Neuroeducation_2014_vol-3_no-1_full

NEUROEDUCATION 

2014 – Volume 3, Number 1 

EXPERIMENTAL RESEARCH 

Involvement of inhibitory control mechanisms in overcoming 

intuitive interference 

Reuven Babai 1, 2 * , Nahed Younis 1 and Ruth Stavy 1, 2 

ABSTRACT 

Many students encounter difficulties in science and mathematics that may stem from intuitive interference of 

salient irrelevant variables. We focused on the comparison of perimeters task, in which area is the irrelevant 

salient variable. In congruent trials (no interference), accuracy is higher and reaction time is shorter than in 

incongruent trials (area variable interference). A brain-imaging study related to this task indicated that correctly 

answering the incongruent condition is associated with activation in prefrontal brain regions known for their 

executive inhibitory control. In the current study we explored the relationship between inhibitory control 

mechanisms and the ability to overcome intuitive interference. Participants in the study were 90 ninth graders. 

The efficiency of their inhibitory control mechanisms was assessed and accuracy and reaction time of correct 

responses in the comparison of perimeters task were recorded. The findings indicate that students with efficient 

inhibitory control mechanisms scored significantly better in the incongruent conditions than did those with 

inefficient ones. In addition, the findings indicate that the higher the efficiency of inhibitory control mechanisms, 

the better students were in overcoming the intuitive interference. These findings indicate the importance of 

inhibitory control mechanisms in overcoming interference in science and mathematics. They point to the 

possibility of improving students’ ability to overcome intuitive interference by strengthening their inhibitory 

control mechanisms. We also demonstrate that applying cognitive psychology and neuroscience methodologies 

in science and mathematics education research contributes to both fields. 

1 

Tel Aviv University, The Constantiner School of Education, Department of Science Education, Tel Aviv, 69978, Israel 

2 

Tel Aviv University, The Sagol School of Neuroscience, Tel Aviv, 69978, Israel 

*Author email address: reuvenb@post.tau.ac.il 

To cite this article: Babai, R., Younis, N., & Stavy, R. (2014). Involvement of inhibitory control mechanisms in overcoming intuitive interference. 

Neuroeducation, 3(1), 1-9. https://doi.org/10.24046/neuroed.20140301.1 

Received October 14, 2014. Received in revised form December 16, 2014. 

Accepted in January 12, 2015. Available online March 6, 2015. 

Neuroeducation, 3(1), 1-8 

ISSN: 1929-1833 

All rights reserved © 2014 - Association pour la recherche en neuroéducation / Association for Research in Neuroeducation 

1

R. Babai, N. Younis, & R. Stavy Inhibitory control mechanisms in overcoming intuitive interference 

1. Introduction 

It is well known that many students encounter difficulties in 

science and mathematics (e.g., TIMSS or PISA studies: Martin, 

Mullis, Foy, & Stanco, 2012; Mullis, Martin, Foy, & Arora, 2012; 

OECD, 2014). Numerous studies have been carried out to 

understand students’ conceptions and reasoning. The 

underlying assumption is that understanding students’ 

reasoning in science and mathematics will improve teaching 

in these domains. 

Several approaches to explain students' difficulties have been 

developed. One argues that incorrect responses result from 

lack of required cognitive schemes (e.g., Piaget & Inhelder, 

1974). Another view is that students bring alternative, 

internally coherent, robust, and persistent conceptions to 

learning situations (e.g., Driver et al., 1994; Vosniadou & 

Ioannides, 1998). A third approach identifies two distinct 

types of reasoning processes: formal/logical and intuitive 

(e.g., Evans & Over, 1996; Tversky & Kahneman, 1983). 

We believe that many students’ difficulties stem from 

interference of a salient irrelevant variable with 

formal/logical reasoning (Stavy & Tirosh, 2000). Apparently, 

certain variables of the task are so salient that they are 

automatically processed and thus interfere with correct 

reasoning. This interference is reflected in students’ 

erroneous responses, even when they have the knowledge 

and skills to solve these tasks correctly. 

Let’s consider the following examples showing interference 

of salient irrelevant variables in different content domains. 

1.2 Example from Biology 

Tick the correct answer. 

The size of a lion’s liver cell is 

 

 

 

smaller than 

equal to 

larger than 

the size of a cat’s liver cell? 

Seventy-five percent of students in Grade 8 incorrectly 

answered that the lion’s liver cell is larger, since the lion is 

“bigger” than the cat (Tirosh & Stavy, 1999). The correct 

response to this task is “equal to.” In fact, most cells of most 

organisms are approximately equal in their diameter 

(McMahon & Bonner, 1983). In this task, the interfering 

variable is the size of the animal. 

1.3 Example from Probability 

Two bags have black and white balls (see Figure 2). 

Bag A: 6 black balls and 4 white balls 

Bag B: 3 black balls and 2 white balls 

Which bag gives a better chance of picking a black 

ball? 

1.1 Example from Physics 

Two matchboxes, one full of sand and the other empty, are 

held at the same height (see Figure 1). They are both dropped 

at the same time in a vacuum. Students were asked: Will the 

matchboxes hit the ground at the same time? If not, which 

will hit the ground first? 

Many students, including about 80% of first year university 

physics students, answered incorrectly that the heavier box 

would hit the ground first (Champagne, Klopfer, & Anderson, 

1979). According to physics laws, the two boxes will hit the 

ground at the same time. In this task, the interfering variable 

is the weight of the boxes. 

 

 

 

Same chance 

Bag A 

Bag B 

Figure 2. Probability task. 

Figure 1. Free fall task. 

In Green’s (1983) study, about 50% of adolescents incorrectly 

answered that Bag A gives a better chance of picking a black 

ball, since “it contains more black balls.” The correct response 

to this task is “same chance,” as the ratios of number of black 

balls to number of white balls in each box are equal. In this 

task, the interfering variable is the number of black balls. 

NEUROEDUCATION 2014 | Volume 3 | Number 1 2


1.4 Example from Geometry 

Students were presented with these two shapes (Figure 3) 

and were asked to compare their perimeters (Stavy & Tirosh, 

2000). 

task conditions with or without interference, unlike many 

tasks in the domain of science. 

In previous studies participants were asked to compare the 

perimeters of pairs of shapes (see Figure 4). In some of the 

pairs there was no interference of the salient variable 

(congruent condition), and in others there was interference 

of the salient variable (incongruent conditions): 

Congruent -- no intuitive interference, as one shape has a 

larger area and a longer perimeter than the other shape. 

Rectangle 

Figure 3. Comparison of perimeters task. 

Polygon 

About 70% of students in Grades 1-9 incorrectly answered 

that the perimeter of the rectangle was larger because “it is 

larger” or “it has larger area” (Stavy & Tirosh, 2000). 

The correct response in this task is that the perimeters of 

both shapes are equal. In this task, the interfering variable is 

the area of the shapes. 

In general, when students are presented with two objects 

that differ in a salient quantity A (automatically, intuitively 

processed) and are asked to compare the objects with 

respect to another quantity B, they tend to respond 

according to the salient quantity A: larger A -- larger B. In 

daily life such intuitive responses are often correct. However, 

in many cases these responses contradict normative 

reasoning in science and mathematics, leading to incorrect 

judgments. 

In order to unveil the reasoning processes associated with 

intuitive interference and how we overcome it, we and other 

research groups have recently started employing cognitive 

psychology and neuroscience methodologies, such as 

reaction time and brain imaging (e.g., Dunbar, Fugelsang, & 

Stein, 2007; Masson, Potvin, Riopel, & Foisy, 2014; Stavy, Goel, 

Critchley, & Dolan, 2006). We believe that employing these 

methodologies can contribute to a better understanding of 

students’ difficulties and reasoning processes, and hence to 

improvements in science and mathematics education. 

Reaction time is one of the most widely used methodologies 

in cognitive psychology. It is the time interval between the 

presentation of a task and the response. It is widely accepted 

that the length of reaction time gives an indication of the 

amount of neural processing that occurs while solving the 

task (Brebner & Welford, 1980; Viggiano, 1999). A more 

complex reasoning process is expected to take longer. We 

used reaction time methodology to better understand the 

nature of intuitive interference. As a model system, we 

studied the comparison of perimeters task described above. 

This task allows manipulations of the variables and design of 

Incongruent -- there is intuitive interference, as one shape 

has a larger area, but not a longer perimeter. Incongruent 

inverse: One shape has a larger area but a shorter perimeter. 

Incongruent equal: One shape has a larger area but the 

perimeters are equal. 

Congruent 

Incongruent 

inverse 

Incongruent 

equal 

Figure 4. Examples of congruent, incongruent inverse, and 

incongruent equal task conditions. 

When schoolchildren, adolescents, and adults have been 

asked to compare the perimeters of the shapes, it has been 

consistently found that in the congruent condition accuracy 

was significantly higher and reaction time for correct 

responses significantly shorter than in the incongruent 

conditions. In addition, in most studies it has been found that 

the incongruent equal condition yielded a lower rate of 

success and a longer reaction time for correct responses than 

did the incongruent inverse one (e.g., Babai, Levyadun, Stavy, 

& Tirosh, 2006; Babai, Nattiv, & Stavy, 2014; Babai, Shalev, & 

Stavy, 2014; Babai, Zilber, Stavy, & Tirosh, 2010; Stavy & Babai, 

2008). When participants were asked to compare the areas of 

the shapes, almost all of the responses were correct and 

relatively fast (significantly faster than for perimeters 

comparison) in all conditions (e.g., Babai et al., 2006; Babai et 

al., 2010). These findings support our conjecture that area is 

indeed the salient variable in this task and that participants 

have difficulty in ignoring it when comparing perimeters. 



These findings were explained as follows: 

In the congruent condition the processing of area and 

perimeter result in the same conclusion (no interference); 

this is the end of the processing and participants respond 

correctly and fast. In the incongruent conditions the results 

of these two streams of processing reach conflicting results, 

one based on the area comparison and the other on 

perimeter comparison. This conflict must be resolved, either 

by overcoming the intuitive interference, a demanding and 

time-consuming process, or by giving an incorrect response 

(Stavy et al., 2006). 

Having noted the robust behavioral data related to intuitive 

interference in the comparison of perimeters task, Stavy and 

her colleagues set out to determine the neural basis of this 

behavior through brain imaging. Functional magnetic 

resonance imaging (fMRI) allows researchers to determine 

which brain areas are activated when participants perform 

different types of mental activity. Regarding the comparison 

of perimeters task we asked: Will the congruent condition 

specifically activate different brain areas than will the 

incongruent one? And in addition, will the incongruent 

condition specifically activate different brain areas than will 

the congruent one? If so, could these findings suggest what 

types of mental activities are specifically performed in each 

condition? 

For this purpose, an fMRI study was conducted with adult 

participants using congruent and incongruent equal 

conditions (see Figure 4). Participants were asked to compare 

the perimeters of the shapes. Accuracy of responses, reaction 

time, and brain activity were recorded (Stavy et al., 2006; 

Stavy & Babai, 2010). 

As expected, significant effect of congruity was found for 

accuracy as well as for reaction time of correct responses. 

Accuracy was higher and reaction time for correct responses 

was shorter in the congruent condition. 

To determine which brain regions are specifically activated 

in the congruent condition, we compared brain activity 

during correct responses for congruent trials with brain 

activity during correct responses for incongruent trials. 

Enhanced activity was observed in bilateral parietal areas 

known to be involved in perceptual and spatial processing, 

including processing related to comparison of quantities 

such as found in our task (e.g., Fias, Lammertyn, Reynvoet, 

Dupont, & Orban, 2003; Pinel, Piazza, Le Bihan, & Dehaene, 

2004). This activation is likely to reflect the automatic 

processing of the intuitive variable area. 

To determine which brain regions are specifically activated 

in the incongruent condition, we compared brain activity 

during correct responses for incongruent trials with brain 

activity during correct responses for congruent trials. 

Enhanced activity was observed in bilateral prefrontal areas 

in association with overcoming the intuitive interference in 

incongruent trials. These brain areas are known for their 

executive inhibitory control over other posterior brain 

regions during processing of different cognitive functions 

(e.g., Aron, Robbins, & Poldrack, 2004; Stavy & Babai, 2010; 

Stavy et al., 2006). This activity is likely to reflect the 

inhibition of the processing of the irrelevant variable area. 

In addition, findings of the brain-imaging study have shown 

that the same bilateral parietal brain regions that were 

specifically activated in the congruent condition were also 

activated when intuitively incorrectly answering the 

incongruent condition as compared with correctly answering 

this condition. Moreover, the same bilateral prefrontal brain 

regions that were specifically activated in the incongruent 

condition (versus the congruent one) were also activated 

when overcoming the intuitive interference and correctly 

answering the incongruent condition as compared with 

intuitively incorrectly answering this condition. 

The brain-imaging study showed that different brain areas 

are activated when there is no interference and when 

overcoming the interference, although participants are not 

aware of the condition (congruent or incongruent). During 

responses to congruent trials, parietal regions related to 

comparison of quantities are activated. This activation is 

likely to reflect the automatic processing of quantities (Stavy 

et al., 2006). During correct responses to incongruent trials, 

prefrontal brain areas related to executive inhibitory control 

are activated. 

The findings described above suggest that control 

mechanisms play an important role in overcoming intuitive 

interference. These findings conform with previous 

suggestions that reasoning biases stem from the failure of 

control mechanisms in the reasoning process and not 

necessarily from a lack of relevant knowledge or lack of 

logical schemes (Dempster & Corkill, 1999; Houdé & Guichart, 

2001; Moutier, Angeard, & Houdé, 2002; Moutier & Houdé, 

2003). 

In the current paper we further explored the relationship 

between inhibitory control mechanisms and the ability to 

overcome intuitive interference in the comparison of 

perimeters task. We describe an experiment aimed at finding 

out whether students who exhibit efficient inhibitory control 

mechanisms will succeed better in overcoming intuitive 

interference than those who exhibit inefficient ones. 

2. Methodology 

2.1 Participants 

Participants in the study were 90 ninth graders from the 

same school in central Israel. 



2.2 Digit cancellation test 

The efficiency of inhibitory control mechanisms of each 

student was assessed using the digit cancellation test (Lezak, 

Howieson, & Loring, 2004) according to Israeli research 

norms of age and gender determined and reported by Vakil 

and his colleagues (Vakil, Blachstein, Sheinman, & Greenstein, 

2008). In this test participants were shown a pattern of digits 

printed on a page in an organized pattern (in rows, just as in 

reading). They were asked in the first stage to scan the 

organized pattern of digits and to cross out target digit “8”. In 

the second stage they were asked to scan the organized 

pattern of digits and to cross out the target digits “3” and “5.” 

Time to completion of the task in each stage and the number 

of errors in each stage were measured. According to the 

Israeli research norms for gender and age (Vakil et al., 2008) 

students with below average reaction times in each stage, 

number of errors in each stage, differences in reaction times 

between stages, and differences in number of errors between 

stages were classified as having efficient inhibitory control 

mechanisms. Students with average and above average 

scores were classified as having inefficient inhibitory control 

mechanisms. 

2.3 Comparison of perimeters computerized test 

Each student was individually presented with a computerized 

comparison of perimeters test. In each test trial, two shapes 

were presented, and the students were asked to compare the 

perimeters of the two shapes, i.e., to judge whether the right 

shape had a larger perimeter, the left shape had a larger 

perimeter, or the two shapes had equal perimeters. Each trial 

was presented on the screen until the participant responded: 

"left shape" by pressing the F-key, "right shape" by pressing 

the J-key, or "equal perimeters" by pressing the space bar. 

