Addressing diverse learner preferences and intelligences with emerging technologies: Matching models to online opportunities

Auteurs-es

  • Ke Zhang Wayne State University
  • Curtis J. Bonk Indiana University

DOI :

https://doi.org/10.21432/T2530K

Résumé

This paper critically reviews various learning preferences and human intelligence theories and models with a particular focus on the implications for online learning. It highlights a few key models, Gardner’s multiple intelligences, Fleming and Mills’ VARK model, Honey and Mumford’s Learning Styles, and Kolb’s Experiential Learning Model, and attempts to link them to trends and opportunities in online learning with emerging technologies. By intersecting such models with online technologies, it offers instructors and instructional designers across educational sectors and situations new ways to think about addressing diverse learner needs, backgrounds, and expectations. Learning technologies are important for effective teaching, as are theories and models and theories of learning. We argue that more immense power can be derived from connections between the theories, models and learning technologies. Résumé : Cet article passe en revue de manière critique les divers modèles et théories sur les préférences d’apprentissage et l’intelligence humaine, avec un accent particulier sur les implications qui en découlent pour l’apprentissage en ligne. L’article présente quelques-uns des principaux modèles (les intelligences multiples de Gardner, le modèle VAK de Fleming et Mills, les styles d’apprentissage de Honey et Mumford et le modèle d’apprentissage expérientiel de Kolb) et tente de les relier à des tendances et occasions d’apprentissage en ligne qui utilisent les nouvelles technologies. En croisant ces modèles avec les technologies Web, les instructeurs et concepteurs pédagogiques dans les secteurs de l’éducation ou en situation éducationnelle se voient offrir de nouvelles façons de tenir compte des divers besoins, horizons et attentes des apprenants. Les technologies d’apprentissage sont importantes pour un enseignement efficace, tout comme les théories et les modèles d’apprentissage. Nous sommes d’avis qu’en établissant des liens entre les théories, les modèles et les technologies d’apprentissage, il est possible d’obtenir un résultat plus puissant.

Bibliographies de l'auteur-e

Ke Zhang, Wayne State University

Ke Zhang is an assistant professor in the Instructional Technology Program at Wayne State University. Previously, she was an assistant professor at Texas Tech University in 2003-2006.

Curtis J. Bonk, Indiana University

Curt Bonk is a professor of Instructional Systems Technology and adjunct in the School of Informatics at Indiana University. Curt is President of CourseShare and SurveyShare.

Téléchargements

Numéro

Rubrique

Articles