Par Denys Lamontagne  | direction@cursus.edu

Apprentissage augmenté et prévention de l’abandon en ligne

Créé le mardi 19 juin 2012  |  Mise à jour le mercredi 12 septembre 2012

Apprentissage augmenté et prévention de l’abandon en ligne

Avec de la facilité dans une matière comme les langues, mais plus de difficultés avec d’autres comme la philosophie ou les mathématiques, j’ai parcouru et parcouru encore les cours et les exercices offerts sur ces différents sujets.

Peut-être qu’à force de travail vous avez réussi à obtenir des notes honorables dans toutes les matières, mais vous savez sans l’ombre d’un doute quelles sont celles qui représentent vos réelles compétences et vos véritables intérêts; en ce sens votre parcours est plus révélateur que vos notes finales. Dans le cas de tricheurs, le parcours paraîtra tout simplement incohérent par rapport aux résultats finaux.

À un niveau plus subtil, notre intérêt transparaît dans les échanges et les propos que nous tenons sur chaque sujet tout comme dans notre façon de parvenir au succès dans chacune des matières.

Le professeur ou le tuteur peut tenir compte des parcours et de l’intérêt de chacun et s’appuyer sur les modifications des paramètres d’assiduité, de vitesse, des résultats aux exercices ou des échanges pour moduler son activité d’enseignement.

Nous avons les outils !

Spécialement en formation en ligne, les taux d’abandons sont souvent impressionnants.  Pourtant les outils d’analyse de données et de suivi des indicateurs permettent de détecter plusieurs signes annonciateurs.

Mieux encore, les individus peuvent observer leurs propres démarches et s’ajuster eux-même si on leur indique comment exploiter les données qu’ils génèrent et leurs professeurs peuvent analyser des données de groupe et détecter ainsi quels sont les supports ou les approches les plus efficaces ou, à l'inverse, qui provoquent des problèmes.

On sait que la première condition de l’apprentissage est l’existence de l'intérêt pour l'objet de l'apprentissage ; sans intérêt, l’apprentissage prend la forme d’un gavage sans grand résultat. Un indicateur s’appuyant sur des données simples peut déterminer l'intérêt ou l’ennui par rapport à un sujet tout comme l’enthousiasme ou le dédain et de là on peut orienter clairement différentes actions à réaliser avant de se résoudre à constater l'abandon.

L’individu peut lui même estimer son niveau d’intérêt subjectif à chaque étape et mesurer ainsi ce qui fait augmenter ou décroître son intérêt, de manière à prendre progressivement le contrôle de ses apprentissages. Car la hausse ou la baisse du niveau d'intérêt ne surviennent pas au hasard; il se passe quelque chose.

Les cours qui utilisent les données

Des cours en ligne construits pour livrer des données pertinentes aux apprenants et intégrés à des systèmes de gestion des apprentissages (SGA - LMS - Learning Management System) permettent d’améliorer le ciblage et la pertinence des activités d’apprentissage, mais la structure du cours elle-même doit permettre la génération de données significatives et leur exploitation.

Points mérités, messages, statistiques personnelles et comparées, tableau de progression sont utilisés depuis longtemps comme moyens de motivation et de rétroaction; il manque le paramètre le plus important : le niveau d'intérêt.

Mesurer l’intérêt pour déterminer le type d'activité à privilégier est sans doute le meilleur moyen de prévention de l’abandon et est pourtant quasi absent de la plupart des cours en ligne.

On suppose que vous choisissez un cours parce que vous y avez un intérêt; on a... intérêt à ce qu'il demeure bien vivant tout au long du cours. Alors on aura une utilisation de données augmentant véritablement l'apprentissage.


Poster un commentaire

Commentaires

0 commentaire