The students were asked to answer correctly and as quickly 

as they could. Accuracy and reaction time of each response 

were recorded. 

The test included 16 congruent, 16 incongruent inverse, and 

16 incongruent equal trials (see Figure 4). The trials were 

presented in pseudorandom order with the following 

constraints: (1) the same type of response (right shape is 

larger, left shape is larger, equal perimeters) did not appear 

in more than two consecutive trials; (2) the same type of 

condition (congruent, incongruent inverse, incongruent 

equal) did not appear in more than two consecutive trials. 

The test session started with instructions as described above, 

followed by 6 training trials, 2 from each condition (different 

from the ones presented in the test) for practice with the task 

and the experimental setting. 

2.4 Analysis of the data 

For each student we calculated the percentage of correct 

responses for each condition and the median reaction time 

for correct responses for each condition. Repeated measure 

General Linear Model (GLM) and Bonferroni post hoc tests 

were carried out in SPSS software in order to detect 

significant differences between conditions and between the 

two groups of students with efficient and inefficient 

inhibitory control mechanisms. Moreover, Pearson 

correlation was used to determine correlation between level 

of efficiency of inhibitory control mechanisms and 

performance in the incongruent comparison of perimeters 

task conditions. 

3. Results 

3.1 Accuracy and reaction time of correct responses for the 

entire population 

The results of accuracy and reaction time for correct 

responses in the comparison of perimeters computerized 

test for the entire population (N=90) are presented in Table 

1. 

Table 1. Mean accuracy and reaction time for correct responses and 

their SEM in the comparison of perimeters test for the entire 

population (N=90). 

Condition Accuracy (%) 

[SEM] 

Reaction time in ms 

[SEM] 

Congruent 94.0 [1.2] 1325 [45] 

Incongruent inverse 62.8 [4.3] 2048 [208] 

Incongruent equal 21.3 [2.8] 3450 [336] 

With respect to accuracy, as expected, there was a significant 

main effect of congruity with a large effect size (F=341.314, 

df=88, p


3.2 Performance of students with efficient and inefficient 

inhibitory control mechanisms 

In the following section we will compare the performance of 

students with efficient and inefficient inhibitory control 

mechanisms. Table 2 depicts accuracy and reaction time for 

correct responses in the comparison of perimeters 

computerized test for students with efficient (n=44) and 

inefficient (n=46) inhibitory control mechanisms. 

Table 2. Mean accuracy and reaction time for correct responses and 

their SEM in the comparison of perimeters test for students with 

efficient (n=44) and inefficient (n=46) inhibitory control mechanisms. 

Condition Accuracy (%) 

[SEM] 

Efficient 

n=44 

Inefficient 

n=46 

Reaction time in ms 

[SEM] 

Efficient 

n=44 

Inefficient 

n=46 

the differences in the number of errors between the two 

stages of the test and the differences in reaction times 

between the two stages of the test. Small differences indicate 

efficient inhibitory control mechanisms and large differences 

indicate inefficient ones. 

A high and significant reciprocal correlation was found 

between students’ differences in the number of errors 

between the two stages of the digit cancellation test and 

success rate in both incongruent inverse and incongruent 

equal comparison of perimeters conditions (Pearson 

correlation=-.644 and -.525, respectively, p


Accuracy in comparison of perimeters (%) 

100 

80 

60 

40 

20 

0 

Figure 6. Correlation between accuracy of responses in the 

incongruent comparison of perimeters conditions and differences in 

reaction times between the two stages of the digit cancellation test. 

4. Discussion 

R = -0.688* 

R = -0.724* 

Incongruent inverse 

Incongruent equal 

* p < 0.001 

0 10 20 30 40 50 60 

Differences in reaction times between the two stages of the digit 

cancellation test 

Our objective is to explore how irrelevant salient variables 

interfere with formal/logical reasoning and how students 

can overcome this interference. We use several 

methodologies and different tasks and conditions to explore 

reasoning processes when there is no interference and when 

overcoming the intuitive interference (see for example, Babai 

& Stavy, 2015). 

Our studies show that irrelevant salient variables strongly 

interfere with formal/logical reasoning, leading to difficulties 

in science and mathematics. This interference is robust, thus 

leading to a very high percentage of errors. It is evident in 

different content domains and across different age groups, 

including adults. 

As a model system, we focused on a task in geometry, the 

comparison of perimeters task. Studies employing cognitive 

psychology and neuroscience methodologies (reaction time, 

fMRI) using this task have shown that when participants are 

correctly responding to incongruent trials, prefrontal brain 

regions related to inhibitory control mechanisms are 

activated. These studies have suggested that inhibitory 

control mechanisms have a key role in overcoming this 

intuitive interference, as they might inhibit the processing of 

the salient irrelevant variable and thus prevent its effect. Our 

goal here was to test this suggestion and directly explore 

whether students with efficient inhibitory control 

mechanisms succeed better in overcoming intuitive 

interference than do their peers with inefficient inhibitory 

control mechanisms. We used the digit cancellation test in 

order to assess the level of students’ efficiency of inhibitory 

control mechanisms. It should be noted that, although the 

test measures inhibitory control mechanisms, students could 

have scored differently on the digit cancellation test for 

reasons beyond their inhibition capabilities. 

The findings of the current study indicate that students with 

efficient inhibitory control mechanisms score significantly 

better in the incongruent conditions of the comparison of 

perimeters task than do those with inefficient ones (Table 2). 

In addition, the findings indicate that the higher the 

efficiency of inhibitory control mechanisms, the better 

students are in overcoming intuitive interference (Figures 5 

and 6). It should be noted that efficient inhibitory control 

mechanisms are not sufficient in overcoming the intuitive 

interference in the incongruent equal condition, which is 

known to be the most difficult condition. It is possible that 

this condition requires more developed inhibitory control 

mechanisms or other executive functions. In a previous study 

we showed that adult participants who were more successful 

in solving incongruent equal trials had a higher level of 

activation in the prefrontal brain regions as compared with 

less successful participants. We suggested that this enhanced 

activity in the prefrontal regions may be an expression of 

participants’ strong and efficient inhibitory control 

mechanisms (Stavy & Babai, 2010). 

Overall, the findings of the current study indicate that 

inhibitory control mechanisms play an important role in 

overcoming intuitive interference in science and 

mathematics and could explain students’ difficulties in these 

domains. Indeed, a recent intervention study related to the 

comparison of perimeters task, which strengthened 

inhibitory control mechanisms through issuing a specific 

warning, significantly improved students’ performance 

(Babai, Shalev et al., 2014). In view of these findings, we 

suggest that educators should put more emphasis on 

enhancing students' inhibitory control mechanisms in 

addition to supporting relevant content knowledge. 

Successful attempts to improve executive functions have 

been carried out mainly with preschoolers (e.g., Diamond, 

Barnett, Thomas, & Munro, 2007; Rueda, Rothbart, 

McCandliss, Saccomanno, & Posner, 2005). 

The current study also demonstrates that applying cognitive 

psychology and neuroscience methodologies in science and 

mathematics education research can contribute to science 

and mathematics education and to cognitive neuroscience 

both theoretically and practically. We share with other 

researchers the belief that construction of direct links 

between brain data and educational practice is important for 

both fields (e.g., Grabner & Ansari, 2010; Masson, 2012; 

Sigman, Pena, Goldin, & Ribeiro, 2014). This requires 

collaboration among educators, educational researchers, and 

cognitive neuroscientists. 



References 

Aron, A. R., Robbins, T. W., & Poldrack, R. A. (2004). Inhibition 

and the right inferior frontal cortex. Trends in Cognitive 

Sciences, 8(4), 170-177. https://doi.org/10.1016/j.tics.2004.02.010 

Babai, R., Levyadun, T., Stavy, R., & Tirosh, D. (2006). Intuitive 

rules in science and mathematics: A reaction time study. 

International Journal of Mathematical Education in 

Science and Technology, 37(8), 913-924. 

https://doi.org/10.1080/00207390600794958 

Babai, R., Nattiv, L., & Stavy, R. (2014). Effect of mode of 

presentation on students’ ability to compare perimeters 

of geometrical shapes. Manuscript submitted for 

publication. 

Babai, R., Shalev, E., & Stavy, R. (accepted/2015). A warning 

intervention improves students’ ability to overcome 

intuitive interference. ZDM: The International Journal on 

Mathematics Education, 47(5), 735-745. 

https://doi.org/10.1007/s11858-015-0670-y 

Babai, R., & Stavy, R. (in press, 2016). Intuitive interference in 

science and mathematics education. In Z. Smyrnaiou, M. 

Riopel, & M. Sotiriou (Eds.), Recent advances in science 

and technology education, ranging from modern 

pedagogies to neuroeducation and assessment (pp. 266- 

275). New Castle, UK: Cambridge Scholars Publishing. 

Babai, R., Zilber, H., Stavy, R., & Tirosh, D. (2010). The effect of 

intervention on accuracy of students' responses and 

reaction times to geometry problems. International 

Journal of Science and Mathematics Education, 8(1), 185- 

201. https://doi.org/10.1007/s10763-009-9169-8 

Brebner, J. T., & Welford, A. T. (1980). Introduction: An 

historical background sketch. In A. T. Welford (Ed.), 

Reaction times (pp. 1-23). New York: Academic Press. 

Champagne, A. B., Klopfer, L. E., & Anderson, J. H. (1979). 

Factors influencing the learning of classical mechanics. 

Pittsburgh, PA: University of Pittsburgh, Learning 

Research and Development Center. 

https://files.eric.ed.gov/fulltext/ED180829.pdf 

Dempster, F. N., & Corkill, A. J. (1999). Interference and 

inhibition in cognition and behavior: Unifying themes for 

educational psychology. Educational Psychology Review, 

11(1), 1-88. https://doi.org/10.1023/a:1021992632168 

Diamond, A., Barnett, W. S., Thomas, J., & Munro, S. (2007). 

Preschool program improves cognitive control. Science, 

318(5855), 1387-1388. https://doi.org/10.1126/science.1151148 

Driver, R., Rushworth, P., Squires, A., & Wood-Robinson, V. 

(Eds.). (1994). Making sense of secondary science. London, 

UK: Routledge. https://doi.org/10.4324/9780203978016 

Dunbar, K. N., Fugelsang, J. A., & Stein, C. (2007). Do naïve 

theories ever go away? Using brain and behavior to 

understand changes in concepts. In M. C. Lovett & P. 

Shah (Eds.), Thinking with data: 33rd Carnegie 

Symposium on Cognition (pp. 193-206). Mahwah, NJ: 

Lawrence Erlbaum. 

Evans, J. St. B. T., & Over, D. E. (1996). Rationality and 

reasoning. London, UK: Psychology Press. 

https://doi.org/10.4324/9780203027677 

Fias, W., Lammertyn, J., Reynvoet, B., Dupont, P., & Orban, G. 

A. (2003). Parietal representation of symbolic and 

nonsymbolic magnitude. Journal of Cognitive 

Neuroscience, 15(1), 47-56. 

https://doi.org/10.1162/089892903321107819 

Grabner, R. H., & Ansari, D. (2010). Promises and potential 

pitfalls of a ‘cognitive neuroscience of mathematics 

learning’. ZDM: The International Journal on Mathematics 

Education, 42(6), 655-660. https://doi.org/10.1007/s11858- 

010-0283-4 

Green, D. R. (1983). A survey of probabilistic concepts in 3000 

students aged 11-16 years. In D. R. Grey, P. Holmes, V. 

Barnett, & G. M. Constable (Eds.), Proceedings of the First 

International Conference on Teaching Statistics (pp. 766- 

783). Sheffield, UK: Teaching Statistics Trust. 

Houdé, O., & Guichart, E. (2001). Negative priming effect after 

inhibition of number/length interference in a Piaget-like 

task. Developmental Science, 4(1), 119-123. 

https://doi.org/10.1111/1467-7687.00156 

Lezak, M. D., Howieson, D. B., & Loring, D. W. (2004). 

Neuropsychological assessment (4 th ed.). New York, NY: 

Oxford University Press. 

Martin, M. O., Mullis, I. V., Foy, P., & Stanco, G. M. (2012). 

TIMSS 2011 international results in science. Amsterdam, 

The Netherlands: International Association for the 

Evaluation of Educational Achievement. 

https://eric.ed.gov/?id=ED544560 

Masson, S. (2012). Neuroeducation: Understanding the brain 

to improve teaching. Neuroeducation, 1(1), 1-2. 

https://doi.org/10.24046/neuroed.20120101.1 

Masson, S., Potvin, P., Riopel, M., & Foisy, L.-M. B. (2014), 

Differences in brain activation between novices and 

experts in science during a task involving a common 

misconception in electricity. Mind, Brain, and Education, 

8(1), 44-55. https://doi.org/10.1111/mbe.12043 

McMahon, T. A., & Bonner, J. T. (1983). On size and life. New 

York: Scientific American Library. 

Moutier, S., Angeard, N., & Houdé, O. (2002). Deductive 

reasoning and matching-bias inhibition training: 

Evidence from a debiasing paradigm. Thinking and 

Reasoning, 8(3), 205-224. 

https://doi.org/10.1080/13546780244000033 



Moutier, S., & Houdé, O. (2003). Judgement under 

uncertainty and conjunction fallacy inhibition training. 

Thinking and Reasoning, 9(3), 185-201. 

https://doi.org/10.1080/13546780343000213 

Mullis, I. V., Martin, M. O., Foy, P., & Arora, A. (2012). TIMSS 

2011 international results in mathematics. Amsterdam, 

The Netherlands: International Association for the 

Evaluation of Educational Achievement. 

OECD (2014). PISA 2012 Results: What students know and can 

do: Student performance in mathematics, reading and 

science (Volume I, Revised edition). Paris: OECD 

Publishing. https://doi.org/10.1787/9789264208780-en 

Piaget, J., & Inhelder, B. (1974). The child’s construction of 

quantities: Conservation and atomism. London, UK: 

Routledge & Kegan Paul. 

https://doi.org/10.4324/9781315006253 

Pinel, P., Piazza, M., Le Bihan, D., & Dehaene, S. (2004). 

Distributed and overlapping cerebral representations of 

number, size, and luminance during comparative 

judgments. Neuron, 41(6), 983-993. 

https://doi.org/10.1016/s0896-6273(04)00107-2 

Rueda, M. R., Rothbart, M. K., McCandliss, B. D., Saccomanno, 

L., & Posner, M. I. (2005). Training, maturation, and 

genetic influences on the development of executive 

attention. Proceedings of the National Academy of 

Sciences of the United States of America, 102(41), 14931- 

14936. https://doi.org/10.1073/pnas.0506897102 

Sigman, M., Pena, M., Goldin, A. P., & Ribeiro, S. (2014). 

Neuroscience and education: Prime time to build the 

bridge. Nature Neuroscience, 17(4), 497-502. 

https://doi.org/10.1038/nn.3672 

Stavy, R., & Babai, R. (2008). Complexity of shapes and 

quantitative reasoning in geometry. Mind, Brain, and 

Education, 2(4), 170-176. https://doi.org/10.1111/j.1751- 

228x.2008.00051.x 

Stavy, R., & Babai, R. (2010). Overcoming intuitive interference 

in mathematics: Insights from behavioral, brain imaging 

and intervention studies. ZDM: The International Journal 

on Mathematics Education, 42(6), 621-633. 

https://doi.org/10.1007/s11858-010-0251-z 

Stavy, R., Goel, V., Critchley, H., & Dolan, R. (2006). Intuitive 

interference in quantitative reasoning. Brain Research, 

1073-1074, 383-388. 

https://doi.org/10.1016/j.brainres.2005.12.011 

Stavy, R., & Tirosh, D. (2000). How students (mis-)understand 

science and mathematics. New York, NY: Teachers 

College Press. https://eric.ed.gov/?id=ED468199 

Tirosh, D., & Stavy, R. (1999). Intuitive rules and comparison 

tasks. Mathematical thinking and learning, 1(3), 179-194. 

https://doi.org/10.1207/s15327833mtl0103_1 

Tversky, A., & Kahneman, D. (1983). Extensional versus 

intuitive reasoning: The conjunction fallacy in probability 

judgment. Psychological Review, 90(4), 293-315. 

https://doi.org/10.1037//0033-295x.90.4.293 

Vakil, E., Blachstein, H., Sheinman, M., & Greenstein, Y. 

