Résumé
Résumé en français
Ce billet a pour but de présenter une publication du GTnum GoDATA (Djelil, Obeid, et Smits, 2024), visant à définir une taxonomie des inégalités numériques éducatives en se basant sur une revue de la littérature. Cette taxonomie va au-delà des typologies existantes en comportant 7 dimensions, incluant les compétences et les usages du numériques, les facteurs sociaux, économiques, géographiques et de politiques publiques. Elle permet d’offrir un cadre d’analyse des données existantes relatives aux établissements scolaires français, dans le but de les caractériser sur la base des différentes dimensions.
Résumé en anglais
This article aims to present a publication of the GTnum GoDATA (Djelil, Obeid, and Smits, 2024), that defines a taxonomy of digital inequalities in education based on a review of the literature. This taxonomy goes beyond existing typologies by defining seven dimensions, including digital skills and usage, social, economic, geographical, and public policy factors. It provides a framework for analyzing existing data on French schools, to characterize them based on the different dimensions.
Résumé en espagnol
El propósito de esta publicación es presentar una publicación de GTnum GoDATA (Djelil, Obeid y Smits, 2024), cuyo objetivo es definir una taxonomía de las desigualdades digitales educativas a partir de una revisión bibliográfica. Esta taxonomía va más allá de las tipologías existentes al comprender siete dimensiones, que incluyen habilidades y usos digitales, factores sociales, económicos, geográficos y de políticas públicas. Proporciona un marco para analizar los datos existentes sobre las escuelas francesas, con el fin de caracterizarlas en función de diferentes dimensiones.

Cette taxonomie nous permet de comprendre comment sont définies les inégalités numériques éducatives, ce qu’elles couvrent et qui elles affectent. Elle va au-delà des typologies existantes, qui se concentrent principalement sur les compétences et l’usage des technologies, en prenant en compte des facteurs sociaux, économiques, géographiques et de politiques publiques.
Auteurs
Fahima Djelil, IMT Atlantique, Laboratoire Lab-STICC
Grégory Smits, IMT Atlantique, Laboratoire Lab-STICC

Introduction
Les inégalités numériques en éducation représentent un enjeu majeur à l’ère où les outils numériques sont essentiels pour enseigner et apprendre. Ces inégalités sont largement antérieures à l’expansion d’Internet et, bien qu’elles s’expriment dans le domaine des technologies de l’information et de la communication (TIC), elles sont d’ordre social, économique, géographique et culturel (Fenoglio, 2021). En France, les politiques publiques ont développé des stratégies d’équipement pour réduire les inégalités dans l’accès aux équipements technologiques, mutualiser les contenus éducatifs et former les enseignants et les familles. Divers programmes ont été proposés, tels que le Plan Numérique en 2015, et plus récemment, l’action “Territoires Numériques Éducatifs” (TNE) dès 2021, lancée pendant la crise du Covid-19 qui a intensifié ce phénomène préexistant.
Par ailleurs, dans le contexte du vaste mouvement d’ouverture et de partage de données publiques, et afin de faciliter l’échange de données entre les parties prenantes (administrations centrales, services de l’État en régions, collectivités territoriales, secteur privé, etc.), le ministère de l’éducation nationale étend cette démarche proactive à l’ouverture et au partage de nouvelles données publiques sur l’enseignement scolaire. L’objectif est de permettre à tous – citoyens, partenaires, acteurs publics et privés – d’être transparents et d’encourager l’innovation, c’est-à-dire de trouver, comprendre et enrichir facilement les données relatives à l’enseignement scolaire, et de proposer des services utiles dans le domaine de l’éducation (MENJ, 2023).
C’est dans ce contexte que s’inscrit le GTnum GoDATA (Djelil, Smits, Labarthes et Pélissier, 2024). Dans ce billet, nous décrivons un travail de recherche bibliographique qui vise à proposer une taxonomie qui définit les inégalités numériques en éducation, ce qu’elles couvrent et qui elles concernent (Djelil, Obeid, et Smits, 2024). La taxonomie s’appuie sur la littérature existante et fournit un cadre pour identifier les données de l’éducation, faciliter leur compréhension et leur exploration. Elle permet également de trouver et d’utiliser les attributs clés pour caractériser les inégalités numériques dans le système éducatif français.

