Articles

Les délicates questions éthiques des «learning analytics»

Les learning analytics suscitent beaucoup d'espoir, mais aussi plusieurs questions d'éthique

Par Alexandre Roberge , le 25 février 2018 | Dernière mise à jour de l'article le 11 avril 2018

Certaines technologies bouleversent l’ordre des choses. Alors qu’il pouvait être difficile de comprendre le processus d’apprentissage d’un étudiant, les outils d'analyse de données en offrent des portraits de plus en plus précis. Avec le numérique, il est possible de savoir la présence ou non d’un apprenant en cours, le temps passé sur une page ou à effectuer des exercices, les sites visités pour une recherche, etc. Avec des capteurs, le mouvement oculaire sur une page peut être analysé afin de développer des manuels qui prendront en compte les habitudes de lecture et auront plus d'efficacité.

Ces données semblent être une superbe affaire pour le milieu éducatif. Dans un monde qui cherche de plus en plus à personnaliser l’éducation et à éviter les décrochages, ces avancées technologiques représentent des occasions inestimables. Sauf que tout bond technologique mène à des questionnements éthiques. En effet, tout n’est pas rose dans le domaine et des questions sont soulevées alors que les learning analytics deviennent populaires.

L’éthique dans tout ça?

De prime abord, une l’acquisition d’autant de données sur des apprenants, souvent mineurs, peut inquiéter. Nous savons déjà que les données recueillies actuellement sur Internet ne servent pas qu’à améliorer les services. Elles s’avèrent fréquemment transférées ou achetées par des entreprises qui veulent les utiliser à des fins lucratives. Et cette réalité est aussi présente en éducation. Pour l’instant, il n’y a pas encore eu de problèmes identifiés, mais en 2014, des parents américains ont dû faire pression afin d’éviter qu’une entreprise privée obtienne le contrat de recueillir des données dans les écoles de neuf états. En France, la CNIL s’est d’ailleurs prononcée en 2017 pour que la Charte de confiance portée par le Ministère de l’éducation français comprenne une clause allant dans l'interdiction de ce type de pratique.

De plus, les systèmes numériques ont bien des capacités, mais pas nécessairement de jugement. Une professeure britannique raconte l’histoire de son fils qui a été renvoyé de l’université après avoir été « trop absent des cours ». Or, celui-ci n’avait rien manqué jusque là. En fait, il ne lui avait pas été précisé qu’il fallait qu’il scanne une carte à l’entrée du cours (qu’il eut en retard) chaque fois. Conséquemment, le système a enregistré de nombreuses absences… qui n’en étaient pas. Il fut averti de la situation des mois après, par  un courriel auquel le jeune homme ne répondit pas assez vite. Et quand il voulut régler la situation, il était déjà trop tard et il était renvoyé. Il s'agit clairement du signe d'un établissement n'ayant pas modifié ses approchés malgré ces nouvelles technologies. Il aurait fallu que les avertissements arrivent plus tôt et par plus d’un moyen que le courriel.

Le facteur humain ne doit pas être oublié

Pourtant, certains établissements arrivent à bien intégrer le même type de système. Par exemple, la Georgia State University, aux États-Unis, a un fonctionnement similaire à celui décrit plus tôt. Destiné aux étudiants de milieux plus modestes, il vise à les garder en selle durant leurs études. Or, les avertissements sont automatiques, et surtout, l’université a engagé une quarantaine de nouveaux conseillers afin d’organiser des rencontres directes avec les étudiants. Ainsi, ils peuvent échanger leurs impressions, recevoir du soutien, des conseils et plans d'intervention pour se motiver et poursuivre leurs études.

Et puis, si certaines technologies permettent d’analyser les prédispositions d’un apprenant à être un étudiant universitaire, il ne faut pas oublier que contrairement à ce que le nom anglais semble décrire (predictive analytics), ce ne sont pas des prévisions. Voilà pourquoi il faut que les humains qui étudient les données soient formés à cette réalité : le big data ne révèle pas tout. Et cela pourrait susciter beaucoup de craintes chez les adolescents et jeunes adultes que de leur dire que ce seront des ordinateurs qui décideront de leur avenir éducatif.

Les partisans des technologies d’analyse affirment qu'elles amélioreront les notes des apprenants. Peu d'études ont pu confirmer cette hypothèse. Cet article de 2017 pourrait calmer les ardeurs des partisans des learning analytics. Leur approche nuancée affirme qu’il y a effectivement des avantages à ces méthodes, qu’elles permettent en effet de bien comprendre la consommation du matériel pédagogique par les apprenants.

Or, en analysant les comportements d’une quarantaine d’étudiants qui devaient lire différents documents et en faire une dissertation, ils ont remarqué qu’il n’y avait pas réelle corrélation entre les données et les notes. En effet, certains qui jetaient des coups d’œil distraits avaient de très bons résultats alors que d’autres qui observaient tout bien ne mettaient pas d’efforts dans leur rédaction.

Cela ne veut pas dire qu’il ne faille pas s’intéresser aux données. Elles peuvent apporter des éclairages et expliquer des habitudes d’apprentissage fort importantes, pouvant guider le personnel enseignant dans leurs approches avec les différents apprenants. Or, ne s’en remettre qu’à des algorithmes et des données sans contexte et croire que le big data, sans support humain, mènera à une réussite stupéfiante des apprenants semble relever du souhait plutôt que de la réalité.

Illustration : _ENDSTATION_ 13-Endstation_171127 via photopin (license)

Références

Chatellier, Régis. "Learning Analytics : Quelles Sont Les Données Du Problème ?" LINC. Dernière mise à jour : 27 juin 2017. https://linc.cnil.fr/fr/learning-analytics-quelles-sont-les-donnees-du-probleme.

Dobo, Nichole. "When Using Data to Predict Outcomes, Consider the Ethical Dilemmas, New Report Urges." The Hechinger Report. Dernière mise à jour : 7 mars 2017. http://hechingerreport.org/using-data-predict-outcomes-consider-ethical-dilemmas-new-report-urges/.

"Will Learning Analytics Empower or Entrap Students and Academics?" Times Higher Education (THE). Dernière mise à jour : 7 septembre 2017. https://www.timeshighereducation.com/features/will-learning-analytics-empower-or-entrap-students-and-academics#survey-answer.

Wilson, Anna, Cate Watson, Terrie Lynn Thompson, Valerie Drew, and Sarah Doyle. "Learning Analytics: Challenges and Limitations." Taylor & Francis. Dernière mise à jour : 24 mai 2017. http://srhe.tandfonline.com/doi/full/10.1080/13562517.2017.1332026?scroll=top&needAccess=true.
 

Avez-vous apprécié cette page?

Voir plus d'articles de cet auteur

Accédez à des services exclusifs gratuitement

Inscrivez-vous et recevez des infolettres sur :

De plus, indexez vos ressources préférées dans vos propres dossiers et retrouvez votre historique de consultation.

M’abonner
Je suis déja abonné