprentissage supérieur dans les connaissances conceptuelles7,19,23, qui se réfèrent à la compréhension du contenu couvert, et le transfert7,15,19,24, qui fait référence à la capacité d’appliquer cette compréhension à des situations nouvelles. Par exemple, une étude récente dans une classe sur la variabilité statistique a montré que les élèves qui ont eu la possibilité d’inventer leurs propres solutions pour mesurer la variabilité statistique avant de recevoir des explications sur les concepts généraux et les procédures dans ce sujet ont démontré une meilleure compréhension à la fin du cours que ceux qui ont été en mesure d’étudier directement les concepts et les procédures pertinents avant de s’impliquer dans une activité de résolution deproblèmes 23. Cependant, certaines études n’ont montré aucune différence dans l’apprentissage16,25,26 ou la motivation19,26 entre les alternatives PS-I et l’enseignement direct, ou même un meilleur apprentissage dans les alternatives d’enseignement direct14,26, et il est important de considérer les sources potentielles de variabilité.

Les caractéristiques de conception sous-jacentes à l’implémentation de PS-I sont une caractéristique importante20. Une revue systématique20 a révélé qu’il y avait plus de chances d’avoir un avantage d’apprentissage pour PS-I par rapport aux alternatives d’enseignement direct lorsque les interventions PS-I étaient mises en œuvre avec au moins l’une des deux stratégies, soit en formulant le problème initial avec des cas contrastés, soit en construisant l’enseignement ultérieur avec une rétroaction détaillée sur les solutions des élèves. Les cas contrastés consistent en des exemples simplifiés qui diffèrent par quelques caractéristiques importantes11 (voir la figure 1 pour un exemple), et peuvent aider les élèves à identifier les caractéristiques pertinentes et à évaluer leurs propres solutions au cours du problème initial11,20. La deuxième stratégie, fournir des explications qui s’appuient sur les solutions des élèves13, consiste à expliquer le concept canonique tout en donnant un retour sur les affordances et les limites des solutions générées par les étudiants, ce qui peut également aider les étudiants à se concentrer sur les caractéristiques pertinentes et à évaluer les lacunes dans leurs propres connaissances20, mais après la phase initiale de résolution de problèmes est terminée (voir la figure 3 pour un exemple de l’échafaudage à partir des solutions typiques des étudiants).

Compte tenu du soutien dans la littérature pour ces deux stratégies, des cas contrastés et de l’enseignement axé sur les solutions des élèves, il est important d’en tenir compte lors de la promotion de l’inclusion de PS-I dans la pratique éducative réelle. C’est le premier objectif de notre protocole. Le protocole fournit des matériaux pour une intervention PS-I qui intègrent ces deux principes. C’est un protocole qui, bien qu’adaptable, est contextualisé pour une leçon sur la variabilité statistique, une leçon très courante pour les étudiants des universités et du secondaire, qui sont généralement les populations cibles dans la littérature sur PS-I29. La phase initiale de résolution de problèmes consiste à inventer des mesures de variabilité pour la répartition des revenus dans les pays, ce qui est un sujet controversé30 qui peut être familier aux étudiants dans de nombreux domaines d’apprentissage. Ensuite, du matériel est fourni aux étudiants pour étudier les solutions à ce problème dans un exemple travaillé, et pour une conférence qui incorpore la discussion des solutions communes produites par les étudiants ainsi que des problèmes de pratique intégrés.