Inégalités numériques éducatives
La prise de conscience de l’existence des inégalités numériques a commencé à prendre forme dès les années 1990 (Irving, et al., 1999), lorsque le concept de fracture numérique a été introduit pour la première fois dans le discours politique, afin de décrire les différences d’accès à Internet et la nécessité qui en découle de mettre en place des politiques visant à faciliter cet accès (Ollivier, 2006 ; Plantard, 2021). Très vite, cette prise de conscience s’est étendue au monde académique. Les chercheurs ont commencé à réaliser que la plupart des différences numériques trouvaient leur origine dans des inégalités sociales, économiques, géographiques et culturelles préexistantes (Brotocorne, 2019 ; Vendramin & Valenduc, 2003) : un aspect qui, jusqu’alors, avait été minimisé par l’utilisation du terme « fracture » (Fenoglio, 2021).
La littérature a souligné que la fracture numérique n’est pas seulement liée à l’accès à Internet, comme on le concevait à l’origine, mais qu’il s’agit plutôt d’un phénomène complexe et multidimensionnel (Hargittai, 2001), qui inclut également les usages, les compétences et les connaissances (Brotcorne & Valenduc, 2009). Par conséquent, afin de refléter à la fois l’injustice inhérente et la pluralité des dimensions de la fracture numérique, les chercheurs ont suggéré de parler plutôt d’inégalités numériques (DiMaggio, Hargittai, Celeste et Shafer, 2004) ou d’inégalités sociales numériques (Collin, Denouël, Guichon et Schneider, 2022). Cette expression s’appuie sur le concept sociologique d’inégalités, compris comme des différences sociales dans la répartition des ressources, avec des conséquences négatives pour certains individus ou groupes (Granjon, Lelong, & Metzger, 2009). Ces inégalités multidimensionnelles affectent de nombreux aspects de l’expérience numérique, y compris l’éducation numérique.
En effet, plusieurs études (Denouël, 2017 ; Plantard, 2016) et rapports (Fenoglio, 2021 ; Miletto, 2018) soulignent l’accentuation des inégalités éducatives avec les technologies numériques. Ces inégalités sont mesurées en termes d’accès aux technologies, de compétences et d’intentions d’usage, comme le montrent plusieurs auteurs qui défendent l’idée d’une approche socio-critique de l’usage du numérique éducatif (Collin, Denouël, Guichon, & Schneider, 2022 ; Denouël, 2019). Ils considèrent les inégalités numériques comme les relations entre le rapport des élèves au numérique, les déterminants de ce rapport et la capacité des élèves à l’utiliser à des fins éducatives (Collin, Guichon, & Ntebutse, 2015). Ces inégalités découlent de divers facteurs : la configuration territoriale, les catégories socioprofessionnelles, l’âge, le genre et le milieu socioculturel des élèves, ce dernier étant particulièrement discriminant (Fluckiger, 2008 ; Fenoglio, 2021). Elles peuvent être observées à plusieurs niveaux : entre les territoires (différences en termes de ressources et d’équipements) (Miletto, 2018) ; entre les communautés éducatives (différences en matière de formation et d’usage entre enseignants) ; et entre les élèves (inégalités numériques à l’école et en dehors de l’école) (Fenoglio, 2021).
Ces inégalités numériques ont été accentuées par la pandémie de COVID-19 (Netter & Régibier, 2021), comme c’est le cas pour les inégalités en général (Bonnéry & Douat, 2020). En effet, les chercheurs ont constaté que l’enseignement à distance en période de pandémie a entraîné une massification des inégalités, tant en termes de technologie numérique que de forme d’enseignement, en particulier dans l’enseignement secondaire (Plantard, 2021). De plus, les difficultés rencontrées par tous les acteurs du système (élèves, parents, enseignants) pendant les périodes successives de restriction liées à la pandémie de COVID-19 ont été exacerbées par l’ampleur des inégalités socioculturelles, l’accès à la technologie et la formation (Ria & Rayou, 2020).
Méthode de conception de taxonomie
Afin de définir une taxonomie, nous nous sommes appuyés sur la méthode proposée par Nickerson, Varshney, & Muntermann (2013), qui définit une taxonomie comme un ensemble de dimensions, chacune est constituée d’au moins deux caractéristiques mutuellement exclusives et collectivement exhaustive. A chaque objet, est associée une caractéristique unique dans chaque dimension.