(2008). Developmental changes in attention tests norms: 

Implications for the structure of attention. Child 

Neuropsychology, 15(1), 21-39. 

https://doi.org/10.1080/09297040801947069 

Viggiano, M. P. (1999). Measures of performance. In G. Denes, 

& L. Pizzamiglio (Eds.), Handbook of clinical and 

experimental neuropsychology (pp. 27-30). Hove, UK: 

Psychology Press. 

Vosniadou, S., & Ioannides, C. (1998). From conceptual 

development to science education: A psychological point 

of view. International Journal of Science Education, 20(10), 

1213-1230. https://doi.org/10.1080/0950069980201004 


NEUROÉDUCATION 

2014 – Volume 3, Numéro 1 

COMMENTAIRE 

Émotion, cognition et action motivée: une nouvelle vision de la 

neuroéducation 

Gérardo Restrepo 1 * 

RÉSUMÉ 

Les relations entre émotion et cognition ont été un sujet de controverse et de discussions en psychologie et en 

sciences humaines depuis des temps immémoriaux. La philosophie, la psychologie, l’éducation et les 

neurosciences ont nourri cette controverse en examinant différentes façons de la comprendre. Les postures 

théoriques contemporaines considèrent que les émotions sont les médiateurs qui assurent l’interface entre le 

monde intérieur (la cognition) et le monde extérieur (la vie sociale) de l’individu. Cet article aborde la 

problématique de la relation entre émotion, cognition et action motivée sous l’angle de l’histoire de la pensée 

philosophique, des conceptions psychologiques et pédagogiques contemporaines, et à la lumière des études 

récentes en neurosciences. Nous discuterons de certaines questions portant sur cette interaction, notamment 

l’impact de ces concepts sur notre compréhension des fonctions exécutives du cerveau et le rôle des émotions 

dans notre vie. Un modèle explicatif de cette interaction est proposé à la fin de l’article où l’émotion joue un rôle 

de médiateur pédagogique du développement de l’enfant. 

1 

Université de Sherbrooke, Département d’études sur l’adaptation scolaire et sociale, 2500, boul. de l’Université, Sherbrooke, Québec, Canada 

J1K 2R1 

* Correspondance avec l’auteur : gerardo.restrepo@usherbrooke.ca 

Pour citer cet article : Restrepo, G. (2014). Émotion, cognition et action motivée: une nouvelle vision de la neuroéducation. Neuroéducation, 

3(1), 10-19. https://doi.org/10.24046/neuroed.20140301.10 

Reçu le 25 juin 2013. Reçu en version révisée le 1 er novembre 2013 et le 2 avril 2014. 

Accepté le 14 avril 2014. Disponible en ligne le 31 octobre 2014. 

Neuroéducation, 3(1), 10-19 

ISSN : 1929-1833 

Tous droits réservés © 2014 - Association pour la recherche en neuroéducation / Association for Research in Neuroeducation 

10

G. Restrepo Émotion, cognition et action motivée: une nouvelle vision de la neuroéducation 

1. Introduction 

Les relations entre émotion et cognition ont été un sujet de 

controverse et de discussions en psychologie et en sciences 

humaines depuis des temps immémoriaux. De la Grèce 

antique à nos jours, la question de la relation entre émotion 

et cognition est passée de la métaphore philosophique 

(Platon et l’âme tripartite) à l’explication physiologique 

(théories de James-Lange et de Cannon-Bard), pour se poser 

finalement en termes plus spécifiquement psychologiques. 

En effet, l’angle sous lequel on analyse actuellement cette 

interaction souligne l’importance de la relation entre 

l’individu et son entourage. On peut remarquer l’existence 

d’un vaste consensus concernant le rôle des émotions dans la 

vie mentale et sociale des êtres humains. En d’autres mots, 

les émotions sont les médiateurs qui assurent l’interface 

entre le monde intérieur (la cognition) et le monde extérieur 

(la vie sociale) de l’individu (Oatley, Gerrod Parrott, Smith et 

Watts, 2011). Cependant, l’idée de la coexistence d’un être 

cognitif et d’un être émotionnel indépendant à l’intérieur de 

chaque individu est encore ancrée dans la plupart des 

théories psychologiques contemporaines (Richelle, 1993). 

Cette séparation entre émotion et cognition est 

profondément enracinée dans la culture et la pensée 

occidentale et a des retombées sur nos conceptions 

scientifiques, philosophiques et éducatives. 

La signification initiale du mot émotion mettait l’accent sur 

l’action et le mouvement. D’un point de vue étymologique, le 

mot émotion est dérivé du terme motion en latin et du préfixe 

e « bouger hors » (Rimé, 2009). Les psychologues de la 

première moitié du XX e siècle se sont intéressés à la 

physiologie et à la valeur adaptative des émotions jusqu’à la 

révolution cognitive des années 1960, quand l’émotion a été 

assimilée à la cognition. Frijda (2005) identifie trois 

composantes des émotions : 1- l’évaluation, 2- la préparation 

à l’action et 3- la réponse. Le premier, l’appraisal est le 

composant cognitif des émotions, le deuxième est 

l’orientation des actions en lien avec le premier et finalement, 

le troisième comprend les réactions physiologiques et 

corporelles de l’émotion. 

Cependant, quelques théoriciens de l’émotion se sont 

distanciés du cognitivisme et ont réaffirmé le rôle central des 

émotions dans la représentation du monde. Pour Benjafield, 

Smilek et Kingstone (2010), la signification du mot cognition 

inclut l’habileté et l’action de connaître. Cette définition 

implique que la connaissance découle de l’action de l’individu 

sur son entourage, et que la représentation du monde peut 

se faire sous plusieurs formes ou styles cognitifs guidés par 

l’émotion. Selon la théorie de l’activité, toutes les activités 

humaines naissent des besoins de l’individu de s’orienter vers 

un objet ou un but en lien avec l’environnement. Les actions 

humaines sont motivées par les relations que l’individu 

construit avec son entourage (Leontiev, 1978). 

Cet article aborde la problématique de la relation entre 

émotion, cognition et action motivée sous l’angle de l’histoire 

de la pensée philosophique, des conceptions psychologiques 

et pédagogiques contemporaines et à la lumière des études 

récentes en neurosciences. Nous avons choisi cet angle 

d’analyse, car, au départ, l’explication des processus 

psychologiques et neuroscientifiques se faisait d’un point de 

vue philosophique. Il a fallu attendre jusqu’au XIX e siècle pour 

que la psychologie puisse se distancier de la philosophie et 

s’ériger comme discipline indépendante. Les neurosciences 

ont vécu, pour leur part, un développement extraordinaire 

pendant le XX e siècle pour nous permettre, à l’aube du XXI e 

siècle, de réexaminer cette problématique d’une manière plus 

précise. Notre démarche tient donc compte des 

développements historiques de la relation entre émotion, 

cognition et action motivée et débouche sur les postulats 

récents de la neuroéducation. Dans les lignes qui suivent, 

nous allons discuter de certaines questions portant sur cette 

interaction, notamment l’impact de ces concepts sur notre 

compréhension des fonctions exécutives du cerveau et le rôle 

des émotions dans notre vie. Un modèle explicatif de cette 

interaction est proposé à la fin de l’article, selon lequel 

l’émotion joue un rôle de médiateur pédagogique du 

développement de l’enfant. 

2. Émotion et cognition: le point de vue de la philosophie 

Selon Oatley et al. (2011), les philosophes stoïciens ont été les 

premiers à étudier systématiquement la relation entre 

émotion et cognition comme un moyen de comprendre ses 

conséquences pour l’individu et la société. Dans le livre IV de 

la République, Platon (env. 428-327 av. J.-C.) expose la 

tripartition de l’âme humaine. Le noûs, la raison, placée dans 

la tête, contrôle le comportement; le thymos, dans le cœur, 

est l’organe du courage, de la valeur et de la volonté. 

Finalement, les épithymia, dans le ventre, représentent les 

instincts et les passions. La raison doit soumettre les passions 

pour diriger la volonté vers un objectif. Nonobstant que cette 

métaphore soit une conception de contrôle social (l’âme et la 

cité ont la même structure), sa signification implicite est que 

la raison et l’émotion doivent converger vers la volonté, c’està-dire 

l’action motivée (Psycho-politique, livre II). Platon 

divise le monde en deux, le monde sensible, une reproduction 

déformée de la réalité révélée par nos organes des sens, et 

celui des idées, lumineux et clair, accessible seulement par la 

raison (Fougeyrollas, 2000). Cette séparation entre émotion 

et cognition, voire entre corps et esprit, est une constante de 

l’histoire des idées de la culture occidentale. En effet, 

cognition et émotion ont toujours été conçues comme deux 

systèmes parallèles dont le premier doit toujours modérer et 

réguler le second (Oatley, 2011). Par exemple, ce contrôle de 

la cognition sur l’émotion est la base du concept 

neuropsychologique des fonctions exécutives (Powell et 

Voeller, 2004). De plus, une conception latente dans l’histoire 

de la philosophie consiste en la division entre une réalité 

tangible accessible par nos organes des sens et un monde 

d’idées seulement accessible par raison. Cette dernière 

conception a établi les bases pour la séparation corps et 

esprit et a amorcé le débat philosophique entre empirisme et 

NEUROÉDUCATION 2014 | Volume 3 | Numéro 1 11


rationalisme, source de l’épistémologie occidentale (Chiong, 

2011). 

La séparation entre corps et esprit a été liée à l’idée que nos 

organes des sens nous trompent ou déforment la réalité. 

Cette idée est née avec Platon et a pris son essor avec les 

postulats fondateurs de la philosophie cartésienne (Lewis et 

Haviland-Jones, 2000). La phrase, "Je pense, donc je suis", 

vérité fondatrice de la métaphysique cartésienne, est sans 

doute le point de départ de la philosophie moderne, mais 

aussi de la discussion sur la science, la méthode et la théorie 

de la connaissance. Descartes met au premier plan la pensée 

et fait valoir que les idées précèdent l’expérience sensible. 

Ainsi, dans son livre, Discours de la méthode, Descartes (1637) 

a donné lieu à une séparation entre la faculté de sentir et la 

faculté rationnelle en distinguant radicalement la matière (res 

extensa) de la pensée (res cogitans). Cette séparation 

conceptuelle entre corps et esprit est le point de départ du 

dualisme et de la théorie cartésienne. Par le biais de ces 

postulats, Descartes a mis en scène l’un des problèmes les 

plus importants de la philosophie et de la science, la relation 

entre le monde physique et sa représentation mentale. Le 

cheminement méthodique de Descartes l’a conduit à la 

conclusion que le corps et l’esprit forment deux substances 

différentes. Par conséquent, Descartes pensait que l’esprit 

pouvait exister sans le corps, que l’âme, source de la raison, 

ne devait pas être objet de recherche et que la science devait 

se dévouer à l’étude de la res extensa, le corps (Lewis et 

Haviland-Jones, 2000). 

La position cartésienne a été contestée par Francis Bacon, 

philosophe et homme de science anglais, contemporain de 

Descartes. Bacon est considéré comme le père de l'empirisme 

moderne. Son ouvrage philosophique Novum Organum, 

publié en 1620, qui prône l’observation exacte et 

l’expérimentation en science, constitue les fondements de 

l’empirisme scientifique et de la science moderne. À cette 

époque-là, les débats philosophiques se centraient sur 

quelques questions transcendantales. Certains phénomènes 

ou certaines choses peuvent-ils exister en dehors du sujet 

pensant ou sont-ils construits par le sujet? Les réponses à ces 

questions sont venues de l'empirisme classique sous 

l'influence de John Locke et d’Isaac Newton. Ce courant de 

pensée, qui s'oppose au rationalisme, a émergé pendant le 

XVIII e siècle. Contrairement au rationalisme, l'empirisme 

affirmait que la source de toute connaissance était l'action du 

monde extérieur sur nous. Pour l’empirisme, le sujet était la 

base de la connaissance du monde, et cette connaissance 

tenait sa légitimité de la vérification expérimentale et non pas 

d’une démonstration rationnelle (Lewis et Haviland-Jones, 

2000). 

Pendant que l’empirisme et le rationalisme discutaient de la 

source de la connaissance, la phénoménologie s’engageait 

dans l’étude systématique de l’expérience et de la conscience. 

Emmanuel Kant utilise les termes “noumène” pour désigner 

les réalités tangibles, les choses en soi, et “phénomène” pour 

nommer ce qui appartient au champ de l’expérience. La 

phénoménologie a pris son essor grâce aux travaux de 

psychologues du XIX e siècle comme Franz Brentano, William 

James et Wilhelm Wundt, qui utilisaient l’introspection 

comme méthode d’étude des fonctions psychiques (Chiong, 

2011). Husserl (1913), fondateur de la phénoménologie, affirme 

que cette discipline doit transcender le champ de 

l’introspection et de l’étude de l’individu pour tenter de 

comprendre les principes universels de la logique de la 

pensée. Pour Husserl, l’intentionnalité est une propriété des 

phénomènes psychiques, car elle dirige les concepts et les 

représentations vers les objets ou les choses. 

L’intentionnalité de la conscience reflète la position de 

l’individu envers le monde : par exemple, j’aperçois un objet, 

il se souvient d’un événement. Cependant, le terme 

« conscience » est attribué de manière originale à John Locke 

(1690) qui, dans « An Essay Concerning Human 

Understanding » lui donne deux significations 

différentes : celle de la conscience phénoménale et celle de la 

conscience de soi. Il faut souligner que la discussion de ces 

concepts, amorcée par la philosophie et la phénoménologie, 

a été finalement reprise par la psychologie cognitive et la 

neuroscience. 

C’est le cas, notamment, de la discussion sur la nature de la 

conscience. Soutenue au départ par la philosophie, celle-ci a 

été reprise par les neurosciences au cours des deux 

décennies précédentes (Edelman, 2002). Ainsi, le concept de 

conscience phénoménale a été utilisé pour expliquer 

certaines caractéristiques de la perception sensorielle et de 

l’attention sélective. Pour sa part, la conscience de soi a 

évolué en neurosciences vers le concept de self et de 

mémoire de travail (Block, 2005). 

3. Émotion et cognition: le point de vue de la psychologie 

cognitive 

Le concept de mémoire de travail comme composante 

principale des fonctions exécutives a été décrit pour la 

première fois par Baddeley et Hitch (1974) et défini 

postérieurement par Lezak (1983) comme le mécanisme de 

contrôle du comportement. Les fonctions exécutives ont été 

conçues comme un système de planification, de direction et 

de contrôle des actions vers un objectif. Les fonctions 

exécutives sont considérées comme des fonctions cognitives 

de niveau élevé sous le contrôle du lobe frontal (Stuss et 

Alexander, 2000). Cependant, c’est Luria (1973) qui a établi les 

bases du concept en affirmant que le lobe frontal est le 

responsable de l’organisation de la vie intellectuelle au moyen 

de la programmation, de la surveillance et de la direction des 

actions et du comportement. 

