VR Diagnostix

Le technologue de laboratoire médical (TLM) joue un rôle clé en aidant le médecin à établir des diagnostics ou à suivre des traitements. Ce métier, qui comporte une forte composante technique, exige une connaissance approfondie des sciences biomédicales ainsi qu'une grande capacité d'adaptation aux nouvelles technologies. La formation des TLM se concentre principalement sur la pratique et l'apprentissage en laboratoire des techniques d'analyses médicales manuelles. Cependant, ces méthodes traditionnelles ont été presque entièrement remplacées par des analyses automatisées dans les laboratoires médicaux. Cela entraîne des lacunes lors des stages cliniques et une demande croissante de supervision de la part des professionnels des laboratoires, qui sont déjà débordés en raison d'une pénurie de TLM.

Pour relever ces défis, le projet vise à :

• mettre au point un prototype de Serious Game en réalité virtuelle. Cet outil immerge les apprenants dans des "cas cliniques" où ils doivent réaliser les gestes techniques nécessaires sur les automates.
• évaluer l'intégration de cet outil dans les séquences d'apprentissage et d'évaluation, tout en identifiant les conditions nécessaires pour offrir une expérience utilisateur optimale favorisant l'acquisition des compétences requises pour maîtriser les analyses médicales automatisées.

Cette recherche propose une approche mixte, intégrant des méthodes quantitatives par l’évaluation de l'expérience utilisateur et de l'acquisition des compétences, et qualitatives par une évaluation visant l'amélioration continue.

1. Conception des séquences d’apprentissage et d’évaluation (SAE) dans le domaine de l’hématologie et de la chimie clinique intégrant le Serious Game.
2. L’outil et la SAE seront testés par des étudiants inscrits dans le Cursus de Technologue de Laboratoire Médical (TLM) de HELMo, de la HEPL et de la HECh. L'évaluation se fera à trois niveaux :

• L'expérience utilisateur s'appuiera sur le modèle holistique proposé par Tcha-Tokey et al. (2016), qui a montré une bonne fiabilité et sensibilité dans le contexte d’un Edugame. Ce modèle permet de mesurer l’ensemble des composantes clés de l’expérience utilisateur. Les données du questionnaire seront analysées à l’aide du coefficient alpha de Cronbach pour évaluer la fiabilité de chaque dimension de l'expérience utilisateur. Un score moyen global sur 10 sera ensuite calculé pour chaque dimension. Ces résultats permettront aux chercheurs interdisciplinaires d'identifier les points forts et les points à améliorer du Serious Game, en vue d'optimiser l'expérience utilisateur.
• L’acquisition de compétences des participants sera mesurée de manière linéaire à trois moments clés : avant la SAE (pré-test), immédiatement après (post-test), et après le stage clinique dans le domaine concerné (test post-stage). Une analyse de variance à mesures répétées (ANOVA) sera réalisée, avec le niveau de compétences comme variable dépendante et les trois temps de passation comme variable indépendante. Cette analyse permettra de vérifier si l'un des principaux objectifs pédagogiques de la SAE, à savoir l'acquisition des compétences, est atteint.
• Les pistes d’amélioration de l’outil seront discutées et validées par des groupes de discussion mixtes (étudiants, maîtres de stage, enseignant·e·s).
• La méthodologie complète est accessible en cliquant sur ce lien.

Le projet VR Diagnostix vise à valoriser et pérenniser les résultats d’une recherche antérieure, à savoir le projet FunForLab, financé dans le cadre de l’appel Interreg EMR. VR Diagnostix s'appuiera sur l'outil de Serious Game en réalité virtuelle développé dans FunForLab, en l’intégrant dans diverses séquences d’apprentissage et d’évaluation.

Au terme du projet VR Diagnostix, les centres de formation des TLM disposeront d’un Serious Game en réalité virtuelle comme outil TICE intégré dans une séquence d’apprentissage et d’évaluation. L’outil aura été validé pour son expérience utilisateur et son potentiel de permettre l’acquisition des compétences professionnelles nécessaires au maniement des automates et le traitement de cas cliniques.

HELMo :

• Birgit Quinting : Coordinatrice de recherche
• Sonia El Guendi : Project Manager et chercheuse
• Marie-Hélène Straeten : Chercheuse
• Pierre Pagacz : Chercheur

HEPL :

• Florence Quesada Calvo : Chercheuse
• Célia Reynders : Chercheuse

Du 14/09/2024 au 14/09/2026

Kick-off du projet : 19/09/2024