Cette méthode propose des attributs qualitatifs à prendre en compte lors de l’élaboration d’une taxonomie. Ainsi, une taxonomie doit être: 1) concise, i.e., doit contenir un nombre raisonnable de dimensions (un nombre correcte de dimensions se situe entre sept plus ou moins deux (Miller, 1956)) ; 2) robuste, i.e., doit contenir suffisamment de dimensions et de caractéristiques pour différencier clairement les objets d’intérêt ; 3) compréhensive ou complète, i.e., doit inclure toutes les dimensions des objets d’intérêt et permettre la classification de tous les objets connus dans le domaine considéré ; 4) extensible, i.e., doit permettre l’inclusion de dimensions supplémentaires et de nouvelles caractéristiques dans une dimension lorsque de nouveaux types d’objets apparaissent ; et 5) explicative, i.e., doit contenir des dimensions et des caractéristiques qui fournissent des explications utiles sur la nature des objets étudiés.
Cette méthode est itérative et commence par la définition de l’objectif de la taxonomie et son utilité pratique. Le chercheur peut se baser sur sa connaissance préalable du domaine ou sur la disponibilité des données significatives sur les objets. Les conditions de fin sont vérifiées à chaque étape et prennent en compte les attributs de qualité.
Notre objectif est d’établir une typologie des facteurs d’inégalité numérique afin de faciliter le traitement des données éducatives dans le cadre du projet GoDATA. Nous nous appuyons sur une approche inductive pour identifier les objets d’intérêt et leurs caractéristiques.
Typologies d’inégalités numériques existantes
Plusieurs typologies et modèles ont été proposés dans la littérature pour définir les dimensions et les caractéristiques des inégalités numériques. Ainsi certains auteurs expliquent les inégalités par le prisme des compétences des utilisateurs, qu’ils ont classées en trois catégories (Vendramin & Valenduc, 2003 ; Van Dijk, 2002 ; Collin, 2013) :
- Compétences instrumentales, qui ont trait à la manipulation du matériel et des logiciels ;
- Compétences structurelles, qui ont trait à la sélection, la compréhension et la manipulation de l’information ;
- Compétences stratégiques, qui permettent la prise de décision.
Van Dijk (2002) a proposé un cadre de référence pour les inégalités numériques sous forme d’un modèle d’accès couvrant quatre dimensions :
- L’accès mental : intention d’usage ou intérêt individuel pour le numérique ;
- L’accès matériel : matériel informatique et connexion internet ;
- L’accès aux compétences : compétences numériques ;
- L’accès à l’usage : opportunités d’usage du numérique.
Collin (2013) et Bihr & Roland (2008) ont adopté une typologie à trois niveaux d’inégalités numériques, qui sont de l’ordre :
- De l’avoir, qui concernent l’accès aux technologies ;
- Du savoir, qui correspondent aux compétences et aux usages ;
- Du pouvoir, qui ont trait à la capacité, pour un individu, de mettre à profit les usages et les compétences technologiques pour servir ses intérêts et son capital individuel.
Plantard (2013) décrit une typologie à quatre niveaux en mettant l’accent sur la socialisation des pratiques numériques :
- Accès aux ordinateurs et à Internet ;
- Usages des logiciels différentiés selon les groupes sociaux ;
- Interprétation dérivée de ces usages ;
- Socialisation des pratiques numériques.
Enfin, Fenoglio (2021) propose une classification en trois types de dimensions structurelles :
- Macro-structurelle : gouvernementale et institutionnelle ;
- Méso-structurelle : académique, régionale ;
- Micro-structurelle : élèves, enseignants et familles.
Ces dimensions sont liées à divers facteurs : configuration territoriales, catégories socioprofessionnelles, âge, genre, origine ethnique et contexte socioculturel (Fluckiger, 2008 ; Fenoglio, 2021).
Ces typologies existantes ont permis de mettre en évidence que les élèves et les familles, les enseignants et les établissements sont les principaux objets des inégalités numériques éducatives. Nous constatons également que les inégalités numériques ne se résument pas seulement en termes de compétences et d’usage des technologies, mais incluent des dimensions sociales, économiques, géographiques et culturelles. Par conséquent, les données nécessaires à l’analyse des inégalités numériques éducatives doivent concerner les élèves et leurs familles, les enseignants et les établissements, et couvrir différentes dimensions.