Les fonctions exécutives ont été conçues, au départ, comme 

l’ensemble des fonctions cognitives supérieures qui 

déterminent le comportement intentionnel, organisé et 

dirigé vers un but (Lezak, 1983). Pourtant, le concept initial de 

fonctions exécutives comme mécanisme de contrôle cognitif 

de l’action a migré graduellement au fil des constatations 



croissantes de l’importance des émotions dans tout le 

processus. Selon Royall et al. (2002), le lobe frontal est la seule 

région corticale capable d’intégrer l’information sensorielle, 

interne et externe, l’émotion, la motivation et la mémoire 

dans une action unifiée dirigée vers un objectif (traduction 

libre, p. 379). Par conséquent, le rôle principal des fonctions 

exécutives est la programmation des actions, la régulation 

des émotions et l’adaptation du comportement au contexte 

social (Best et Miller, 2010). Le siège des fonctions exécutives 

se situe dans le cortex préfrontal humain. On reconnaît trois 

composantes de la fonction exécutive : le contrôle cognitif, le 

contrôle émotionnel et le contrôle motivationnel, 

respectivement associées à la partie latérale, orbitofrontale 

et médiane du cortex préfrontal (Miller et Cohen, 2001). La 

notion de contrôle rend compte des processus qui 

permettent, dans une situation donnée, la sélection de 

l’action appropriée, orientée vers un but. Elle est proche de 

celle de régulation. L’idée implicite dans ce concept est que, 

si nous avons le contrôle de la situation et que nous prenons 

les décisions appropriées, nous pouvons modérer l’intensité 

ou orienter la direction des émotions (Oatley et al., 2011). 

Selon Miyake et al. (2000), il existe trois fonctions exécutives 

de base : la flexibilité mentale (shifting), la mise à jour 

(updating) et l’inhibition. La première permet l’adaptation aux 

situations changeantes du contexte, la deuxième la mise à 

jour des informations dans la mémoire de travail et, la 

troisième, l’inhibition des réponses automatiques ou 

routinières, mais non pertinentes pour la tâche en cours. 

Bref, nous devons dans toutes les activités et contextes de la 

vie quotidienne prendre des décisions, sélectionner les 

réponses appropriées au contexte et choisir entre plusieurs 

options. Pour Rolls (2012), les fonctions exécutives peuvent 

être considérées comme le substrat cognitif du libre arbitre. 

Damasio (1993) va au-delà de ce raisonnement. Pour lui, le 

cortex orbitofrontal fait partie d’un réseau cérébral complexe 

qui soutient la prise de décisions. Le cortex orbitofrontal 

permet de relier les informations factuelles de 

l’environnement à l’état émotionnel de l’individu pour guider 

son choix. Cette prise de décisions semble donc reposer en 

parties égales sur la raison et l’émotion. La volonté ne serait, 

par conséquent, qu’un algorithme cognitif nuancé par 

l’émotion. 

4. Émotion et cognition: le point de vue des sciences de 

l’éducation 

Les sciences de l’éducation ont séparé depuis longtemps 

l’émotion de la cognition. Bloom (1956) propose une 

taxonomie des processus cognitifs et affectifs essentiels à 

l’apprentissage, apparemment reliés entre eux, mais 

indépendants. Anderson et Krathwohl (2001) ont réalisé une 

révision de la taxonomie de Bloom pour l’adapter aux 

objectifs modernes de l’éducation. Le rappel, la 

compréhension, l’application et l’analyse ont été retenus 

comme processus cognitifs essentiels. Ces auteurs ont ajouté 

quatre dimensions de la connaissance : factuelle, 

conceptuelle, procédurale et métacognitive. Aucune 

référence aux processus affectifs n’a été faite. Cette 

séparation n’a jamais contribué à la compréhension du 

processus d’apprentissage de l’enfant. Pour sa part, le 

socioconstructivisme moderne fait référence de manière 

implicite aux émotions, mais, pour Vygotsky (1934, 1998), il est 

impensable de considérer l’émotion sans la cognition et vice 

versa : 

Celui qui dès le début a séparé pensée et affect 

s’est ôté à jamais la possibilité d’expliquer les 

causes de la pensée elle-même car une analyse 

déterministe de la pensée suppose 

nécessairement la découverte des mobiles de la 

pensée, des besoins et des intérêts, des 

impulsions et des tendances qui dirigent le 

mouvement de la pensée dans un sens ou dans un 

autre. De même, celui qui a séparé la pensée de 

l’affect a rendu d’avance impossible l’étude de 

l’influence que la pensée exerce en retour sur le 

caractère affectif, volitif de la vie psychique, car 

l’analyse déterministe de la vie psychique exclut 

aussi bien l’attribution à la pensée d’une force 

magique capable de définir le comportement de 

l’homme par son seul système propre que la 

transformation de la pensée en un inutile 

appendice du comportement, en son ombre 

impuissante et vaine. (p. 61) 

Ainsi, Vygotsky (Ibid.) insiste sur le fait que ces interactions 

sont à double sens et constituent la base de la personnalité et 

du comportement humain : « l'émotion n'est pas simplement 

la somme des sensations des réactions organiques, mais en 

premier lieu une tendance à agir dans une direction 

déterminée » (p. 134). 

5. Émotion et cognition: le point de vue des neurosciences 

Depuis quelques années, les neuroscientifiques ont 

commencé à se poser des questions qui, traditionnellement, 

intéressaient seulement les philosophes (Edelman, 2002). Le 

problème de la conscience, de la relation corps-esprit, ou de 

la relation émotion-cognition est le noyau central de la 

philosophie de l’esprit et de la neurophilosophie (Churchland, 

2002). Comment le monde physique, le cerveau ou la matière 

peuvent-ils donner naissance aux phénomènes mentaux 

abstraits comme la pensée ou la conscience? Pour Chalmers 

(1998), la nature de la conscience et de l’interaction entre le 

corps et l’esprit constitue l’obstacle le plus important à notre 

compréhension de l’univers. 

La recherche neuropsychologique des dernières décennies 

nous a légué l’idée que le cerveau est un organe modulaire qui 

présente un degré considérable de spécialisation 

fonctionnelle. Une vision particulièrement répandue est que 

certaines régions du cerveau sont plus affectives tandis que 

d’autres sont plus impliquées dans la cognition (Pessoa, 

2008). Cependant, selon Gray, Braver et Raichie (2002), dans 



plusieurs étapes du traitement de l’information, la 

spécialisation disparaît et l’émotion et la cognition travaillent 

ensemble pour assurer le contrôle de la pensée et du 

comportement. 

La vieille conception de l’âme tripartite de Platon a aussi eu 

sa contrepartie en neurosciences. Ainsi, en 1990, MacLean 

proposait sa conception d’un cerveau triunique constitué de 

trois formations évolutives différentes. La plus ancienne, le 

cerveau reptilien, contrôlerait nos pulsions fondamentales 

(faim, soif, sexualité, agressivité); la deuxième, le cortex 

limbique, le plus récent sur le plan évolutif, serait le 

responsable de l'affectivité, des soins parentaux et du 

sentiment d’appartenance à un groupe. La nature complexe 

de l’information affective pousserait le cerveau à développer 

un système de codage approprié, la mémoire à long terme et 

un mécanisme psychique pour diriger sélectivement nos 

actions, la motivation. Finalement, dans l’évolution 

apparaîtrait le néocortex, dépositaire de la raison, de la 

cognition et du langage symbolique; celui qui est responsable 

de la vie sociale. Le modèle du cerveau triunique de MacLean 

transpose en neurosciences le concept d’âme tripartite de 

Platon. Le néocortex, siège de la raison, doit dominer les 

pulsions et les émotions du système limbique et du cerveau 

reptilien pour guider l’action motivée, notre comportement. 

En 1981, Roger Sperry et Michael Gazzaniga reçoivent le Prix 

Nobel de médecine pour leurs découvertes concernant la 

spécialisation fonctionnelle des hémisphères cérébraux. À 

partir de leurs travaux, une image généralement évoquée est 

que l’hémisphère gauche est le siège de la logique analytique 

et rationnelle tandis que l’hémisphère droit est émotionnel, 

intuitif et holistique. Selon Gazzaniga, le cerveau normal est 

« organisé en systèmes de traitements modulaires se 

dénombrant par centaines ou peut-être même par milliers » 

(1987, p. 69). Ces modules, relativement indépendants et 

spécialisés, analysent l’information de manière différentiée. 

Le langage verbal et la préférence manuelle sont tous deux 

gouvernés par l’hémisphère gauche chez la majorité des 

individus. Ce dernier serait un dispositif de traitement 

temporaire de l’information. À l’inverse, la spécialisation de 

l’hémisphère droit dans les émotions, l’attention, et les 

processus visuo-spatiaux ferait de lui un dispositif de 

traitement spatial de l’information (Habib, 1998). L’hypothèse 

de l’hémisphère droit comme base du traitement émotionnel 

a trouvé un appui dans la théorie du cerveau social de 

Brothers (1990). Selon cet auteur, l’hémisphère droit est un 

système neurocognitif spécifique, activé seulement par des 

stimuli sociaux. La théorie de l’esprit (Baron-Cohen, 1991) et 

les études d’imagerie du cerveau relatives à l’autisme (Baron- 

Cohen et al., 1999) et à l’empathie (Decety et Lamm, 2007) ont 

donné un support empirique à cette hypothèse. 

La conscience comme phénomène de représentation 

personnelle a fait l’objet d’un débat et d’une controverse en 

neurosciences. « Une personne normale ne possède pas de 

mécanisme conscient unitaire dans lequel le système 

conscient peut accéder aux sources de tous les actes. 

J’entends démontrer que le cerveau normal est organisé en 

modules et que la plupart de ces modules sont capables 

d’actions, d’humeurs et de réponses » affirme Gazzaniga 

(1987, p. 105). Le support empirique de ces affirmations 

provient d'études sur la communication interhémisphérique 

chez des individus dont le cerveau est divisé. Ainsi, Gazzaniga 

décrit l’apraxie diagonistique, un état causé par la section du 

corps calleux, qui brise la conscience corporelle unitaire. Le 

sujet construit une tour de cubes avec la main droite, 

contrôlée par l’hémisphère gauche tandis que la main gauche, 

contrôlée par l’hémisphère droit, essaie de construire une 

figure différente. D’autres observations neurologiques 

permettent aussi de constater la modularité cérébrale de la 

conscience. Par exemple, les personnes paralysées d’un côté 

du corps à la suite d’un accident cérébral vasculaire 

éprouvent une dissociation de la motricité volontaire et 

involontaire. Ils ne peuvent pas sourire de façon volontaire 

(voie pyramidale), mais ils peuvent le faire involontairement 

en regardant une scène comique (voie extrapyramidale). Ce 

phénomène montre la séparabilité de la composante 

cognitive (pyramidale) et émotionnelle (extrapyramidale) du 

mouvement (Cytowic, 1996). 

En dépit du fait que plusieurs neuroscientifiques (par 

exemple, LeDoux, 2005; Swanson, 2003) considèrent 

l’émotion et la cognition comme deux systèmes séparés, 

divers travaux scientifiques indiquent qu’elles s’intégreraient 

plutôt dans l’action motivée au moyen de nombreuses 

connexions présentes dans le cortex préfrontal (Gray et al., 

2002). La région latérale est impliquée dans un réseau qui 

permet l'organisation de processus cognitifs complexes tels 

que la planification et le raisonnement déductif; les régions 

orbitaires dans les processus affectifs et motivationnels; et 

les régions médianes dans l'autogénération des 

comportements et la régulation des actions (Koechlin et 

Summerfield, 2007). La théorie du « modèle en cascade du 

contrôle cognitif » de Koechlin et Summerfield (Ibid.) avance 

que des aires distinctes au sein du cortex préfrontal latéral 

intègrent l’information à différentes échelles temporelles. 

Selon cette théorie, les stimuli se perçoivent en lien étroit 

avec les événements du contexte. Ils sont ensuite comparés 

aux informations gardées en mémoire pour leur accorder une 

importance relative. Le cortex préfrontal a aussi été associé 

à la mémoire de travail, une mémoire à court terme où 

l'information est brièvement stockée pour être utilisée 

rapidement. La mémoire de travail traite l’information 

transitoire permettant à l'individu des opérations cognitives 

telles que le raisonnement, la compréhension, la résolution 

de problèmes ou encore la prise de décisions (Levy et 

Goldman-Rakic, 2000). Selon la théorie des marqueurs 

somatiques de Damasio (1995), le cortex orbitofrontal est une 

structure clé dans le traitement émotionnel, dans la prise de 

décision et dans la mémorisation des souvenirs liés aux 

récompenses et punitions. Le cortex orbitofrontal reçoit de 

multiples connexions de plusieurs systèmes sensoriels et des 

structures limbiques impliquées dans le traitement des 

émotions. Ensuite, cette région corticale associe les 



sensations émotionnelles, lesquelles sont implicites et 

automatiques, aux stimuli de l’environnement. Cette 

association sera enregistrée dans la mémoire à long terme et 

la personne sera en mesure de réactiver les sensations 

émotionnelles lors d'une rencontre ultérieure avec le 

stimulus concerné. Les liens entre le cortex orbitofrontal et 

le comportement moral et social ont aussi fait l’objet d’études 

par Damasio et ses collaborateurs (Koenigs et al., 2007; 

Immordino-Yang, McColl, Damasio et Damasio, 2009). Ainsi, 

le jugement et le comportement moral seraient le résultat de 

l’évaluation cognitive que le sujet fait des émotions partagées 

avec autrui (Moll, Oliveira-Souza, Bramati et Grafman, 2002). 

Selon Haidt (2003), les émotions morales seraient 

intrinsèquement liées aux intérêts de bien-être de chaque 

société et de chaque individu. 

Par ailleurs, le cortex préfrontal médian et le cortex 

cingulaire (CC) antérieur jouent un rôle important dans 

l’établissement de liens d’empathie et de sympathie (Etkin, 

Egner et Kalisch, 2011). L'empathie peut se définir comme la 

capacité à ressentir et à comprendre les émotions et les 

sentiments d’autrui (Decety, 2010). Elle implique donc un 

partage affectif, mais aussi une compréhension minimale des 

états mentaux et affectifs d’autrui. La sympathie, pour sa part, 

permet au sujet de s’identifier avec les émotions exprimées 

par les autres (Ibid.). Empathie et sympathie sont des 

composantes essentielles du comportement prosocial, du 

jugement moral et de la régulation de l’agression (Ibid.). Le 

cortex cingulaire est aussi impliqué dans le contrôle des 

fonctions exécutives (CC antérieur) et dans l'évaluation des 

résultats des actions (CC postérieur) (Posner, Rueda et 

Kanske, 2007). On sait que cette région joue un rôle 

déterminant dans l’intégration des composantes cognitives 

et émotionnelles des stimuli pour assurer l’action motivée 

dirigée vers un objectif (Ollat, 2004). Toutefois, selon Gray et 

al. (2002), le processus d’intégration des émotions et de la 

cognition se fait de façon progressive dans plusieurs 

structures du cerveau. L’intégration permet à ces deux sousfonctions, 

séparées au départ, d’émerger pour bâtir une 

fonction plus complexe et générale. Un tel degré de précision 

et de complexité s’expliquerait par le fait que les 

composantes cognitive et émotionnelle détiennent la même 

importance dans l’organisation du cortex préfrontal (Gray et 

al., 2002). Les résultats obtenus par ces auteurs soutiennent 

l’idée que l’intégration de l’information cognitive et 

émotionnelle s’avère un facteur crucial pour le contrôle unifié 

de la pensée, de l’affectivité, de la motivation et du 

comportement. Une intégration fonctionnelle des émotions 

et de la cognition devrait permettre, selon Gray et al. (2002) 

au comportement d’être dirigé vers un objectif, c’est à dire 

permettre l’action motivée. 