Le deuxième objectif de notre protocole est de rendre l’évaluation expérimentale de la PS-I accessible aux éducateurs et aux chercheurs, ce qui peut faciliter l’investigation de la PS-I à partir d’une plus grande variété de perspectives tout en maintenant certaines conditions constantes dans la littérature. Pourtant, les conditions de cette évaluation expérimentale sont flexibles aux modifications. L’évaluation expérimentale décrite dans le protocole peut être appliquée dans les leçons ordinaires, car les élèves d’une seule classe peuvent se voir attribuer le matériel pour la condition PS-I ou le matériel pour une condition d’enseignement direct en même temps (Figure 4). Cette condition d’enseignement direct est également adaptable aux besoins de recherche et d’éducation, mais comme décrit à l’origine dans le protocole, les étudiants commencent par obtenir les explications initiales sur le concept cible avec l’exemple travaillé, puis consolident ces connaissances avec un problème de pratique (présenté uniquement dans cette condition pour compenser le temps que les étudiants PS-I passent sur le problème initial), et avec le cours23. Les adaptations potentielles comprennent le fait de commencer par le cours magistral, puis d’avoir des étudiants pour faire l’activité de résolution de problèmes, qui est une condition de contrôle typique pour comparer PS-I qui a souvent conduit à un meilleur apprentissage pour la condition PS-I7,13,19,26. Alternativement, la condition de contrôle peut être réduite à l’exploration d’un exemple travaillé suivi de la phase de cours, qui, bien qu’une version plus simplifiée des approches d’enseignement direct que proposée à l’origine, est plus courante dans la littérature et a conduit à des résultats variés, certaines études indiquant un meilleur apprentissage dans PS-I15,24, et d’autres indiquant un meilleur apprentissage de ce type de condition d’enseignement direct14,26.

Enfin, un troisième objectif du protocole est de fournir des ressources pour évaluer comment les élèves ayant des prédispositions et des capacités cognitives différentes peuvent bénéficier de PS-I15. L’évaluation de ces prédispositions est particulièrement importante si l’on considère les prédispositions négatives que certains étudiants ont souvent avec les cours STEM, et le fait que PS-I peut encore produire des réactions négatives dans certains cas14. Il y a cependant peu de recherches à ce sujet.

D’une part, puisque PS-I facilite l’association de l’apprentissage avec des idées individuelles, plutôt qu’avec de simples connaissances formelles, PS-I peut être supposé être capable d’aider à motiver les étudiants de bas niveaux académiques, ceux qui ont un faible sentiment de compétence, ou une faible motivation sur le sujet13,27. Une étude a montré que les élèves ayant une faible orientation de maîtrise, c’est-à-dire moins d’objectifs liés à l’apprentissage personnel, bénéficiaient davantage de la PS-I que ceux ayant une plus grande motivation à apprendre27. D’autre part, les étudiants ayant d’autres profils peuvent rencontrer des difficultés lorsqu’ils sont impliqués dans PS-I. Plus précisément, la métacognition joue un rôle important dans PS-I31, et les étudiants ayant de faibles compétences en métacognition pourraient ne pas bénéficier de PS-I en raison de difficultés à être conscients de leurs lacunes dans les connaissances ou à discerner le contenu pertinent15. De plus, comme la phase initiale de PS-I est basée sur la production de solutions individuelles, les étudiants ayant de faibles capacités divergentes, des difficultés à générer une variété de réponses dans une situation donnée, pourraient bénéficier moins de PS-I que les autres étudiants. Le protocole présente des instruments fiables pour évaluer ces prédispositions (Tableau 1), bien que d’autres puissent être envisagés.

En résumé, ce protocole vise à rendre accessible aux éducateurs et aux chercheurs la mise en œuvre d’une intervention PS-I qui suit les principes acceptés dans la littérature PS-I. De plus, les protocoles fournissent une évaluation expérimentale de cette intervention et facilitent l’évaluation des prédispositions cognitives et motivationnelles des élèves. Il s’agit d’un protocole qui ne nécessite pas l’accès à de nouvelles technologies ou à des ressources spécifiques, et qui peut être modifié en fonction des besoins en matière de recherche et d’éducation.

