L’analyse des données au service de l’apprentissage était à l’honneur lors du congrès Learning Analytics and Knowledge, qui a eu lieu la semaine dernière à Vancouver. Retour.
par Séverine Parent et Michelle Deschênes
Du 13 au 17 mars 2017 a eu lieu à Vancouver la 7e édition de LAK, la conférence Learning Analytics and Knowledge. Plus de 1000 personnes de partout dans le monde sont rassemblées pour discuter de l’émergence d’un nouveau champ d’études : l’analyse des données au service de l’apprentissage.
Le learning analytics a été défini lors de la première édition du LAK. L’analyse de l’apprentissage est “la mesure, la collecte, l’analyse et la communication des données sur les apprenants et leurs contextes, afin de mieux comprendre et optimiser l’apprentissage et les environnements dans lesquels il se produit”.
Depuis 2011, l’évènement annuel a abordé des sujets tels que les liens avec les autres disciplines, le big data et les façons de maximiser les répercussions de l’analyse de données dans un contexte d’apprentissage. La communauté de chercheurs et de praticiens s’intéresse désormais à comprendre, informer et améliorer l’apprentissage avec les données (Understanding, Informing & improving Learning with Data). Les thématiques abordées portent sur l’amélioration de l’apprentissage, une meilleure compréhension de l’apprentissage et le suivi de l’apprentissage avec les données.
Selon les participants réunis, l’analyse des données au service de l’apprentissage aura une influence importante sur la façon d’enseigner et d’apprendre dans les prochaines années. Déjà, les environnements numériques d’apprentissage récoltent une quantité impressionnante de données sur les étudiants, leurs comportements, et la façon dont ils apprennent. Des environnements numériques d’apprentissage (ENA) comme Edmodo, ChallengeU, Moodle ou ClassDojo cumulent de l’information sur la façon dont vos étudiants interagissent avec l’ENA. Ces informations pourraient permettre d’ajuster les actions des enseignants et des étudiants pour mieux soutenir les apprentissages.
Les initiatives pour tirer profit de l’analyse des données en apprentissage sont aussi nombreuses que diversifiées : des chercheurs s’intéressent par exemple au nombre de fois où un étudiant clique sur un bouton dans l’ENA et le temps passé dans une page dans l’ENA. Ils s’intéressent aussi à la motivation dans les MOOC (massive open online courses) et à la rétention dans les programmes postsecondaires.
Des données sont aussi récoltées en interrogeant les étudiants et en utilisant des objets connectés. Des chercheurs présentent déjà des résultats de recherches faites avec des technologies portables (wearable technologies) : des moniteurs cardiaques et des dispositifs qui suivent les mouvements oculaires sont au nombre des outils qui permettent l’accès aux données psychophysiologiques des étudiants.
Toutefois, les défis de l’utilisation des données au service de l’apprentissage sont grands! Les recherches se poursuivent pour savoir notamment quelles données permettent de détecter les difficultés des étudiants et comment optimiser la composition des équipes. La quantité de données récoltées par les ENA est importante : comment rendre disponibles ces données aux enseignants et aux étudiants? De plus, la question de l’éthique et de la confidentialité autour des données des étudiants préoccupe grandement les intervenants.
Vous pouvez consulter les gazouillis des participants sur Twitter en utilisant le mot-clic #LAK17. Vous pouvez aussi jeter un coup d’oeil aux vidéos des présentations de LAK16 en attendant que celles de 2017 soient disponibles!