Dans les paragraphes précédents, nous avons souligné 

l’importance du cortex préfrontal dans le processus 

d’intégration des émotions et de la cognition. Le cortex 

préfrontal latéral sélectionne et catégorise l’information 

cognitive importante en lien avec le contexte. Le cortex 

orbitofrontal reçoit l’information émotionnelle du corps et 

l’associe à l’environnement physique et social où se déroule 

l’activité. Le cortex cingulaire intègre émotion et cognition 

pour assurer l’action motivée, en tenant toujours compte du 

jugement moral et de l’évaluation empathique de l’action. Les 

connaissances actuelles des neurosciences nous donnent 

ainsi la possibilité de comprendre la relation intime entre 

émotion, cognition et action motivée. Reste à expliquer, 

cependant, l’imbrication graduelle du processus au cours du 

développement de l’enfant. 

6. Cognition, émotion et action motivée: vers une 

intégration globale 

Pour Wallon (1938, dans Jalley, 1998), la vie émotionnelle est 

le « premier terrain des relations interindividuelles de 

conscience » et le « point de départ de la vie représentative 

(p. 39) ». Cet auteur affirme aussi que « La racine de la 

conscience, donc de la représentation, est à chercher non 

dans l’activité extéroceptive, mais dans l’activité 

proprioceptive » (Ibid., p. 72). Craig (2002) et Damasio (1993) 

vont dans le même sens que Wallon en identifiant émotions, 

information proprioceptive et conscience. Les sensations 

somatiques, porteuses des informations extéroceptives, de 

l’audition et de la vision, sont associées aux informations 

proprioceptives qui rendent compte de l’état émotionnel de 

l’individu. La conscience phénoménale est nourrie par 

l’information extéroceptive, tandis que la conscience d’accès 

est supportée par l’émotion, l’information qui vient du corps. 

Selon Cornelius (2006), les émotions sont centrales dans la 

relation des êtres humains avec l’environnement et cette 

relation explique pourquoi chaque émotion est évaluée en 

relation avec l’environnement social du sujet. Les émotions 

sont donc les médiateurs qui assurent l’interface entre le 

monde intérieur (la cognition) et le monde extérieur (la vie 

sociale) de l’individu (Oatley, 2011). 

Le rôle de médiation des émotions et l’intégration 

progressive de l’émotion et de la cognition dans plusieurs 

structures du cerveau nous amènent graduellement aux 

vieux problèmes de la philosophie. Ainsi, peu importe la façon 

dont on comprend le concept de fonction exécutive, celui-ci 

nous amène, de façon incontournable, au problème de la 

conscience et de la volonté. Les travaux de Block (2005) 

aident à mieux comprendre la nature du phénomène. En 

effet, l’auteur reprend à la lumière des neurosciences la vieille 

discussion phénoménologique concernant la volonté, 

l’intentionnalité et la conscience, et s’intéresse aux 

opérations cognitives et neurales qui permettent d’amener 

une information à la conscience. Il propose l’existence de 

deux corrélats neuraux de la conscience : la conscience 

phénoménale et la conscience d’accès. La conscience 

phénoménale est la perception des objets ou des formes, une 

expérience subjective et riche, mais surtout personnelle et 

unique. Ces phénomènes, désignés par Lewis (1929) sous le 

terme de qualia, sont les qualités particulières de l’expérience 

sensible ou « phénoménale ». La conscience phénoménale 



précède et déclenche l’activité cognitive, amenant le sujet, ce 

faisant, vers un objectif par le biais de la conscience d’accès. 

Posner, Rueda et Kanske (2007) distinguent les processus 

mentaux automatiques de ceux non automatiques pour 

expliquer le fonctionnement du réseau attentionnel. La 

conscience d’accès serait donc un système de contrôle 

volontaire, hiérarchiquement organisé, ayant pour objectif de 

diriger la cognition et le comportement (Shallice, 1982). Étant 

donné que la conscience d’accès effectue le traitement 

simultané de plusieurs types d’information, il est possible de 

la comparer, dans une certaine mesure, à la mémoire de 

travail qui, après avoir reçu l’information sensorielle de 

plusieurs sources distinctes, sélectionne l’information et la 

traite en fonction d’un objectif donné. Les neuroscientifiques 

semblent de cette façon partager la notion de Husserl (1913), 

selon laquelle l’élément central de la conscience est 

l’intentionnalité, c’est-à-dire la conscience comme processus 

perceptuel et cognitif, dirigée vers l’individu, ou la conscience 

comme action intentionnelle dirigée vers un objectif externe. 

C’est ce qui nous amène à parler d’une nouvelle discipline, la 

neuroéducation, laquelle ouvre la voie à l’opérationnalisation 

de ces concepts en enrichissant la pratique pédagogique. 

7. Émotion, cognition et action motivée: la vision de la 

neuroéducation 

La neuroéducation est une jeune discipline qui prône une 

vision transdisciplinaire de l’apprentissage et du 

développement de l’enfant (Battro, Fischer et Léna, 2008). 

Comme discipline émergente, selon Bruer (2007), son 

principal défi est la construction de liens entre la 

neurobiologie et les sciences de l’apprentissage. Intégrer les 

connaissances des neurosciences, la pédagogie et la 

psychologie du développement pour reconnaître l’enfant 

comme un acteur productif de son apprentissage et non pas 

comme un récepteur passif d’information (Levi-Montalcini, 

2007). La psychologie et les neurosciences ont exploré 

exhaustivement les liens entre émotion et cognition sous 

l’hypothèse que la cognition doit contrôler et réguler 

l’émotion (Oatley, 2011). Cependant, les données de la 

recherche neuropsychologique suggèrent que les deux 

systèmes ne sont pas subordonnés, mais surtout 

consensuels. Dans les paragraphes suivants, nous allons 

proposer un modèle pour l’intégration conceptuelle de ces 

recherches en éducation. 

Les découvertes récentes des neurosciences permettent de 

comprendre la dynamique de l’interaction entre émotion, 

cognition et action motivée d’une manière holistique et 

novatrice. À la lumière de ces constats, émotion et cognition 

sont deux éléments indissociables de la vie et de l’activité 

humaine. Émotion et cognition s’unissent pour former 

l’action motivée. L’émotion ne doit plus jamais être conçue 

comme système subordonné de la cognition. Elle joue un rôle 

de médiateur du développement de l’enfant. L’impact que les 

recherches des neurosciences ont eu sur les théories du 

développement et la pédagogie est remarquable (Bruer, 

2007). Il est bien connu que les chercheurs qui s’intéressent 

depuis plusieurs décennies au développement de l’enfant 

sont divisés entre les théoriciens qui pensent que le 

développement est le résultat de la génétique et de la biologie 

et ceux qui considèrent que l’environnement est la base 

fondamentale de l’apprentissage. Apprentissage et 

développement étaient donc conçus jusqu’à maintenant 

comme deux phénomènes indépendants et sans connexion. 

De fait, l’une des théories du développement de l’enfant les 

plus influentes aujourd’hui, la théorie piagétienne, n’a abordé 

les effets de l’apprentissage sur le développement cognitif de 

manière systématique qu’à la fin des années 1980 (Carretero, 

1996). Cependant, pour la neuroéducation, l’apprentissage et 

le développement sont également importants, mais 

l’interaction entre eux permet à l’apprentissage de provoquer 

et de guider le développement (Bruer, 2007). Cet aspect 

essentiel de la neuroéducation la rapproche de la théorie 

socioconstructiviste, car pour cette théorie les processus 

évolutifs ne coïncident pas avec les processus 

d’apprentissage (Battro et al., 2008). Les périodes critiques 

sont réelles, mais leur existence ne nous permet pas de 

penser que la clé de l’apprentissage et du développement se 

trouve dans la biologie. C’est plutôt la dynamique de 

l’interaction entre l’individu et son environnement qui 

constitue la base de l’apprentissage et du développement. 

Cette nouvelle conception de l’interaction entre 

apprentissage et développement, de nature dialectique et 

dynamique, permet une vision holistique des composantes 

biologiques et culturelles du développement de l’enfant. De la 

même manière, la reconnaissance de cette dynamique 

revitalise le rôle de l’enseignement dans les difficultés de 

développement de l’enfant (Immordino-Yang et al., 2009). 

L’émotion est donc le noyau central qui assure la 

communication entre la vie psychique et la vie sociale. 

L’apprentissage et le développement de l’enfant dépendent 

d’un délicat équilibre entre ces deux composantes. 

Reconnaître cet équilibre et guider l’apprentissage avec 

intelligence, subtilité, respect et avec le soutien affectif 

approprié se révèlent des qualités essentielles d’un 

enseignement efficace. De la même façon que les 

neurosciences nous ont permis de regarder les vieux 

paradigmes de la philosophie sous un angle différent, nous 

sommes convaincus qu’elles pourront nous guider dans la 

construction d’une nouvelle science de l’apprentissage. 

Références 

Anderson, L. W. et Krathwohl, D. (dir.). (2001). A taxonomy for 

learning, teaching, and assessing: A revision of Bloom's 

taxonomy of educational objectives. New York, 

NY: Longman. 



Baddeley, A. et Hitch, G. (1974). Working memory. Dans G. H. 

Bower (dir.), Psychology of Learning and Motivation 

(vol. 8) (p. 47-89). New York, NY: Academic Press. 

https://doi.org/10.1016/s0079-7421(08)60452-1 

Baron-Cohen, S. (1991). The development of a theory of mind 

in autism: Deviance and delay? Psychiatric Clinics of 

North America, 14(1), 33-51. 

Baron-Cohen S., Ring H. A., Wheelwright S., Bullmore E. T., 

Brammer M. J., Simmons A. et Williams S. C. (1999). Social 

intelligence in the normal and autistic brain: an fMRI 

study. European Journal of Neurosciences, 11(6), 1891-1898. 

https://doi.org/10.1046/j.1460-9568.1999.00621.x 

Battro, A. M., Fischer, K. W. et Léna, P. J. (dir.). (2008). The 

educated brain. Cambridge, Royaume-Uni: Cambridge 

University Press. https://doi.org/10.1017/cbo9780511489907 

Benjafield, J. G., Smilek, D. et Kingstone, A. (2010). Cognition 

(4 e édition). Don Mills, ON: Oxford University Press. 

Best J. R. et Miller P. H. (2010). A developmental perspective 

on executive function. Child Development, 81(6), 1641- 

1660. https://doi.org/10.1111/j.1467-8624.2010.01499.x 

Block, N. (2005). Two neural correlates of consciousness. 

Trends in Cognitive Sciences, 9(2), 46–52. 

https://doi.org/10.1016/j.tics.2004.12.006 

Bloom, B. (dir.). (1956). Taxonomy of educational objectives: 

The classification of educational goals. Handbook I, 

Cognitive Domain. New York, NY: Longman. 

Brothers, L. (1990). The social brain: A project for integrating 

primate behavior and neurophysiology in a new domain. 

Concepts in NeuroScience, 1, 27-51. 

Bruer, J. (2007). Building bridges in neuroeducation. Dans A. 

Battro, K. Fischer et P. Léna (dir.), The educated brain: 

Essays in neuroeducation (p. 43-58). Cambridge, 

Royaume-Uni: Cambridge University Press. 

https://doi.org/10.1017/cbo9780511489907.005 

Carretero, M. (1996). Introducción a la psicología cognitiva. 

Buenos Aires, Argentine : Aique. 

Chalmers, D. (1998). The problems of consciousness. Dans H. 

Jasper, L. Descarries, V. Castellucci, et S. Rossignol (dir.), 

Consciousness: At the Frontiers of Neuroscience. Advances 

in Neurology (Volume 77). Philadelphie, PA: Lippincott- 

Raven Publishers. 

Chiong W. (2011). The self: From philosophy to cognitive 

neuroscience. Neurocase, 17(3), 190-200. 

https://doi.org/10.1080/13554794.2010.532808 

Churchland, P. S. (2002). Brain-wise: Studies in 

Neurophilosophy. Cambridge, MA: MIT Press. 

Cornelius, R. (2006). Magda Arnold’s Thomistic theory of 

emotion, the self-ideal, and the moral dimension of 

appraisal. Cognition and Emotion, 20(7), 976-1000. 

https://doi.org/10.1080/02699930600616411 

Craig, A. B. (2002). How do you feel? Interoception: The sense 

of the physiological condition of the body. Nature 

Reviews Neuroscience, 3(8), 655–666. 

https://doi.org/10.1038/nrn894 

Cytowic, R. E. (1996). The neurological side of neurology. 

Cambridge, MA: MIT Press. 

Damasio A. R. (1995). On some functions of the human 

prefrontal cortex. Annals of the New York Academy of 

Sciences, 769(1), 241-252. https://doi.org/10.1111/j.1749- 

6632.1995.tb38142.x 

Damasio, A. R. (1993). Descartes’ error: Emotion, reason and the 

human brain. New York, NY: Putnam. 

Damasio, A. R., Everitt, B. J. et Bishop, D. (1996). The somatic 

marker hypothesis and the possible functions of the 

prefrontal cortex. Philosophical Transactions of the Royal 

Society of London. Series B : Biological Sciences, 351(1346), 

1413-1420. https://doi.org/10.1098/rstb.1996.0125 

Descartes, R. (1637). Discours de la méthode. Version 

numérique par J. M. Tremblay. En ligne : 

http://classiques.uqac.ca/classiques/Descartes/disco 

urs_methode/discours_methode.html 

Decety J. (2010). The neurodevelopment of empathy in 

humans. Developmental Neuroscience, 32(4), 257–267. 

https://doi.org/10.1159/000317771 

Decety, J., et Lamm, C. (2007). The role of the right 

temporoparietal junction in social interaction: How lowlevel 

computational processes contribute to metacognition. 

The Neuroscientist, 13(6), 580–593. 

https://doi.org/10.1177/1073858407304654 

Decety, J. et Michalska, K. J. (2010). Neurodevelopmental 

changes in the circuits underlying empathy and 

sympathy from childhood to adulthood. Developmental 

Science, 13(6), 886–899. https://doi.org/10.1111/j.1467- 

7687.2009.00940.x 

Edelman, G. M. (2002). Displacing metaphysics: 

Consciousness research and the future of neuroscience. 

Dans F. Mora (dir.), Continuum: Cómo funciona el cerebro 

(p. 147-166). Madrid, Espagne: Alianza Ensayo. 

Etkin A., Egner T. et Kalisch, R. (2011). Emotional processing 

in anterior cingulate and medial prefrontal cortex. 

Trends in Cognitive Sciences, 15(2) 85–93. 


Fougeyrollas, P. (2000). Métamorphoses de la philosophie. 

Platon, Descartes, Kant, Nietzsche. Paris, France: 

L’Harmattan. 



Frijda, N. H. (2005). Emotion experience. 

Cognition & Emotion, 19(4), 473–498. 

https://doi.org/10.1080/02699930441000346 

Gazzaniga, M. S. (1987). Le cerveau social (trad. J. Polanis), 

Paris, France : Laffont. 