Protocol

Ce protocole suit la Déclaration d’Helsinki de principes éthiques pour la recherche avec les humains, mais applique ces principes aux difficultés supplémentaires d’intégration de la recherche dans des contextes réels dans l’éducation32. Plus précisément, ni l’attribution des conditions d’apprentissage ni la décision de participer ne peuvent avoir de conséquences sur les possibilités d’apprentissage des élèves. De plus, la confidentialité et l’anonymat des élèves sont…

Representative Results

Ce protocole a été mis en œuvre de manière satisfaisante dans une étude précédente23, à l’exception des mesures des prédispositions des étudiants en termes de sens de la compétence, d’objectifs d’approche de maîtrise, de métacognition et de pensée divergente. Pour remédier à ces prédispositions, ce protocole comprend des mesures qui ont déjà été validées et qui ont fait preuve d’un niveau élevé de fiabilité(tableau 1).</…

Discussion

L’objectif de ce protocole est de guider les chercheurs et les éducateurs dans la mise en œuvre et l’évaluation de l’approche PS-I dans des contextes de classe réels. Selon certaines expériences antérieures, PS-I peut aider à promouvoir l’apprentissage profond et la motivation chez les étudiants19,21,24, mais il est nécessaire de poursuivre la recherche sur son efficacité chez les étudiants ayant des capacité…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Ce travail a été soutenu par un projet de la Principauté des Asturies (FC-GRUPIN-IDI/2018/000199) et une subvention prédoctorale du ministère de l’Éducation, de la Culture et des Sports d’Espagne (FPU16/05802). Nous tenons à remercier Stephanie Jun pour son aide à éditer l’anglais dans le matériel d’apprentissage.

Materials

SPSS Program International Business Machines Corporation (IBM) Other programs for general data analysis might be used instead
PROCESS program Andrew F. Hayes (Ohio State University) Freely accesible at: http://www.processmacro.org. Other programs for mediation, moderation, or conditional process analyses might be used instead
Cognitive Competence Scale in the Survey of Attitudes towards Statistics (SATS-28) Candace Schau (Arizona State University) In case it is used, request should be requested from the author, who whold the copyright
Mastery Approach Scale in the Achievement Goal Questionnaire-Revised Andrew J. Elliot (University of Rochester) In case it is used, request should be requested from the author
Regulation of Cognition Scale of the Metacognitive Awareness Inventory Gregory Schraw (University of Nevada Las Vegas) In case it is used, request should be requested from the creator