Taxonomie proposée
La littérature existante nous a permis de définir une taxonomie à sept dimensions de facteurs affectant à la fois les élèves, les enseignants et les établissements (enseignement primaire et secondaire) (tableau 1).
La première dimension concerne la culture numérique des enseignants et des élèves, notamment les compétences numériques, l’usage du numérique et la formation au numérique. Dans le contexte éducatif, les compétences numériques désignent les compétences techniques et la capacité des individus à trouver les ressources disponibles et à utiliser les outils numériques à des fins éducatives, notamment la communication, la gestion de l’espace de travail, l’identité numérique, le matériel informatique et les réseaux (Fougère, Azmat, Lermite et Lobut, 2022). L’usage numérique désigne un ensemble de pratiques numériques et l’interprétation des informations qui en découle (Plantard, 2016). Ces usages ont lieu à la fois à l’école et hors de l’école (Fenoglio, 2021) et incluent des représentations, qui font référence à la manière dont les élèves donnent un sens à leurs pratiques numériques (Collin, Guichon, & Ntebutse, 2015). Cela inclut également les attitudes à l’égard des technologies numériques en général et les intentions d’usage de ces technologies (Reisdorf et Rhinesmith, 2020). La formation au numérique concerne les enseignants et comprend l’usage pédagogique d’outils numériques tels que les espaces de travail numériques ou les plateformes d’enseignement numériques (Fougère, Azmat, Lermite et Lobut, 2022).
La deuxième dimension concerne l’accès aux équipements technologiques et aux ressources numériques pour les élèves et les enseignants. Cela comprend l’accès à Internet, qui a été largement souligné par plusieurs auteurs (Fenoglio, 2021 ; Guichard, 2011). En effet, l’accès à Internet fixe ou mobile sans fil et à faible débit peut constituer un obstacle à l’usage des technologies numériques en éducation (Fougère, Azmat, Lermite et Lobut, 2022). Les équipements technologiques comprennent également la disponibilité d’un ordinateur à domicile (Guichard, 2011 ; Collin, Guichon, & Ntebutse, 2015), et peut faire référence à tout type d’équipement dans un établissement ainsi que sa qualité (e.g., ordinateurs de bureau, ordinateurs portables, smartphones, tablettes numériques, projecteurs, tableaux numériques interactifs, etc.). Les ressources numériques sont principalement des ressources utilisées par les enseignants pour concevoir du contenu pédagogique. Cela comprend la possibilité de créer du contenu d’apprentissage personnalisé, ce qui conduit à une augmentation des approches collaboratives de partage de ressources sur les plateformes et les réseaux numériques entre enseignants (Fougère, Azmat, Lermite, & Lobut, 2022).
La troisième dimension concerne les caractéristiques de l’établissement, telles que la taille des classes (Fougère, Azmat, Lermite et Lobut, 2022), la taille de l’établissement, son niveau (primaire, collège ou lycée), son type (e.g., lycée professionnel ou général et technologique) et son secteur (public ou privé) (Bocognano, 2021), ainsi que des informations indiquant son appartenance au réseau d’éducation prioritaire (REP) et, enfin, des informations sur le statut et l’ancienneté des enseignants (Bocognano, 2021 ; Touahir & Maugis, 2021).
Une catégorie importante de facteurs d’inégalité numérique est d’ordre social et peut être décrite selon trois dimensions différentes : sociodémographique, socio-éducative et socio-économique. Les caractéristiques sociodémographiques (quatrième dimension) des élèves comprennent l’âge, le genre, le lieu de résidence (Fenoglio, 2021 ; Guichard, 2011 ; Le Mentec, 2015 ; Selwyn, 2019), le lieu de vie (rural ou urbain) (Touahir & Maugis, 2021) et l’origine ethnique ou la nationalité (Fenoglio, 2021 ; Guichard, 2011). Deux caractéristiques socio-éducatives méritent également d’être soulignées (cinquième dimension), à savoir le niveau d’éducation des parents (Guichard, 2011 ; Plantard, 2016 ; Selwyn, 2019) et les règles familiales concernant l’usage des technologies (Collin, Steeves, Burkell, & Skelling-Desmeules, 2019). Les facteurs socio-économiques (sixième dimension) comprennent la catégorie socioprofessionnelle des parents (Fenoglio, 2021 ; Fougère, Azmat, Lermite, & Lobut, 2022), le revenu familial (Plantard, 2016 ; Guichard, 2011) et leurs conditions de logement (Fenoglio, 2021).