Gray, J. R., Braver, T. S. et Raichle, M. E. (2002). Integration of 

emotion and cognition in the lateral prefrontal 

cortex. Proceedings of the National Academy of 

Sciences, 99(6), 4115-4120. 

https://doi.org/10.1073/pnas.062381899 

Habib, M. (1998, mai). Latéralisation hémisphérique des 

émotions : Approches expérimentales et débats 

théoriques. Dans M. Habib et S. Bakchine (dir.), 

Neurologie des émotions et de la motivation. Rapport du 

LXXXXVI e Congrès de psychiatrie et neurologie de 

langue française. La Réunion, France. 

Haidt, J. (2003). The moral emotions. Dans R. J. Davidson, K. R. 

Scherer et H. H. Goldsmith (dir.), Handbook of affective 

sciences (p. 852-870). Oxford, Royaume-Uni: Oxford 

University Press. 

Husserl, E. (1913). Ideas: General introduction to pure 

phenomenology. (Trad. W. R. Boyce Gibson). Londres, 

Royaume-Uni: George Allen et Unwin Ltd (éd. 1931). 

Immordino-Yang M. H., McColl A., Damasio H. et Damasio A. 

(2009). Neural correlates of admiration and compassion. 

National Academy of Sciences. 106(19), 8021-8026. 

https://doi.org/10.1073/pnas.0810363106 

Jalley, E. (1998). Freud, Wallon, Lacan - L’enfant au miroir. 

Paris, France : EPEL. 

Koechlin, E. et Summerfield, C. (2007). An information 

theoretical approach to prefrontal executive function. 

Trends in Cognitive Sciences, 11(6), 229–235. 


Koenigs, M., Young, L., Adolphs, R., Tranel, D., Cushman, F., 

Hauser, M. et Damasio, A. (2007). Damage to the 

prefrontal cortex increases utilitarian moral judgements. 

Nature, 446(7138), 908-911. 

https://doi.org/10.1038/nature05631 

Krathwohl, D., Bloom, B., et Masia, B. (1956). Taxonomy of 

educational objectives. Handbook II: Affective Domain. 

New York, NY: David McKay. 

LeDoux J. (2005). Le cerveau des émotions. Paris, 

France : Odile Jacob. 

Leontiev, A. N. (1978). Activity, consciousness and personality. 

Englewood Cliffs, NJ: Prentice-Hall. 

Levi-Montalcini, R. (2007). Foreword: Towards a new 

pedagogical and didactic approach. Dans A. Battro, K. 

Fischer et P. Léna (dir.), The educated brain: Essays in 

neuroeducation (p. xxi-xxiv). Cambridge, Royaume-Uni 

et New York, NY: Cambridge University Press. 


Levy, R. et Goldman-Rakic, P. S. (2000). Segregation of 

working memory functions within the dorsolateral 

prefrontal cortex. Experimental Brain Research, 133(1), 

23-32. https://doi.org/10.1007/s002210000397 

Lewis, C. I. (1929). Mind and the world-order: outline of a 

theory of knowledge. New York, NY: Dover. 

Lewis, M. et Haviland-Jones, J. M. (dir.). (2000). Handbook of 

emotions (2 e edition). New York, NY: Guilford. 

Lezak, M. D. (1983). Neuropsychological assessment (2 e 

édition). New York, NY: Oxford University Press. 

Luria, A. R. (1973). The working brain: An introduction to 

neuropsychology. New York, NY: Basic. 

MacLean, P. D. (1990). The triune brain in evolution. New York, 

NY: Plenum Press. 

Miller, E. K. et Cohen, J. D. (2001). An integrative theory of 

prefrontal cortex function. Annual Review of 

Neuroscience, 24(1), 167–202. 

https://doi.org/10.1146/annurev.neuro.24.1.167 

Miyake, A., Friedman, N. P., Emerson, M. J., Witzki, A. H., 

Howerter, A., et Wager, T. D. (2000). The unity and 

diversity of executive functions and their contributions 

to complex ‘‘frontal lobe’’ tasks: A latent variable analysis. 

Cognitive Psychology, 41(1), 49-100. 

https://doi.org/10.1006/cogp.1999.0734 

Moll, J., Oliveira-Souza, R., Bramati, I. E., et Grafman, J. (2002). 

Functional networks in emotional moral and nonmoral 

social judgment. Neuroimage, 16(3), 696-703. 

https://doi.org/10.1006/nimg.2002.1118 

Oatley, K., Gerrod Parrott, W., Smith, C., et Watts, F. (2011). 

Cognition and emotion over twenty-five years. Cognition 

and Emotion, 25(8), 1341-1348. 

https://doi.org/10.1080/02699931.2011.622949 

Ollat H. (2004). Le cortex cingulaire antérieur à l'interface de 

l'émotion et de la cognition. Les données de la 

neuroimagerie. NPTD, 23, 37-41. 

Pessoa L. (2008). On the relationship between emotion and 

cognition. National Review of Neuroscience, 9(2), 148–158. 

https://doi.org/10.1038/nrn2317 

Posner, M. I. et Rothbart, M. K. (2007). Research on attention 

networks as a model for the integration of psychological 

science. Annual Review of Psychology, 58(1), 1–23. 

https://doi.org/10.1146/annurev.psych.58.110405.08551 

6 



Posner, M. I., Rueda, M. R. et Kanske, P. (2007). Probing the 

mechanisms of attention. Dans J. T. Cacioppo, J. G. 

Tassinary et G. G. Berntson (dir.), Handbook of 

Psychophysiology (3 e edition) (p. 410-432). Cambridge, 

Royaume-Uni: Cambridge University Press. 


Powell, K. B. et Voeller, K. S. (2004). Prefrontal executive 

function syndromes in children. Journal of Child 

Neurology, 19(10), 785-797. 

https://doi.org/10.1177/08830738040190100801 

Richelle, M. (1993). Du nouveau sur l'esprit? Paris, 

France: PUF. https://doi.org/10.3917/puf.riche.1993.01 

Rimé, B. (2009). Le partage social des émotions. Paris, France: 

PUF. https://doi.org/10.3917/puf.mosco.2009.01 

Rolls E. T. (2012). Willed action, free will, and the stochastic 

neurodynamics of decision-making. Frontiers in 

Integrative Neuroscience, 6, 68. 

https://doi.org/10.3389/fnint.2012.00068 

Royall, D. R., Lauterbach, E. C., Cummings, J. L., Reeve, A., 

Rummans, T. A., Kaufer, D. I., ... et Coffey, C. E. (2002). 

Executive control function. A review of its promise and 

challenges for clinical research. A report from the 

Committee on Research of the American 

Neuropsychiatric Association. The Journal of 

Neuropsychiatry and Clinical Neurosciences, 14(4), 377- 

405. https://doi.org/10.1176/jnp.14.4.377 

Shallice, T. (1982). Specific impairments of planning. 

Philosophical Transactions of the Royal Society of London. 

Series B, Biological Sciences, 298(1089), 199-209. 

https://doi.org/10.1098/rstb.1982.0082 

Stuss, D. T. et Alexander, M. (2000). Executive functions and 

the frontal lobes: A conceptual view. Psychological 

Research, 63(3-4), 289–298. 

https://doi.org/10.1007/s004269900007 

Swanson, L.W. (2003). Brain Architecture. Oxford, Royaume- 

Uni: Oxford University Press. 

https://doi.org/10.1093/med/9780195378580.001.0001 

Vygotsky, L. S. (1998). Théorie des émotions. Étude historicopsychologique 

(trad. N. Zavialoff, C. Saunier). Paris, 

France: L’Harmattan. 

Vygotsky, L. S. (1934/1985). Pensée et langage (trad. F. Sève). 

Paris, France: Messidor. 


NEUROÉDUCATION 

2014 – Volume 3, Numéro 1 

RÉSUMÉ CRITIQUE DE LIVRE 

Résumé critique du livre : « Sousa, D. A. et Tomlinson, C. A. (2013). 

Comprendre le cerveau pour mieux différencier : Adapter 

l’enseignement aux besoins des apprenants grâce aux apports des 

neurosciences. Montréal, QC : Chenelière Éducation. » 

Geneviève Allaire-Duquette 1* , Lorie-Marlène Brault Foisy 1 et Jan-Sébastien Dion 2 

RÉSUMÉ 

Comprendre le cerveau pour mieux différencier est écrit par David A. Sousa, consultant en neuropédagogie et 

Carol Ann Tomlinson, professeure à l’Université de Virginie. Leur ouvrage vise à démontrer la compatibilité entre 

le fonctionnement du cerveau et les principes de la différenciation pédagogique. Ce résumé propose une 

présentation générale de l’ouvrage suivie d’une analyse critique de certains appuis neuroscientifiques du livre, 

puisque c’est précisément en appuyant leurs recommandations pédagogiques sur les connaissances du cerveau 

que les auteurs ont voulu se distinguer des nombreux ouvrages déjà disponibles traitant de la différenciation 

pédagogique. 

1 

Université du Québec à Montréal, Laboratoire de recherche en neuroéducation, Département de didactique, 1205, rue St-Denis, Montréal, 

Québec, Canada H2X 3R9 

2 

Université de Sherbrooke, Département de pédagogie, 2500, boul. de l’Université, Sherbrooke, Québec, Canada J1K 2R1 

*Correspondance avec l’auteure principale : allaire-duquette.genevieve@uqam.ca 

Pour citer cet article : Allaire-Duquette, G., Brault Foisy, L.-M. et Dion, J.-S. (2014). Résumé critique du livre : « Sousa, D. A. et Tomlinson, C. A. 

(2013). Comprendre le cerveau pour mieux différencier : Adapter l’enseignement aux besoins des apprenants grâce aux apports des 

neurosciences. Montréal, QC : Chenelière Éducation ». Neuroéducation, 3(1), 20-27. https://doi.org/10.24046/neuroed.20140301.20 

Reçu le 20 juin 2014. Reçu en version révisée le 10 novembre 2014. 

Accepté le 12 janvier 2015. Disponible en ligne le 6 mars 2015. 

Neuroéducation, 3(1), 20-27. 

ISSN : 1929-1833 

Tous droits réservés © 2014 - Association pour la recherche en neuroéducation / Association for Research in Neuroeducation 

20

G. Allaire-Duquette, L.-M. Brault Foisy et J.-S. Dion Résumé critique du livre : « Comprendre le cerveau pour mieux différencier » 

1. Présentation globale de l’ouvrage 

Deux constats principaux ont motivé la rédaction de ce livre: 

(1) les recherches sur le cerveau évoluent si rapidement que 

les enseignants ne peuvent se permettre d’ignorer leurs 

retombées sur les pratiques pédagogiques; (2) les enseignants 

doivent trouver des façons de mettre à profit les résultats des 

recherches issues des neurosciences afin d’élaborer des 

stratégies pour mieux différencier. Sousa et Tomlinson (2013) 

tentent, devant ces constats, de fournir aux enseignants des 

pistes d’interventions pédagogiques basées sur les résultats 

de recherche en neurosciences. Ils font dans leur ouvrage la 

démonstration de la compatibilité de la différenciation 

pédagogique avec le fonctionnement du cerveau. Cette 

démonstration s’appuie sur les réponses à plusieurs 

questions, dont: « Quel modèle les enseignants peuvent-ils 

utiliser pour adopter une approche différenciée tout en 

donnant un enseignement qui s’inspire des résultats de la 

recherche sur le cerveau qui apprend?; quelle est 

l’importance de la prise en compte des champs d’intérêt des 

élèves dans une classe différenciée et quelles sont les 

diverses façons de le faire?; quelles sont les composantes des 

profils d’apprentissage des élèves et comment les 

enseignants peuvent-ils y adapter leur planification de 

l’enseignement?; quelles sont quelques-unes des stratégies 

qui permettent de gérer efficacement une approche 

différenciée de l’enseignement en classe? » (Sousa et 

Tomlinson, 2013, p. 3-4). 

Le premier chapitre vise surtout à définir la différenciation 

pédagogique et à présenter le modèle de différenciation 

efficace. Pour Sousa et Tomlinson (2013, p. 8), « La 

différenciation découle du point de vue appuyé par la 

recherche selon lequel les élèves s’investiront davantage dans 

leur apprentissage et apprendront d’une manière plus 

soutenue si les enseignants sont proactifs et préparent leurs 

cours en tenant compte de leurs différences et de leurs 

ressemblances (Tomlinson et al., 2003) ». Puis, suite à 

l’énonciation de quatre principes constituant les fondements 

d’un enseignement efficace, le modèle de différenciation 

efficace (Tomlinson, 2004) est présenté en tant que 

fondement de l’ouvrage. Les cinq principales composantes de 

ce modèle sont annoncées comme des caractéristiques non 

négociables d’un enseignement différencié: (1) des tâches 

respectant les caractéristiques des apprenants; (2) un 

programme d’enseignement de qualité basé sur la 

compréhension plutôt que la mémorisation; (3) une gestion 

de classe flexible; (4) une évaluation continue; (5) 

l’établissement d’une communauté d’apprentissage. 

Les auteurs stipulent ensuite que « les recherches sur le 

cerveau appuient la différenciation » (Sousa et Tomlinson, 

2013, p. 14-15) et présentent sept principes de l’apprentissage 

basé sur les neurosciences qui peuvent s’imbriquer dans le 

modèle de différenciation de Tomlinson (2004). 

1. « Chaque cerveau est organisé de façon unique ». 

Chaque individu a des préférences d’apprentissage, 

voire un profil d’apprentissage. 

2. « Le cerveau est une machine à construire des 

modèles (patterns) ». Le lobe frontal a comme 

fonction de déterminer si l’information reçue a du 

sens pour la personne, si elle s’inscrit dans un 

modèle connu. 

3. « Le lobe frontal est souvent appelé ‘centre exécutif’ 

parce qu’il dirige presque toute l’activité cérébrale ». 

Il est en charge de la résolution de problèmes. 

4. Le système limbique joue un rôle important dans la 

construction de modèles. Lorsque des émotions 

positives sont ressenties, le système de récompense 

du cerveau est activé, ce qui motive la poursuite de 

l’apprentissage. 

5. Apprendre est aussi social que cognitif. Depuis 

l’enfance, on observe et imite les autres. Le 

mécanisme de neurones miroirs s’active lorsqu’on 

agit et lorsqu’on observe quelqu’un d’autre agir. 

6. Les systèmes de mémoire sont aujourd’hui mieux 

connus. « Le cerveau stocke l’information dans une 

mémoire de travail pendant une longue période » et 

si l’individu n’a pas de bonne raison de la stocker 

dans la mémoire à long terme, il l’oublie peu à peu. 

7. L’attention des élèves est sollicitée de toute part et 

ils la portent sur ce qui a du sens pour eux (comme 

le cerveau cherche à construire du sens). Il importe 

que les notions enseignées aient du sens, c’est-àdire 

qu’elles soient signifiantes. 

Au deuxième chapitre, Sousa et Tomlinson (2013, p. 18) 

définissent le modèle mental (mindset) comme un 

« […] ensemble de suppositions, d’attentes et de croyances 

qui régissent le comportement et les interactions d’une 

personne avec autrui ». Ce modèle qui est propre à chacun se 

forme dès le jeune âge et est façonné par l’expérience et 

l’environnement. Il crée entre autres des automatismes pour 

réagir à notre environnement. Au plan cérébral, « […] les 

circuits neuronaux développés par les modèles mentaux sont 

très complexes (Mitchell, Banaji et Macrae, 2005) » (p. 19) et 

« [b]eaucoup plus d’efforts sont nécessaires pour modifier 

une partie du réseau correspondant à un modèle mental que 

pour changer l’ensemble du réseau neuronal (Diamond, 

2009) » (Ibid.). 