References

  1. Silver, E. A., Kenney, P. A. Results from the seventh mathematics assessment of the National Assessment of Educational Progress. Council of Teachers of Mathematics. , (2000).
  2. OECD. Results (Volume I): Excellence and Equity in Education. PISA, OECD. , (2016).
  3. Mallart Solaz, A. . La resolución de problemas en la prueba de Matemáticas de acceso a la universidad: procesos y errores. , (2014).
  4. García, T., Rodríguez, C., Betts, L., Areces, D., González-Castro, P. How affective-motivational variables and approaches to learning predict mathematics achievement in upper elementary levels. Learning and Individual Differences. 49, 25-31 (2016).
  5. Lai, Y., Zhu, X., Chen, Y., Li, Y. Effects of mathematics anxiety and mathematical metacognition on word problem solving in children with and without mathematical learning difficulties. PloS one. 10 (6), 0130570 (2015).
  6. Ma, X., Xu, J. The causal ordering of mathematics anxiety and mathematics achievement: a longitudinal panel analysis. Journal of Adolescence. 27 (2), 165-179 (2004).
  7. Kapur, M. Productive Failure in Learning Math. Cognitive science. 38 (5), 1008-1022 (2014).
  8. Kirschner, P. A., Sweller, J., Clark, R. E. Why Minimal Guidance During Instruction Does Not Work: An Analysis of the Failure of Constructivist, Discovery, Problem-Based, Experiential, and Inquiry-Based Teaching. Educational Psychologist. 41 (2), 75-86 (2006).
  9. Stockard, J., Wood, T. W., Coughlin, C., Khoury, C. R. The Effectiveness of Direct Instruction Curricula: A Meta-Analysis of a Half Century of Research. Review of educational research. 88 (4), 479-507 (2018).
  10. Clark, R., Kirschner, P. A., Sweller, J. Putting students on the path to learning: The case for fully guided instruction. American Educator. , (2012).
  11. Schwartz, D. L., Martin, T. Inventing to prepare for future learning: The hidden efficiency of encouraging original student production in statistics instruction. Cognition and instruction. 22 (2), 129-184 (2004).
  12. Loibl, K., Rummel, N. The impact of guidance during problem-solving prior to instruction on students’ inventions and learning outcomes. Instructional Science. 42 (3), 305-326 (2014).
  13. Kapur, M., Bielaczyc, K. Designing for Productive Failure. Journal of the Learning Sciences. 21 (1), 45-83 (2012).
  14. Glogger-Frey, I., Fleischer, C., Grueny, L., Kappich, J., Renkl, A. Inventing a solution and studying a worked solution prepare differently for learning from direct instruction. Learning and Instruction. 39, 72-87 (2015).
  15. Glogger-Frey, I., Gaus, K., Renkl, A. Learning from direct instruction: Best prepared by several self-regulated or guided invention activities. Learning and Instruction. 51, 26-35 (2017).
  16. Likourezos, V., Kalyuga, S. Instruction-first and problem-solving-first approaches: alternative pathways to learning complex tasks. Instructional Science. 45 (2), 195-219 (2017).
  17. Lamnina, M., Chase, C. C. Developing a thirst for knowledge: How uncertainty in the classroom influences curiosity, affect, learning, and transfer. Contemporary educational psychology. 59, 101785 (2019).
  18. Loibl, K., Rummel, N. Knowing what you don’t know makes failure productive. Learning and Instruction. 34, 74-85 (2014).
  19. Weaver, J. P., Chastain, R. J., DeCaro, D. A., DeCaro, M. S. Reverse the routine: Problem solving before instruction improves conceptual knowledge in undergraduate physics. Contemporary educational psychology. 52, 36-47 (2018).
  20. Loibl, K., Roll, I., Rummel, N. Towards a Theory of When and How Problem Solving Followed by Instruction Supports Learning. Educational psychology review. 29 (4), 693-715 (2017).
  21. Darabi, A., Arrington, T. L., Sayilir, E. Learning from failure: a meta-analysis of the empirical studies. Etr&D-Educational Technology Research and Development. 66 (5), 1101-1118 (2018).
  22. Chen, O. H., Kalyuga, S. Exploring factors influencing the effectiveness of explicit instruction first and problem-solving first approaches. European Journal of Psychology of Education. , (2019).
  23. González-Cabañes, E., García, T., Rodríguez, C., Cuesta, M., Núñez, J. C. Learning and Emotional Outcomes after the Application of Invention Activities in a Sample of University Students. Sustainability. 12 (18), 7306 (2020).
  24. Schwartz, D. L., Chase, C. C., Oppezzo, M. A., Chin, D. B. Practicing Versus Inventing With Contrasting Cases: The Effects of Telling First on Learning and Transfer. Journal of educational psychology. 103 (4), 759-775 (2011).
