Analyse des traces d’apprentissage – Learning analytics : productions du GTnum 2

Rappel : Les groupes thématiques numériques (GTnum), animés par des laboratoires universitaires et autres opérateurs publics, sont coordonnés par le bureau du soutien à l’innovation numérique et à la recherche appliquée de la Direction du numérique pour l’éducation (sous-direction de la transformation numérique).

Ils ont pour objectif de mettre à disposition des équipes éducatives, de façon accessible et ouverte, un état de la recherche sur quelques grandes thématiques relatives au numérique dans l’éducation.

Nous publions aujourd’hui les productions du groupe thématique numérique 2, co-animé par l’Université de Pierre et Marie Curie (LIP6-MOCAH) et l’Université de Poitiers (TECHNÉ), sur le thème “ Learning analytics – analyse des traces d’apprentissage”. 

Ce dossier, dont le traitement éditorial a été assuré par Réseau Canopé, est constitué des documents suivants :

Quatre bulletins de veille :

1. Learning analytics : outils et méthodes

2. Learning analytics : utilisation à des fins scolaires et usages

3. Learning analytics : enjeux éthiques

4. Learning analytics : que dit la recherche scientifique ? 

Deux affiches : 

• Collecte, traitement et analyse des données d’apprentissage

• Terminologie

Sont définis les termes suivants :

• Learning analytics
• Data Science (science des données)
• Dashboard (tableau de bord)
• Educational data mining (exploration de données éducatives)
• Predictive Learning (apprentissage prédictif)
• Adaptive Learning
• Traces numériques

Un état de l’art sur “L’analytique des apprentissages avec le numérique, proposant un travail prospectif fondé sur un état de la recherche et sur les résultats d’enquêtes.

Ce rapport porte sur cinq axes :

1. Méthodes et outils de Learning Analytics ;

2. Usages et Learning Analytics ;

3. Entreprises EdTech et Learning Analytics ;

4. Aspects juridiques, éthiques, déontologiques et Learning Analytics ;

5. Terminologie des Learning Analytics.

Extraits : 

“Évaluer les capacités d’abstraction des apprenants, détecter leurs pertes d’attention, adopter une pédagogie différenciée, dresser un bilan personnalisé actualisé au fil de l’apprentissage : voici autant de tâches qui reposent sur la capacité d’un enseignant à observer, analyser et réinvestir les traces comportementales et cognitives d’un apprentissage. Bien malgré lui, ce professionnel ne capte qu’une petite partie de ces données, ce qui limite ses possibilités d’interprétation d’un geste, d’un exercice inabouti, d’une erreur de réappropriation. Comme dans d’autres domaines, l’observation humaine non instrumentée est limitée et fragile. 

Avec le glissement des activités d’apprentissage vers des dispositifs numériques, ces traces changent de statut : en temps réel ou en différé, à distance ou en présentiel, elles n’ont jamais informé, de façon aussi fine et massive, l’écart entre le dire et le faire. Tableaux numériques, ordinateurs, tablettes, liseuses, smartphones sont susceptibles de capter toujours plus de données sur ce qui est en train de se jouer, sur le plan verbal et comportemental, dans un  processus d’apprentissage. Produire, collecter, analyser et réinvestir ces traces numériques permettraient d’aider les acteurs de la communauté éducative – apprenants, parents, personnels d’éducation, enseignants, gestionnaires et administrateurs – dans les enjeux auxquels ils doivent respectivement faire face, dans la perspective du Socle commun de connaissances, de compétences et de culture, qui requiert désormais d’évaluer à parts égales la maîtrise de la langue, les connaissances disciplinaires et les capacités d’autonomie et d’initiative.

Révéler ce qui se joue dans un processus d’apprentissage est l’enjeu des Learning Analytics. À la croisée des sciences sociales et de l’informatique, une communauté scientifique s’emploie depuis une dizaine d’années à développer des technologies et des techniques pour mieux comprendre les ressorts de l’apprentissage, de façon à en améliorer l’accompagnement et l’environnement, notamment par des dispositifs informatiques adaptables et adaptés.”

Comme les productions des autres #GTnum, ces documents s’adressent à l’ensemble des acteurs de l’éducation et prioritairement aux enseignants, formateurs, éducateurs, personnels d’encadrement, parents et chercheurs.

Voir aussi

Boyer, A. (2019). Quelques réflexions sur l’exploration des traces d’apprentissage. Distances et médiations des savoirs. Distance and Mediation of Knowledge, 27. http://journals.openedition.org/dms/4086 

Éducation, numérique et recherche. (2019, décembre 12). Publications sur les learning analytics [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/207 

Gilliot, J.-M., Iksal, S., Medou, D. M., & Dabbebi, I. (2018). Conception participative de tableaux de bord d’apprentissage. IHM’18 : 30e Conférence Francophone sur l’Interaction Homme-Machine, p119. https://hal.archives-ouvertes.fr/hal-01897914 

Labarthe, H., & Luengo, V. (2016). L’analytique des apprentissages numériques [Research Report]. LIP6 – Laboratoire d’Informatique de Paris 6. https://hal.archives-ouvertes.fr/hal-01714229 

Lefevre, M., Iksal, S., Broisin, J., Champalle, O., Fontanieu, V., Michel, C., & Yessad, A. (2018). DNE – GTnum2 Learning Analytics—Etat de l’art sur les outils et méthodes issus de la recherche française [Research Report]. Ministère de l’éducation nationale. https://hal.archives-ouvertes.fr/hal-02453676 

Luengo, V., & Jambon, F. (2011). Contribution des traces de nature différente à la sensibilité de la modélisation des connaissances en situation d’apprentissage. IC 2011 – 22e conférence francophone d’Ingénierie des Connaissances, 2 pages. https://hal.archives-ouvertes.fr/hal-00877811 

Luengo, V. (2014). HUBBLE HUman oBservatory Based on anaLysis of e-LEarning traces. https://hal.archives-ouvertes.fr/hal-01116630

Ministère de l’Education Nationale et de la Jeunesse. (2017, 2020). Les groupes thématiques numériques—Groupe thématique numérique 2 : Analyse des traces d’apprentissage « learning analytics ». Éduscol. https://eduscol.education.fr/cid127616/groupe-thematique-numerique-2-analyse-des-traces-d-apprentissage-learning-analytics.html 

Peraya, D. (2019). Les Learning Analytics en question. Distances et médiations des savoirs. https://journals.openedition.org/dms/3485 

Peraya, D. (2019). Les Learning Analytics : Contraintes méthodologiques et « gouvernance » éthique des données. Distances et médiations des savoirs. Distance and Mediation of Knowledge, 26. http://journals.openedition.org/dms/3739 

Roussanaly, A., & Infante Blanco, L. (2018). Projet METAL : Fondements pour la conception d’un entrepôt de données d’apprentissage [Research Report]. Université de lorraine ; CNRS. https://hal.inria.fr/hal-01801899

---

---