La septième et dernière dimension concerne les politiques publiques relatives au territoire géographique (Fenoglio, 2021) de l’établissement et les plans nationaux ou locaux d’équipement numérique dont il a bénéficié (Fougère, Azmat, Lermite et Lobut, 2022 ; Miletto, 2018).
| Dimension | Caractéristiques | Objets | Références |
| Culture numérique | Compétences numériques | Enseignants, élèves | Brotcorne & Valenduc (2009); Fenoglio (2021); Fougère, Azmat, Lermite, & Lobut (2022) |
| Usages numériques | Enseignants, élèves | Fenoglio (2021); Collin, Steeves, Burkell, & Skelling-Desmeules (2019); Collin, Guichon, & Ntebutse (2015); Plantard (2016); Reisdorf & Rhinesmith (2020) ; Granjon, Lelong, & Metzger (2009); Mons, Tricot, Chesné, & Botton (2020); Fluckiger (2008) | |
| Formation au numérique | Enseignants | Fougère, Azmat, Lermite, & Lobut (2022) | |
| Équipements et ressources | Accès internet | Enseignants, élèves | Fenoglio (2021); Plantard (2016); Guichard (2011); Fluckiger (2008) |
| Appareils technologiques | Enseignants, élèves | Fenoglio (2021); Guichard (2011); Fougère, Azmat, Lermite, & Lobut (2022); Collin, Guichon, & Ntebutse (2015); Plantard (2016); Fluckiger (2008) | |
| Accès aux ressources numériques | Enseignants | Fenoglio (2021); Fougère, Azmat, Lermite, & Lobut (2022) | |
| Environnement scolaire | Taille de la classe | Établissements | Fougère, Azmat, Lermite, & Lobut (2022) |
| Taille de l’établissement | Établissements | Brotcorne & Valenduc (2009) | |
| Niveau de l’établissement | Établissements | Brotcorne & Valenduc (2009); Fougère, Azmat, Lermite, & Lobut (2022) | |
| Type d’établissement | Établissements | Brotcorne & Valenduc (2009); Fougère, Azmat, Lermite, & Lobut (2022) | |
| Secteur d’établissement | Établissements | Brotcorne & Valenduc (2009); Fougère, Azmat, Lermite, & Lobut (2022) | |
| Établissement en REP ou hors REP | Établissements | Brotcorne & Valenduc (2009); Fougère, Azmat, Lermite, & Lobut (2022) | |
| Statut de l’enseignant | Enseignants | Fougère, Azmat, Lermite, & Lobut (2022) | |
| Ancienneté de l’enseignant | Enseignants | Brotcorne & Valenduc (2009); Touahir & Maugis (2021) | |
| Facteurs socio-démographiques | Age | Enseignants, élèves | Fenoglio (2021); Fougère, Azmat, Lermite, & Lobut (2022); Plantard (2016); Guichard (2011); Le Mentec (2015); Selwyn (2019) |
| Genre | Enseignants, élèves | Fenoglio (2021); Fougère, Azmat, Lermite, & Lobut (2022); Guichard (2011); Le Mentec (2015); Selwyn (2019); Bocognano (2021) | |
| Lieux de résidence | Elèves | Guichard (2011); Le Mentec (2015); Selwyn (2019) | |
| Milieu rural, péri-urbain ou urbain | Élèves | Touahir & Maugis (2021); Fenoglio (2021); Plantard (2016); Mons, Tricot, Chesné, & Botton (2020); Le Mentec (2015) | |
| Origine ethniques ou nationalité | Élèves | Fenoglio (2021); Guichard (2011) | |
| Facteurs socio-éducatifs | Niveau d’étude | Élèves (familles) | Guichard (2011); Plantard (2016); Selwyn (2019) |
| Dessaisissement éducatif face au numérique | Élèves (familles) | Fenoglio (2021); Collin, Steeves, Burkell, & Skelling-Desmeules (2019) | |
| Facteurs socio-économiques | Milieu social ou catégorie socioprofessionnelle | Élèves (familles) | Fenoglio (2021); Fougère, Azmat, Lermite, & Lobut (2022); Bocognano (2021) |
| Revenu | Élèves (familles) | Plantard (2016); Guichard (2011) | |
| Écart de logement | Élèves (familles) | Fenoglio (2021) | |
| Politique publique | Territoire géographique | Établissements | Fenoglio (2021) |
| Plans locaux ou nationaux d’équipement | Établissements | Fenoglio (2021); Fougère, Azmat, Lermite, & Lobut (2022); Miletto (2018) |
Discussions et implications
Étant donné l’objectif de la taxonomie, qui est de permettre une compréhension fine des inégalités numériques éducatives, et d’aider à analyser les données de l’éducation existantes, nous discutons l’utilité de la taxonomie par rapport aux jeux de données disponibles en termes de dimensions et de caractéristiques qui sont couvertes.