Sousa et Tomlinson (2013) ajoutent qu’il existe deux types de 

modèles mentaux entre lesquels s’étend un continuum. Le 

premier est dit « fixe » (fixed mindset) et repose sur la 

croyance voulant que les traits humains, comme 

l’intelligence, soient innés. Le deuxième type est dit « fluide » 

(growth mindset) et repose sur la croyance que les traits 



humains peuvent être acquis, bien que la génétique impose 

des prédispositions. « La croyance que tous les élèves 

[peuvent] réussir relève d’un modèle mental fluide ou en 

développement (growth mindset) […] » (p. 21). Sousa et 

Tomlinson (2013) insistent donc sur l’importance de cultiver 

un modèle mental fluide auprès des enseignants pour qu’ils 

puissent mettre en œuvre une différenciation efficace. En 

s’appuyant sur des recherches en neurosciences, les auteurs 

insistent également sur l’importance d’un environnement 

d’apprentissage différencié, comme celui-ci influe sur les 

émotions et la cognition des apprenants. Cet environnement 

est conçu pour « responsabiliser les élèves, développer leur 

conscience de soi en tant qu’apprenants et promouvoir le fait 

d’apprendre pour le plaisir d’apprendre » (p. 35). 

Au troisième chapitre, Sousa et Tomlinson (2013) font la 

démonstration de l’importance d’un programme de 

formation de qualité dans la mise en place d’une 

différenciation efficace. Un programme de formation de 

qualité (1) s’appuie sur des objectifs d’apprentissage liés aux 

contenus essentiels; (2) correspond en tous points aux 

objectifs, évaluations et expériences d’apprentissage; (3) est 

axé sur la compréhension; (4) est stimulant pour les élèves; 

(5) est authentique. Deux éléments sont jugés importants et 

en interdépendance lors de tout apprentissage: le sens (la 

nouvelle connaissance « [c]orrespond-elle à ce que 

l’apprenant sait du fonctionnement du monde? » [p. 46]) et la 

pertinence (dans quel but doit-il apprendre cela?). Le cerveau 

déciderait s’il est nécessaire d’encoder les informations 

reçues en se basant sur ces deux éléments. Lorsqu’il y a sens 

et pertinence, l’activité cérébrale serait beaucoup plus 

importante, et la rétention des connaissances serait 

nettement améliorée. Sousa et Tomlinson (2013, p. 50) 

concluent ce chapitre en affirmant qu’ « [u]n programme de 

formation de qualité favorise la compréhension en aidant les 

élèves à construire des cadres de signification autour de ce 

que certains appellent des ‘’concepts et principes 

fondamentaux’’ [ou] ‘’idées maîtresses’’ ». Cette visée 

favoriserait la construction de réseaux neuronaux chez les 

apprenants. 

Le quatrième chapitre de l’ouvrage vise à établir un pont 

entre l’évaluation et la différenciation pédagogique. Sousa et 

Tomlinson (2013) abordent d’abord le fait que l’évaluation est 

souvent associée à une « aura de négativité » et qu’elle est, la 

plupart du temps, synonyme d’examen et de notation. De 

plus, ces auteurs mentionnent que les enseignants ont 

souvent tendance à croire qu’une évaluation doit 

nécessairement comporter un piège et que cette vision 

actuelle de l’évaluation ne semble pas compatible avec le 

fonctionnement du cerveau. Les facteurs de stress liés aux 

examens sont donc abordés et les auteurs établissent 

notamment un lien entre le niveau de stress et la capacité de 

rappel des élèves, à court et à plus long terme. Ils discutent 

également du stress lié aux tests à temps fixe et mettent de 

l’avant le besoin d’établir une vision plus fructueuse de 

l’évaluation, c’est-à-dire une vision selon laquelle l’évaluation 

constitue davantage un outil d’appréciation, une possibilité 

de réflexion visant à améliorer la performance des élèves, 

plutôt qu’un moyen servant uniquement à contrôler les 

performances de ces derniers. 

De là, Sousa et Tomlinson (2013) dressent une liste de critères 

permettant d’identifier les pratiques d’évaluation efficaces. 

Parmi ces critères, il est notamment question de la présence 

d’objectifs d’évaluation clairs, tant pour les élèves que pour 

les enseignants. Ils soutiennent que des pratiques 

d’évaluation efficaces doivent d’une part contribuer à 

améliorer l’enseignement et, d’autre part, faire en sorte que 

les élèves deviennent les principaux bénéficiaires de 

l’évaluation, notamment au niveau de leur sentiment de 

sécurité émotionnelle. Les pratiques d’évaluation efficaces 

doivent donc contribuer à améliorer à la fois l’enseignement 

et l’apprentissage. Finalement, Sousa et Tomlinson (2013) 

abordent de manière plus spécifique les objectifs liés aux 

évaluations en classe en discutant deux types d’évaluation 

sommative, à savoir les évaluations qui mesurent les 

connaissances mémorisées et celles qui mesurent l’usage des 

fonctions exécutives. 

Le cinquième chapitre aborde la différenciation en fonction 

du bilan des acquis, à savoir « la proximité ou la compétence 

de l’élève relativement à un ensemble précis de 

connaissances et de compétences désignées comme 

essentielles à un segment d’étude particulier » (Sousa et 

Tomlinson, 2013, p. 80). Si l’enseignant ne tient pas compte 

du bilan des acquis d’un élève, ce dernier a moins de chance 

d’obtenir des résultats élevés. La notion de capacité serait liée 

à un modèle mental fixe tandis que le bilan des acquis semble 

être associé à un modèle mental fluide. Il est donc suggéré de 

se concentrer sur le bilan des acquis des élèves plutôt que sur 

leur capacité de façon à ce que les élèves entretiennent euxmêmes 

un modèle mental fluide par rapport à leurs propres 

apprentissages et au rôle qu’ils peuvent jouer dans leur 

apprentissage. Pour Sousa et Tomlinson (2013), il est 

important de tenir compte du bilan des acquis des élèves de 

façon à leur proposer des tâches qui se situent à leur portée, 

c’est-à-dire dans leur zone de développement proximale. Les 

auteurs se penchent ensuite sur l’apport des neurosciences à 

la théorie de la zone proximale de développement et 

concluent que les recherches sur le système d’attention du 

cerveau appuient les principes de cette théorie. 

Sousa et Tomlinson (2013) identifient et expliquent les 

éléments qu’il importe de considérer pour différencier 

l’enseignement selon les acquis des élèves : l’environnement 

d’apprentissage, le programme d’études, l’évaluation, la 

gestion de la classe et l’enseignement. Ils énoncent 

finalement des lignes de conduite à prendre en compte pour 

différencier efficacement l’enseignement en fonction du 

bilan des acquis. Ils précisent notamment en ce sens qu’il faut 

exprimer clairement quelles sont les attentes au terme d’une 

séquence d’enseignement; qu’il est nécessaire de concevoir 

une préévaluation afin de vérifier les préalables des élèves 

pour une séquence d’enseignement donnée; qu’il est 



souhaitable d’intégrer à la planification pédagogique des 

stratégies visant à répondre aux différents bilans des acquis 

des élèves; etc. 

Au sixième chapitre, la différenciation pédagogique en 

fonction des champs d’intérêt des élèves est expliquée. Les 

auteurs insistent d’abord sur l’importance de tenir compte de 

l’intérêt des élèves pour faciliter l’apprentissage. Ils 

définissent l’intérêt comme étant « un état émotionnel qui 

pousse une personne à se concentrer sur quelque chose 

parce que celle-ci revêt de l’importance pour elle » (p. 107). La 

différenciation de l’enseignement selon les intérêts des 

élèves permettrait d’améliorer leur efficacité comme 

apprenant de même que leurs résultats scolaires. De plus, « 

les élèves qui trouvent les tâches cognitives intéressantes et 

gratifiantes quand ils sont jeunes sont plus susceptibles de 

continuer à rechercher une stimulation cognitive en 

grandissant » (p. 109). Pour traiter la question de l’intérêt, 

Sousa et Tomlinson (2013) présentent les résultats d’études 

en neurosciences cognitives qui ont permis d’identifier 

certains comportements associés à l’intérêt et à la 

motivation. Ils identifient la région cérébrale du putamen 

comme étant liée à la motivation à apprendre. Puis, ils 

proposent sept thèmes pour stimuler l’intérêt des élèves en 

classe. Ces thèmes abordent notamment l’importance pour 

l’élève de pouvoir se projeter dans le contenu 

d’apprentissage, le fait de concevoir des séquences 

d’enseignement qui sont vivantes et riches de sens pour les 

élèves, etc. Comme au cinquième chapitre, la différenciation 

selon les champs d’intérêt est ensuite discutée en fonction 

des cinq composantes de l’apprentissage soit, 

l’environnement d’apprentissage, le programme de 

formation, l’évaluation, la gestion de la classe et 

l’enseignement. 

Au septième chapitre, Sousa et Tomlinson (2013, p. 131) font 

état des dimensions du profil d’apprentissage, c’est-à-dire 

« la façon dont les personnes ‘’abordent’’ l’apprentissage ». Le 

profil comporte quatre dimensions : les styles 

d’apprentissage, les préférences quant aux types 

d’intelligences, la culture et le genre. Parmi les éléments qui 

différencient les apprenants (bilan des acquis, centres 

d’intérêts et profils d’apprentissage), « le profil 

d’apprentissage et ses quatre dimensions est celui qui soulève 

la plus grande controverse parmi les experts » (p. 140). En 

effet, plusieurs méta-analyses menées au cours des dernières 

décennies indiquent que les approches d’enseignement 

basées sur, par exemple, les styles d’apprentissage, ne sont 

pas des prédicteurs significatifs du niveau de réussite scolaire 

(Kavale et Forness, 1987 ; Iliff, 1994 ; Slemmer, 2002, cités dans 

Hattie [2009]). De plus, les auteurs soulignent que plusieurs 

psychologues (p. ex. Linda Gottfredson) avancent que le 

modèle des intelligences multiples est mal documenté et peu 

pertinent à l’égard de l’apprentissage. 

Pour Sousa et Tomlinson (2013) le débat entourant les styles 

d’apprentissage proviendrait notamment du fait que le terme 

est appliqué à différents modèles conceptuels. Ainsi, il serait 

préférable d’examiner plutôt deux éléments distinctifs des 

styles d’apprentissage : le style cognitif, qui désigne des 

différences individuelles dans l’organisation et le traitement 

de l’information, et les stratégies d’apprentissages, qui 

désignent l’interface entre le style cognitif et les facteurs 

environnementaux. Le profil d’apprentissage est donc un 

concept en évolution dont la portée et les fondements sont 

complexes. Il serait d’ailleurs, selon les auteurs, fort associé 

aux processus cérébraux. En effet, s’il y a des différences 

individuelles dans l’organisation et le traitement de 

l’information, il devrait être possible d’observer ces 

différences au niveau de l’activité cérébrale. Toutefois, les 

auteurs soulignent que le profil d’apprentissage recueille peu 

de preuves parmi les recherches en neurosciences que les 

individus apprennent de manière différente en mobilisant des 

réseaux neuronaux distincts. Néanmoins, certaines preuves 

seraient associées au genre puisque des études démontrent, 

par exemple, que le cerveau féminin mobilise généralement 

plus de zones cérébrales pour traiter le langage que le 

cerveau mâle, et que la différence entre les sexes à cet égard 

découle d’une meilleure communication entre les deux 

hémisphères du cerveau féminin. 

Au huitième et dernier chapitre, Sousa et Tomlinson (2013) 

proposent des pistes d’intervention pour répondre aux 

besoins variés des apprenants au sein d’une classe. Ils 

abordent les principes de la gestion des élèves par une 

approche basée sur le leadership, des stratégies pour amener 

les élèves à prendre conscience de leurs différentes façons 

d’apprendre ainsi que des lignes de conduites pour gérer une 

classe différenciée. 

2. Analyse critique 

Chapitre 1 : Les caractéristiques de la différenciation 

efficace 

En introduction à l’ouvrage, Sousa et Tomlinson (2013) posent 

leur définition du modèle de différenciation pédagogique 

comme « une réponse de l’enseignant aux besoins de 

l’apprenant [...] » (p. 11). Pour les auteurs, les résultats de 

récentes recherches sur le cerveau confirmeraient les 

principes de la différenciation. Leur démonstration s’appuie 

sur sept principes de base de l’apprentissage du point de vue 

cérébral, mais aucune référence ne les appuie. La plupart des 

principes qu’ils décrivent sont mis en relation avec des 

caractéristiques cérébrales associées à l’apprentissage de 

manière générale, par exemple le fait que l’activité du lobe 

frontal du cerveau soit associée aux processus mentaux 

complexes et à la résolution de problèmes, processus propres 

à la différenciation pédagogiques. Ces liens ne sont pas tous 

explicites ou directs. Seul le premier principe, voulant que 

chaque cerveau soit organisé de façon unique, appuie 

directement une approche pédagogique différenciée. Or, 

cette idée s’oppose à de nombreux résultats de recherches 

en neurosciences, en neurosciences cognitives, en 

psychologique cognitive et en neuroéducation. Ces 



recherches tendent plutôt à démontrer que, bien que des 

différences individuelles existent suite à un apprentissage 

particulier, les mécanismes cérébraux tendent plutôt à 

converger qu’à diverger entre les individus, notamment en 

lecture (p. ex. Dehaene et al., 2010) ou en calcul (p. ex. 

Zamarian et al., 2009). La lecture du premier chapitre soulève 

donc quelques questionnements quant à l’absence de 

références et de liens directs entre les neurosciences et la 

différenciation pédagogique. 

Chapitre 2 : L’environnement d’apprentissage et la 

différenciation 

Au deuxième chapitre, les auteurs abordent principalement 

les effets de l’environnement d’apprentissage sur le 

développement du cerveau et éventuellement sur le degré 

d’intelligence de l’élève. Ils s’appuient notamment sur la 

recherche de Rao et al. (2010) pour avancer que bien que « la 

génétique ait une incidence certaine sur le développement 

du cerveau, de nombreux chercheurs en neurosciences 

soupçonnent les influences environnementales de jouer un 

rôle encore plus important à cet égard (…) » (Sousa et 

Tomlinson, 2013, p. 34). Ce résultat semble tout à fait crédible 

et il est intéressant pour tout éducateur. Toutefois, la 

seconde recherche citée ne semble pas directement appuyer 

l’idée selon laquelle un environnement stimulant exerce un 

effet sur le développement cérébral. En effet, la recherche de 

Shaw et al. (2006) a mesuré le lien entre le quotient 

intellectuel (QI) et l’épaisseur du cortex, qui serait un 

indicateur du développement cérébral, mais il n’y est 

aucunement question de la qualité de l’environnement, ni de 

l’environnement, ni de la stimulation des enfants, comme en 

témoignent ces deux extraits : « Thus, we have demonstrated 

that level of intelligence is related to the pattern of cortical 

growth during childhood and adolescence. » (Shaw et al., 

p. 678); et « ‘Brainy’ children are not cleverer solely by virtue of 

having more or less grey matter at any one age. Rather, 

intelligence is related to dynamic properties of cortical 

maturation » (Shaw et al., p. 678). Il semble que la référence 

utilisée ne permette pas d’appuyer l’idée avancée par les 

auteurs. 

Chapitre 3 : Le programme de formation et la 

différenciation 

Sousa et Tomlinson (2013) poursuivent au troisième chapitre 

sur l’importance d’un programme de formation de qualité. 