  25. Chase, C. C., Klahr, D. Invention Versus Direct Instruction: For Some Content, It’s a Tie. Journal of Science Education and Technology. 26 (6), 582-596 (2017).
  26. Newman, P. M., DeCaro, M. S. Learning by exploring: How much guidance is optimal. Learning and Instruction. 62, 49-63 (2019).
  27. Belenky, D. M., Nokes-Malach, T. J. Motivation and Transfer: The Role of Mastery-Approach Goals in Preparation for Future Learning. Journal of the Learning Sciences. 21 (3), 399-432 (2012).
  28. Bergold, S., Steinmayr, R. The relation over time between achievement motivation and intelligence in young elementary school children: A latent cross-lagged analysis. Contemporary educational psychology. 46, 228-240 (2016).
  29. Mazziotti, C., Rummel, N., Deiglmayr, A., Loibl, K. Probing boundary conditions of Productive Failure and analyzing the role of young students’ collaboration. NPJ science of learning. 4, 2 (2019).
  30. Stiglitz, J. E. Las limitaciones del PIB. Investigacion y ciencia. (529), 26-33 (2020).
  31. Holmes, N. G., Day, J., Park, A. H., Bonn, D., Roll, I. Making the failure more productive: scaffolding the invention process to improve inquiry behaviors and outcomes in invention activities. Instructional Science. 42 (4), 523-538 (2014).
  32. Herreras, E. B. La docencia a través de la investigación-acción. Revista Iberoamericana de Educación. 35 (1), 1-9 (2004).
  33. Schau, C., Stevens, J., Dauphinee, T. L., Delvecchio, A. The development and validation of the survey of attitudes toward statistics. Educational and Psychological Measurement. 55 (5), 868-875 (1995).
  34. Elliot, A. J., Murayama, K. On the measurement of achievement goals: Critique, illustration, and application. Journal of educational psychology. 100 (3), 613-628 (2008).
  35. Schraw, G., Dennison, R. S. Assessing metacogntive awareness. Contemporary educational psychology. 19 (4), 460-475 (1994).
  36. Guilford, J. P. . The nature of human intelligence. , (1967).
  37. Zmigrod, L., Rentfrow, P. J., Zmigrod, S., Robbins, T. W. Cognitive flexibility and religious disbelief. Psychological Research-Psychologische Forschung. 83 (8), 1749-1759 (2019).
  38. Wilson, S. Divergent thinking in the grasslands: thinking about object function in the context of a grassland survival scenario elicits more alternate uses than control scenarios. Journal of Cognitive Psychology. 28 (5), 618-630 (2016).
  39. Autin, F., Croizet, J. -. C. Improving working memory efficiency by reframing metacognitive interpretation of task difficulty. Journal of experimental psychology: General. 141 (4), 610 (2012).
  40. Pekrun, R., Vogl, E., Muis, K. R., Sinatra, G. M. Measuring emotions during epistemic activities: the Epistemically-Related Emotion Scales. Cognition and Emotion. 31 (6), 1268-1276 (2017).
  41. Pallant, J. Statistical techniques to compare groups. SPSS survival manual. , 211 (2013).
  42. Pallant, J. Statistical techniques to explore relationships among variables. SPSS survival manual. , 125-149 (2013).
  43. Hayes, A. F. . Introduction to mediation, moderation, and conditional process analysis: A regression-based approach. , (2017).
  44. Kapur, M. Productive failure in learning the concept of variance. Instructional Science. 40 (4), 651-672 (2012).
  45. Nolan, M. M., Beran, T., Hecker, K. G. Surveys Assessing Students’ Attitudes Toward Statistics: A Systematic Review of Validity and Reliability. Statistics Education Research Journal. 11 (2), (2012).
  46. Schraw, G., Dennison, R. S. Assessing metacognitive awareness. Contemporary educational psychology. 19 (4), 460-475 (1994).
  47. Dumas, D., Dunbar, K. N. Understanding Fluency and Originality: A latent variable perspective. Thinking Skills and Creativity. 14, 56-67 (2014).
  48. Roberts, R., et al. An fMRI investigation of the relationship between future imagination and cognitive flexibility. Neuropsychologia. 95, 156-172 (2017).
  49. Chamorro-Premuzic, T. Creativity versus conscientiousness: Which is a better predictor of student performance. Applied Cognitive Psychology: The Official Journal of the Society for Applied Research in Memory and Cognition. 20 (4), 521-531 (2006).
  50. Kapur, M. Examining productive failure, productive success, unproductive failure, and unproductive success in learning. Educational Psychologist. 51 (2), 289-299 (2016).

Play Video

Cite This Article
González-Cabañes, E., García, T., Núñez, J. C., Rodríguez, C. Problem-Solving Before Instruction (PS-I): A Protocol for Assessment and Intervention in Students with Different Abilities. J. Vis. Exp. (175), e62138, doi:10.3791/62138 (2021).

View Video