En effet, comme le montre le tableau 2, la plupart des caractéristiques identifiées peuvent être retrouvées dans les jeux de données existants. Ces données sont collectées par la DEPP (Direction de l’évaluation, de la prospective et de la performance), et sont soit mises à disposition publiquement sur le portail open data de l’éducation nationale, soit en accès limité et réservé (sur demande).
Les jeux de données disponibles couvrent les dimensions liées aux caractéristiques des établissements scolaires, y compris le territoire géographique et les politiques publiques. Les informations sur les équipements numériques et l’accès à Internet sont disponibles, mais les données sur les ressources numériques et l’usage du numérique peuvent être incomplètes.
Les données sur les caractéristiques sociodémographiques, socio-éducatives et socio-économiques des élèves sont protégées. De même, les données fournissant des informations sur le statut des enseignants et leur participation à des programmes de formation sont privées. Toutefois certaines données non personnelles, dites protégées ou réservées, peuvent être fournies sur demande à des fin de recherche.
Cette taxonomie nous permet de comprendre comment sont définies les inégalités numériques éducatives, ce qu’elles couvrent et qui elles affectent. Elle va au-delà des typologies existantes, qui se concentrent principalement sur les compétences et l’usage des technologies, en prenant en compte des facteurs sociaux, économiques, géographiques et de politiques publiques. Elle met en évidence les objets concernés par les inégalités numériques (élèves, enseignants et établissements) et les caractéristiques qui les affectent. Elle fournit un cadre pour analyser les données existantes, afin de créer une cartographie des établissements scolaires, en fonction de leurs caractéristiques (équipements, ressources, pratiques numériques, caractéristiques sociodémographiques et socio-économiques des élèves, etc.).
| Jeux de données | Description | Dimensions couvertes par la taxonomie |
| MicroTic2D (DEPP, 2022) | L’enquête MicroTic2D collecte des informations sur l’équipement en technologies de l’information et de la communication à des fins pédagogiques dans les collèges et lycées publics. | Décrit et comptabilise le matériel informatique fonctionnel comme les ordinateurs fixes et mobiles, les projecteurs et indique si un établissement a bénéficié ou non du plan numérique de 2015. |
| DNMA (Dispositif National de Mesure d’Audience) (DEPP, 2023) | Le DNMA des ENT (Espace Numérique de Travail) est un dispositif de suivi de fréquentation reposant sur une solution de marquage externe. | Fournit des informations par établissement croisées par les profils utilisateur (élèves, parents, enseignants, administration) incluant la durée de fréquentation. |
| ARCEP (ARCEP, 2023) | Données ouvertes informant sur la connectivité fixe et mobile. | Fournit des informations sur la couverture internet fixe et mobile, sa qualité, les équipements numériques utilisés et les usages du numérique. |
| ARCHIPEL (DEPP, 2023) | Données protégées et réservées accessible uniquement sur demande à des fins de recherche. Données issues de l’application de restitution et de choix d’indicateurs de pilotage des établissements et écoles. | Données non personnelles agrégées par établissement contenant des informations sur les caractéristiques d’établissement (type, taille, indice d’éloignement, appartenance à l’éducation prioritaire, …), la population scolaire, personnel et moyens, ainsi que les résultats scolaires (IVAL, IVAC …) |
Référence de la publication
Djelil, F., Obeid, C., & Smits, G. (2024). A Taxonomy of Digital Inequalities in the French Education System. Proceedings of Society for Information Technology & Teacher Education International Conference, 16. https://hal.science/hal-04534229
Références citées
ARCEP. (2023). Ma connexion internet mci. https://www.data.gouv.fr/fr/datasets/ma-connexion-internet/
Bihr, A., & Roland, P. (2008). Le système des inégalités. Paris : La Découverte.