Pour les auteurs, le cerveau déciderait s’il est nécessaire 

d’encoder les informations reçues en vérifiant à la fois si 

l’information est facile à comprendre (si elle a du sens) et si 

elle est pertinente, c’est-à-dire si elle peut être liée à des 

expériences antérieures. Ainsi, lorsqu’il y a sens et 

pertinence, l’activité cérébrale serait beaucoup plus 

importante, et la rétention des connaissances serait 

nettement améliorée, ce qui constitue une idée intéressante 

pour les enseignants. Selon les auteurs, les recherches en 

neurosciences viendraient valider ce principe par des 

résultats démontrant que les enfants explorent leur 

environnement pour le simple plaisir. Conséquemment, il se 

créerait « dans le cerveau des jeunes enfants, des circuits 

neuronaux propres à la motivation intrinsèque » (p. 55). Ainsi, 

pour Sousa et Tomlinson, « chaque plan de cours devrait être 

simultanément un plan de motivation » (p. 55). Or, le lien 

établi par les auteurs entre le plaisir de découvrir et 

l’importance de plans de cours stimulants semble plutôt 

éloigné. De plus, la principale étude citée (Kaplan et Oudeyer, 

2007) relève des neurosciences computationnelles, un 

domaine qui se spécialise dans la formulation d’hypothèses 

mathématiques sur les réseaux neuronaux qui s’inspire de la 

biologie, mais qui vérifie celles-ci sur des robots. Il s’agit 

d’une théorie non vérifiée chez l’être humain. De plus, comme 

des circuits neuronaux existent pour pratiquement toute 

activité cognitive ou affective, il est pratiquement impossible 

de se tromper en affirmant que la motivation intrinsèque 

relève d’un tel type de circuit. Ce n’est donc pas une 

particularité cérébrale, mais bien une généralité, voire un 

simple lien logique, selon la référence présentée. 

Chapitre 4 : L’évaluation et la classe de différenciation 

L’intention des auteurs est de présenter, au quatrième 

chapitre, les pratiques d’évaluation efficaces. Ils 

recommandent aux enseignants de ne pas systématiquement 

intégrer de questions pièges aux évaluations et d’éviter les 

évaluations à temps fixe afin de ne pas engendrer un stress 

trop grand. Lorsque l’élève fait face à un stress, la sécrétion 

de cortisol redirigerait son attention vers le stress au 

détriment du contenu de l’évaluation et du rappel des notions 

comme la structure d’un texte argumentatif ou l’opération 

mathématique à réaliser. Le lien avec le cerveau semble ici 

explicite, mais les références utilisées concernent des études 

comportementales qui ne sont pas liées au cerveau. L’étude 

de Petersen (2009) n’a, en plus, rien à voir avec le cortisol et 

le cerveau, de même que l’étude de Tsui et Mazzocco (2007). 

En somme, l’idée est à nouveau intéressante pour les 

enseignants, toutefois elle n’est pas suffisamment 

documentée. De plus, il aurait été intéressant de discuter de 

la pertinence d’introduire des pièges aux évaluations tout en 

prévenant les élèves de leur existence afin de contribuer à 

développer les capacités de contrôle cognitif ou d’inhibition 

comme certains laboratoires de recherche le proposent (p. 

ex. Houdé et al., 2000). 

Les auteurs recommandent ensuite de recourir à des 

questions ouvertes lors des évaluations puisque celles-ci 

stimulent plusieurs zones du cerveau. Or, la démonstration 

souffre de quelques lacunes qui minent sa crédibilité. Les 

régions cérébrales sur la figure 4.1 à la page 68 ne sont pas 

identifiées et les recherches qui ont permis d’obtenir ces 

résultats ne sont pas expliquées. L’enseignant peut alors se 

demander ce qu’il peut retirer de cette démonstration pour 

son enseignement. 



Chapitre 5 : La différenciation en fonction des acquis 

Au chapitre cinq, les auteurs avancent que les études en 

neurosciences appuient le modèle de la zone proximale de 

développement (ZPD) élaboré par Vygotsky (1978), mais sans 

mentionner de références. Des propriétés cérébrales sont 

également évoquées sans référence, notamment celle selon 

laquelle « la fonction principale du cerveau est d’aider la 

personne à survivre » (Sousa et Tomlinson, 2013, p. 85). Or, 

les implications pédagogiques qui en découlent sont peu 

explicites. Par exemple, les auteurs tentent de faire le lien 

entre le fait que le cerveau évalue l’information afin de 

détecter les menaces et le fait qu’une tâche d’apprentissage 

trop ardue puisse décourager un élève. L’éclairage que les 

connaissances sur le cerveau apportent à la problématique 

du stress ou de l’échec scolaire n’est, en somme, pas 

clairement situé. Le lecteur peut donc se demander en quoi 

comprendre le fonctionnement ou l’architecture cérébrale 

peut contribuer à mieux enseigner ou à mieux comprendre la 

nature du travail demandé à l’élève. 

Chapitre 6 : La différenciation en fonction des champs 

d’intérêts des élèves et Chapitre 7 : La différenciation en 

fonction du profil d’apprentissage 

Dans les derniers chapitres traitant de résultats 

neuroscientifiques, Sousa et Tomlinson (2013) présentent le 

profil d’apprentissage comme un concept fondamental à la 

différenciation pédagogique et sans contredit associé aux 

processus cérébraux. S’il y a des différences individuelles 

dans l’organisation et le traitement de l’information, il devrait 

être possible d’observer ces différences au niveau de l’activité 

cérébrale. Toutefois, les auteurs soulignent que les 

recherches en neurosciences cumulent peu de preuves que 

les individus apprennent de manière différente en mobilisant 

des réseaux neuronaux distincts. Ce point de vue apparait 

prudent et nuancé, mais il contredit cependant un principe 

fondamental avancé par les auteurs au premier chapitre, soit 

que chaque cerveau est organisé de manière unique. 

Pour les auteurs, certaines preuves des profils 

d’apprentissage s’observeraient entre les genres, notamment 

au niveau du langage. « Les études démontrent, par exemple, 

que le cerveau féminin mobilise généralement plus de zones 

cérébrales pour traiter le langage que le cerveau mâle, et que 

la supériorité des femmes à cet égard découle d’une meilleure 

communication entre les deux hémisphères du cerveau […] » 

(Sousa et Tomlinson, 2013, p. 141). Or, ces idées sont loin de 

faire consensus. Comme l’explique Vidal (2012) dans la revue 

Neuroethics, la recherche scientifique a démontré que les 

cerveaux féminin et masculin diffèrent au niveau du contrôle 

des fonctions reproductives, à savoir la régulation des 

systèmes hormonaux et des comportements sexuels (Jordan- 

Young, 2010). Néanmoins, du point de vue des fonctions 

cognitives (mémoire, attention, raisonnement), les 

différences individuelles dépassent les différences 

attribuables aux sexes (Vidal, 2005). Dans une méta-analyse 

parue en 2004, Sommer conclut, à partir des résultats de 24 

articles portant sur 819 participants, que la différence du 

traitement langagier n’a pu être reproduite et qu’aucune 

différence significative n’est observée entre la répartition des 

aires du langage chez les femmes et les hommes. Plus 

récemment, Allendorfer et al. (2012) en arrivent à des 

résultats similaires : « Perhaps the most remarkable finding in 

this study is how few sex differences in language-related 

activation exist when directly comparing males and females 

that are matched for age and performance (…) » (p. 1230). 

Cet exemple rappelle l’importance d’user du principe de 

précaution quant aux conclusions à tirer des recherches 

tentant d’identifier les différences cérébrales individuelles ou 

genrées. D’abord, il semble important de vérifier que les 

résultats sont reproduits dans plusieurs expériences et qu’un 

nombre suffisant de participants ont été recrutés. Ensuite, 

certaines limites méthodologiques comme le fait de négliger 

l’influence des variables médiatrices (performance, 

différences culturelles, etc.) peuvent affaiblir la crédibilité 

des résultats. Des résultats de recherche plus isolés ou 

anecdotiques suffisent difficilement à justifier des 

recommandations pédagogiques. 

Conclusion 

Sousa et Tomlinson (2013) ont tenté un rapprochement 

intéressant entre le fonctionnement du cerveau humain et 

une prise en compte des besoins individuels des apprenants 

par la différenciation pédagogique. Certaines idées 

apparaissent bien appuyées et pertinentes pour 

l’enseignement, entre autres celle d’intégrer plus 

systématiquement l’évaluation des fonctions exécutives 

comme le contrôle cognitif. Néanmoins, pour que 

l’argumentaire soit plus convaincant, un ton plus neutre 

serait souhaitable compte tenu que les auteurs discutent d’un 

modèle qu’ils ont eux-mêmes élaboré. Une justification plus 

étoffée de la sélection des références et une présentation 

plus transparente des études sur lesquelles les 

recommandations pédagogiques s’appuient pourraient 

également ajouter à la crédibilité du propos. 

En somme, l’ouvrage de Sousa et Tomlinson (2013) est 

accessible et démontre une intention claire de s’ancrer dans 

la pratique enseignante. Toutefois, la présentation des 

résultats issus des neurosciences souffre de certains 

raccourcis et, conséquemment, les recommandations 

pédagogiques qui en découlent peuvent apparaître 

simplistes. Dans un domaine aussi récent et qui suscite 

autant l’admiration que les neurosciences, un souci de 

présenter avec prudence les connaissances émergentes doit 

prévaloir sans quoi il est probable que, malgré eux, les auteurs 

renforcent certains neuromythes (Simmonds, 2014) ou en 

favorisent l'émergence de nouveaux. Avec seulement 15 pages 

sur un total de 200 qui traitent du fonctionnement cérébral, 

Sousa et Tomlinson ne se sont possiblement pas laissé 

suffisamment d’espace pour apporter ces nuances. Les 



enseignants qui souhaitent s’initier à la différenciation 

pédagogique trouveront dans l’ouvrage plusieurs réponses à 

leurs interrogations, toutefois ceux qui souhaitent en 

apprendre davantage sur les liens entre le cerveau et les 

problématiques éducatives resteront possiblement sur leur 

appétit. 

Références 

Allendorfer, J. B., Lindsell, C. J., Siegel, M., Banks, C. L., 

Vannest, J., Holland, S. K. et Szaflarski, J. P. (2012). 

Females and males are highly similar in language 

performance and cortical activation patterns during verb 

generation. Cortex, 48(9), 1218-1233. 

https://doi.org/10.1016/j.cortex.2011.05.014 

Dehaene, S., Pegado, F., Braga, L. W., Ventura, P., Filho, G. N., 

Jobert, A., ... et Cohen, L. (2010). How learning to read 

changes the cortical networks for vision and language. 

Science, 330(6009), 1359-1364. 

https://doi.org/10.1126/science.1194140 

Diamond, A. (2009). All or none hypothesis: A global-default 

mode that characterizes the brain and mind. 

Developmental Psychology, 45(1), 130-138. 

https://doi.org/10.1037/a0014025 

Houdé, O., Zago, L., Mellet, E., Moutier, S., Pineau, A., 

Mazoyer, B. et Tzourio-Mazoyer, N. (2000). Shifting from 

the perceptual brain to the logical brain: The neural 

impact of cognitive inhibition training. Journal of 

Cognitive Neuroscience, 12(5), 721-728. 

https://doi.org/10.1162/089892900562525 

Iliff, C. H. (1994). Kolb Learning Style Inventory: A metaanalysis. 

Unpublished Ed.D. dissertation, Boston 

University, MA. 

Jordan-Young, R. (2010). Brain storm: The flaws in the science 

of sex differences. Cambridge, MA: Harvard University 

Press. 

Kaplan, F. et Oudeyer, P. Y. (2007). In search of the neural 

circuits of intrinsic motivation. Frontiers in 

neuroscience, 1(1), 225-236. 

https://doi.org/10.3389/neuro.01.1.1.017.2007 

Kavale, K. A. et Forness, S. R. (1987). Substance over style: 

Assessing the efficacy of modality testing and teaching. 

Exceptional Children, 54(3), 228-239. 

https://doi.org/10.1177/001440298705400305 

Mitchell, J. P., Banaji, M. R. et MacRae, C. N. (2005). The link 

between social cognition and self-referential thought in 

the medial prefrontal cortex. Journal of Cognitive 

Neuroscience, 17(8), 1306-1315. 

https://doi.org/10.1162/0898929055002418 

Petersen, J. (2009). “This test makes no freaking sense”: 

Criticism, confusion, and frustration in timed 

writing. Assessing Writing, 14(3), 178-193. 

https://doi.org/10.1016/j.asw.2009.09.006 

Rao, H., Betancourt, L., Giannetta, J. M., Brodsky, N. L., 

Korczykowski, M., Avants, B. B., ... et Farah, M. J. (2010). 

Early parental care is important for hippocampal 

maturation: evidence from brain morphology in humans. 

Neuroimage, 49(1), 1144-1150. 

https://doi.org/10.1016/j.neuroimage.2009.07.003 

Shaw, P., Greenstein, D., Lerch, J., Clasen, L., Lenroot, R., 

Gogtay, N., ... et Giedd, J. (2006). Intellectual ability and 

cortical development in children and adolescents. 

Nature, 440(7084), 676-679. 

https://doi.org/10.1038/nature04513 

Simmonds, A. (2014). How neuroscience is affecting education: 

Report of teacher and parent surveys. London, UK: 

Wellcome Trust. 

Slemmer, D. L. (2002). The effect of learning styles on student 

achievement in various hypertext, hypermedia, and 

technology-enhanced learning environments: A metaanalysis. 

Ed.D. dissertation, Boise State University, ID. 

https://www.learntechlib.org/p/122865/ 

Sommer, I. E., Aleman, A., Bouma, A. et Kahn, R. S. (2004). Do 

women really have more bilateral langage representation 

than men? A meta-analysis of functional imaging studies. 

Brain, 127(8), 1845–1852. 

https://doi.org/10.1093/brain/awh207 

Sousa, D. A. et Tomlinson, C. A. (2013). Comprendre le cerveau 

pour mieux différencier : Adapter l’enseignement aux 

besoins des apprenants grâce aux apports des 

neurosciences. Montréal, QC : Chenelière Éducation 

Tomlinson, C. A. (2004). La classe différenciée. Montréal, QC: 

Chenelière Éducation. 

Tomlinson, C. A., Brighton, C., Hertberg, H., Callahan, C. M., 

Moon, T. R., Brimijoin, K., ... et Reynolds, T. (2003). 

Differentiating instruction in response to student 

readiness, interest, and learning profile in academically 

diverse classrooms: A review of literature. Journal for the 

Education of the Gifted, 27(2-3), 119-145. 

https://doi.org/10.1177/016235320302700203 

Tsui, J. M. et Mazzocco, M. M. (2007). Effects of math anxiety 

and perfectionism on timed versus untimed math testing 

in mathematically gifted sixth graders. Roeper 

Review, 29(2), 132-139. 

https://doi.org/10.1080/02783190709554397 

Vidal, C. (2012). The sexed brain: between science and 

ideology. Neuroethics, 5(3), 295-303. 

https://doi.org/10.1007/s12152-011-9121-9 

Vidal, C. (2005). Brain, sex and ideology. Diogenes, 52(4), 127- 

133. https://doi.org/10.1177/0392192105059477 



Vygotsky, L. S. (1978). Mind in society: The development of 

higher psychological processes. Cambridge, MA: Harvard 

University Press. 

Zamarian, L., Ischebeck, A. et Delazer, M. (2009). 

Neuroscience of learning arithmetic - Evidence from 

brain imaging studies. Neuroscience & Biobehavioral 

Reviews, 33(6), 909-925. 

https://doi.org/10.1016/j.neubiorev.2009.03.005

Neuroeducation_2014_vol-3_no-1_full

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?