Par Alexandre Roberge  | a.roberge@cursus.edu

La personnalisation éducative par les données

Créé le dimanche 29 janvier 2017  |  Mise à jour le mercredi 1 mars 2017

La personnalisation éducative par les données

Les données accumulées sur des millions utilisateurs d'Internet ont particulièrement aidé les publicitaires à comprendre les comportements en ligne. Conséquemment, voilà pourquoi nous avons droit à des publicités personnalisées chaque fois que nous nous promenons sur le réseau.

Toutefois, il n’y a pas que le monde du marketing qui peut bénéficier des données massives. De nombreux spécialistes croient que celui de l’éducation ressortirait gagnant d’utiliser ces informations. Une approche dite « Learning Analytics » - données d'apprentissage - intéresse de plus en plus de gens.

Différents types d’analyse

Avec l’avènement des LMS (Learning management system) dits aussi environnement numérique d’apprentissage (ENA), il devient facile de suivre les apprenants au cours de leur formation. D’autant plus si ces solutions sont employées par des établissements, ces plateformes de travail deviennent des sondes qui calculent tout : les notes dans les différents travaux, l’absentéisme, les fautes récurrentes, etc. Dans le cas des approches de classe inversée ou à distance, il peut même être noté pour chaque élève le temps de visionnement des capsules ou la participation aux activités. Pour ceux qui offrent des solutions numériques pédagogiques, le « Learning Analytics » devient un argument de plus pour adopter un ou leur produit.

Mais à quoi peuvent servir les données? Comment peuvent-elles être analysées? Selon Hobsons, il y a trois façons de le faire. Celles-ci s’apparentent un peu au travail d’un météorologue.

  • L’analyse descriptive permet de voir des schémas dans l’apprentissage d’un élève. Ainsi, on peut comprendre ce qui s’est passé et en tirer des leçons.
     
  • L’analyse prédictive se sert des données pour essayer de prévoir si un apprenant est à risque d’échouer afin de prévenir que cela arrive. Des LMS ont d’ailleurs implanté ce genre de système qui permet de créer des « alertes » que les professeurs peuvent remarquer.
     
  • Enfin, l'analyse prescriptive cherche à savoir ce qu’on pourrait faire pour améliorer l’enseignement et les outils qui devraient être utilisés. Ici, les données permettent d’accoler les solutions, voir ce qui fonctionnerait le mieux ou pas selon les situations.
     

Une approche encourageante, pas miraculeuse

Ainsi, les données jouent autant sur l’individuel que le collectif. Par exemple, un professeur qui remarquerait dans une formation en ligne que ceux qui participent le plus aux discussions sont ceux qui ont de meilleures notes saura alors qu’il faudra encourager les apprenants plus passifs.Il pourait aussi remarquer que la plupart ont des difficultés avec un module particulier et ainsi enrichir les explications ou changer la pédagogie sur de point précis afin de l'éclaircir.

Il est aussi l’outil de l’enseignement personnalisé. En effet, avec les données personnelles, il devient plus aisé d’établir un profil de l’individu en apprentissage et de l’accompagner dans son parcours. En connaissant ses compétences, il sera plus facile d’adapter le cours ou de cibler des approches pédagogiques plus efficaces.

Pour certains, cette combinaison d’analyse de données éducatives avec un enseignement personnalisé permettra à l’apprenant d’avoir un sentiment de capacitation qui pourrait générer des impacts réels sur son investissement dans son apprentissage. Il y en a qui évoquent des chiffres de taux de rétention et réussite accru de 5 à 20 % grâce à l’usage des données.

Un potentiel peu utilisé par les professeurs et les institutions

Mais qu’en est-il réellement? Le phénomène est encore nouveau et peu de recherches se sont faites sur le sujet. Toutefois, une étude publiée en 2016 qui s’est intéressée sur des pratiques par des pionniers en Europe, Australie et Amérique du Nord amène des conclusions intéressantes. Il semble après avoir analysé les différents dispositifs et la littérature sur le sujet, que les effets du « Learning Analytics » soient difficiles à noter. Il y a bien quelques articles relatant des statistiques encourageantes, mais rien qui ne permette de conclure que l’usage d’analyse de données en pédagogie a forcément une influence positive sur l’enseignement.

Les chercheurs ont d’ailleurs affirmé qu’il n'était pas aisé d’étudier les effets puisque chaque établissement s’en sert de manière différente. Certains pour détecter les élèves qui abandonnent l'école et d’autres pour améliorer l’offre pédagogique. Difficile donc de noter un effet exhaustif quand les initiatives sont éparses. Voilà pourquoi ils ont, dans leur volumineux document de 152 pages, offert des dizaines de recommandations afin que l’usage de « Learning Analytics » soit plus efficace sur le continent européen.

Ils proposent entre autres une approche plus globale de ces technologies, l’implantation d’une structure scolaire qui permet de facilement implanter le big data, de standards éthiques très élevés pour éviter que ces informations soient utilisées à de mauvaises fins et surtout de supporter et former le personnel enseignant à ces outils. Parce que même avec des milliers de données accumulées, l’enseignement reste avant tout une affaire humaine.

Illustration : Marc_Smith via Foter.com / CC BY

Références

Amice, Laurent - Learning analytics : quand le big data investit les domaines de l'éducation et de la formation - JDN. Dernière mise à jour : 11 avril 2016. http://www.journaldunet.com/solutions/expert/64043/learning-analytics---quand-le-big-data-investit-les-domaines-de-l-education-et-de-la-formation.shtml.

Chapman, Kenneth. "Learning Analytics Can Make Your Life Easier." D2L. Dernière mise à jour : 5 février 2016. https://www.d2l.com/blog/learning-analytics-can-make-your-life-easier/.

Chen, Bodong. "How Technology and Learning Analytics Are Transforming Education." CEHD Vision 2020. Dernière mise à jour : 29 janvier 2016. https://cehdvision2020.umn.edu/blog/technology-and-learning-analytics/.

Ferguson, Rebecca, Andrew Brasher, Doug Clow, Adam Cooper, Garron Hillaire, Jenna Mittelmeier, et al. "Research Evidence on the Use of Learning Analytics:Implications for Education Policy." EU Science Hub. Dernière mise à jour : 13 janvier 2017. https://ec.europa.eu/jrc/en/publication/eur-scientific-and-technical-research-reports/research-evidence-use-learning-analytics-implications-education-policy.

Sampson, Demetrios G. "Learning Analytics: Analyze Your Lesson To Discover More About Your Students." ELearning Industry. Dernière mise à jour : 22 octobre 2016. https://elearningindustry.com/learning-analytics-analyze-lesson.

Stein, Ben. "Learning Analytics: More Than Just Weather Forecasting?" Hobsons. Dernière mise à jour : 25 mars 2016. https://www.hobsons.com/resources/entry/learning-analytics-more-than-just-weather-forecasting.

Whitmer, John. "An Important Role for Learning Analytics." Moodlerooms. Dernière mise à jour : 30 mars 2016. https://www.moodlerooms.com/2016/03/30/important-role-learning-analytics/.

Poster un commentaire

Commentaires

0 commentaire