Bocognano, L. (2021). Laurène Bocognano. Le numérique éducatif : que nous apprennent les données de la DEPP ? Série Synthèses. DEPP.
Bonnéry, S., & Douat, E. (2020). L’éducation aux temps du coronavirus. La Dispute.
Brotcorne, P., & Valenduc, G. (2009). Les compétences numériques et les inégalités dans les usages d’internet. Les Cahiers du numérique, 5(1), 45-68.
Brotocorne, P. (2019). Pour une approche systémique des inégalités numériques parmi les jeunes en âge scolaire. Nouveaux cahiers de la recherche en éducation, 21(3), 135-154.
Collin, S. (2013). Les inégalités numériques en éducation. Adjectif.net.
Collin, S., Brotcorne, P., Fluckiger, C., Grassin, J.-F., Guichon, N., & Ntebutse, C. O. (2016). Vers une approche sociocritique du numérique en éducation: une structuration à l’oeuvre. Adjectif. net, 1-7.
Collin, S., Denouël, J., Guichon, N., & Schneider, E. (2022). Le numérique en éducation et formation. Approches critiques. Presse des Mines.
Collin, S., Guichon, N., & Ntebutse, J.-G. (2015). Une approche sociocritique des usages numériques en éducation. Sciences et Technologies de l’Information et de la Communication pour l’Éducation et la Formation, 22, 89-117.
Collin, S., Steeves, V., Burkell, J., & Skelling-Desmeules, Y. (2019). Entre reproduction et remédiation, quel rôle joue l’école envers les inégalités numériques des jeunes d’âge scolaire ? Formation et profession. Formation et profession, 27(3), 59-76.
Denouël, J. (2017). L’école, le numérique et l’autonomie des élèves. Hermès, La Revue, 2, 80-86.
Denouël, J. (2019). “D’une approche sociocritique à une approche sociotechnique critique des usages numériques en éducation. Formation et profession, 27(3), 36-48.
DEPP. (2021). doi:10.13144/lil-1508 Base centrale scolarité (BCS). https://data.progedo.fr/studies/doi/10.13144/lil-1508
DEPP. (2022). Enquête MicroTic2D – Enquête cessée à partir de 2023. https://data.education.gouv.fr/explore/?sort=modified&exclude.keyword=hors%20catalogue
DEPP. (2023). ARCHIPEL – User guide.
DEPP. (2023). DNMA. https://data.education.gouv.fr/explore/?sort=modified&exclude.keyword=hors+catalogue&disjunctive.keyword&q=DNMA
DiMaggio, P., Hargittai, E., Celeste, C., & Shafer, S. (2004). Digital inequality: From unequal access to differentiated use. Social inequality, 355-400.
Djelil, F., Obeid, C., & Smits, G. (2024). A Taxonomy of Digital Inequalities in the French Education System. In Society for Information Technology & Teacher Education International Conference (pp. 16). Association for the Advancement of Computing in Education (AACE).
Djelil, F., Smits, G., Labarthes, H., & Pélissier, C. (2024). Territoires numériques éducatifs : lancement du GTnum #GoDATA (Digital Education Territory : launching the GTnum #GoDATA). https://edunumrech.hypotheses.org/10730
Fenoglio, P. (2021, Octobre). Au cœur des inegalites numeriques en education, les inegalites sociales. Dossier de veille de l’IFE (n° 139), pp. 1-22.
Fluckiger, C. (2008). L’école à l’épreuve de la culture numérique des élèves. Revue française de pédagogie. Recherches en éducation, 51-61.
Fougère, D., Azmat, G., Lermite, A., & Lobut, C. (2022). L’impact du numérique sur les apprentissages des élèves: évaluation d’une politique d’équipement à grande échelle. Ensemble des résultats au cycle 4. DEPP.
Granjon, F., Lelong, B., & Metzger, J.-L. (2009). Inégalités numériques : clivages sociaux et modes d’appropriation des TIC. Paris: Hermes science publications.
Guichard, E. (2011). Le mythe de la fracture numérique. Regards croisés sur l’internet, 69-100.
Hargittai, E. (2001). Second-level digital divide: Mapping differences in people’s online skills. First Monday, 4(4).
Irving, L., Levy, K. K., McConnaughey, J., Everette, D. W., Reynolds, T., Lader, W., & al. (1999). Falling Through the Net: Defining the Digital Divide. National Telecommunications & Information Administration, U.S. Department of Commerce.
Le Mentec, M. a. (2015). NETCOM: Réseaux, communication et territoires/Networks and Communications Studies, 2017-238.
MENJ. (2021). Territoires numériques éducatifs. https://www.education.gouv.fr/les-territoires-numeriques-educatifs-306176
MENJ. (2023). Education Open Data. https://data.education.gouv.fr/pages/demarche/
Miletto, V. (2018). Les inégalités territoriales et l’école: Exposition des enjeux et revue de littérature. . Paris: Cnesco.
Miller, G. A. (1956). The magic number seven plus or minus two: Some limits on our capacity for processing information. Psychological review, 63, 91–97.
Mons, N., Tricot, A., Chesné, J.-F., & Botton, H. (2020). Numérique et apprentissage scolaire. Dossier de synthèse, CNESCO.
Netter, J., & Régibier, L. (2021). Aider les élèves à apprendre à l’école en période de confinement. Questions Vives. Recherches en éducation.
Nickerson, R. C., Varshney, U., & Muntermann, J. (2013). A method for taxonomy development and its application in information systems. European Journal of Information Systems, 22(3), 336-359.
Ollivier, B. (2006). Fracture numérique: ne soyons pas dupes des mots. Hermès, La Revue, 2, 33-40.
Plantard, P. (2013). La fracture numérique, mythe ou réalité ? Éducation permanente, 161-172.
Plantard, P. (2016). Numérique et inégalités éducatives? Du coup de tablette magique à l’e-éducation. Diversité: ville école intégration, 4, 27-32.
Plantard, P. (2021). La fracture numérique, mythe ou réalité?”. Éducation permanente, 99-110.
Plantard, P. (2021). Le grand confinement de 2020: Analyses anthropologiques d’un fait social total numérique en éducation. Administration Éducation, 1, 125-130.
Reisdorf, B., & Rhinesmith, C. (2020). Digital Inclusion as a Core Component of Social Inclusion. Social Inclusion, 8(2), 132-137.
Ria, L., & Rayou, P. (2020). La forme scolaire en confinement: enseignants et parents à l’épreuve de l’enseignement à distance. Formation et profession: revue scientifique internationale en éducation.
Selwyn, N. (2019). Approches critiques des technologies en éducation : un aperçu. 27(3), 6-21.
Touahir, M., & Maugis, S. (2021). Une mesure de l’éloignement des collèges. Éducation & formations, 102, 151-169.
Van Dijk, J. (2002). A framework for digital divide research. Electronic journal of communication, 12(1).
Vendramin, P., & Valenduc, G. (2003). Internet et inégalités: une radiographie de la fracture numérique. (Q. libre, Éd.) Labor.
A consulter aussi
DNE-TN2. (2024a, janvier 4). Territoires numériques éducatifs : Lancement du GTnum #GoDATA [Billet]. Éducation, numérique et recherche. https://doi.org/10.58079/vet2
DNE-TN2. (2024b, avril 5). Territoire Numérique Éducatif (TNE), la donnée au cœur du dispositif : Présentations de la réunion de lancement du GTnum #GoDATA [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/11950
DNE-TN2. (2024c, septembre 20). GTnum #GoDATA-TNE : Données de l’éducation et aide au pilotage en faveur de l’inclusion numérique – Journée d’étude (11/07/24, Rennes) [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/12941
DNE-TN2. (2025, février 11). Développer la littératie des données en éducation et formation : Portfolio du GTnum IMS-RUDII #DEFI [Billet]. Éducation, numérique et recherche. https://doi.org/10.58079/13alp
OpenEdition vous propose de citer ce billet de la manière suivante :
DNE-TN2 (8 juillet 2025). Taxonomie des inégalités numériques dans le système éducatif français : publication du GTnum #GoDATA. Éducation, numérique et recherche. Consulté le 18 novembre 2025 à l’adresse https://doi.org/10.58079/14asy
