Pédagogique Point chaud / en émergence Technologique Tendances sociétales

Analyser l’utilisation des médias sociaux par les étudiants pour prédire leur réussite académique ?

Une équipe de chercheurs en Russie aurait développé un algorithme qui permet de prédire la réussite scolaire d’étudiantes et d’étudiants à partir de l’analyse de messages publiés sur la plateforme de réseautage social russe VK. L’analyse des textes effectuée par le modèle prédictif de l’équipe aurait permis au chercheur Ivan Smirnof du HSE University à Moscou d’évaluer l’aptitude académique d’une étudiante ou d’un étudiant ainsi que sa capacité à appliquer ses connaissances dans la pratique.

Pour ce faire, le modèle prédictif a pris en compte 130 575 messages provenant de 2468 sujets et a inventorié le vocabulaire utilisé par ces derniers (son étendue et les champs sémantiques liés aux concepts), les caractères et les symboles, la longueur des messages et la longueur des mots utilisés. Chaque mot a été analysé puis classé en fonction de sa forme. Les étudiantes et les étudiants ont ensuite été classés selon les contenus qu’ils ont publiés.

Le modèle a été “entraîné” à l’aide des scores obtenus par les étudiantes et étudiants aux tests standardisés PISA (Programme for International Student Assessment) utilisés dans les pays de l’OCDE ainsi que le test USE (Unified State Exam) utilisé en Russie:

The model was trained using PISA data, and we looked at the correlation between the predicted and the real PISA scores (which are available in the TrEC study),’ Smirnov explains. ‘With the USE things gets more complicated: since the model does not know anything about the unified exams, it predicted the PISA scores as before. But if we assume that the USE and PISA measure the same thing — academic performance — then the higher the predicted PISA results are, the higher the USE results should be.’ And the fact that the model learned to predict one thing and can predict another is quite interesting in itself, Smirnov notes.

Les sujets qui faisaient plus souvent référence à certaines disciplines scientifiques et culturelles utilisaient des mots en anglais et rédigeaient de plus longs messages se sont bien classés et ont été associés à de bons résultats scolaires. L’utilisation excessive d’émojis, de mots ou de phrases entières écrites en majuscules et l’utilisation de termes liés à l’horoscope, à la conduite automobile ou au service militaire ont été associés à l’obtention de résultats scolaires plus faibles:

It turned out that ‘predicted academic performance is closely related to USE scores,’ says Smirnov. ‘The correlation coefficient is between 0.49 and 0.6. And in the case of universities, when the predicted academic performance and USE scores of applicants were compared (the information is available in HSE’s ongoing University Admissions Quality Monitoring study), then the results also demonstrated a strong connection. The correlation coefficient is 0.83, which is significantly higher than for high schools, because there is more data.’

Il reste à voir si le modèle peut être appliqué à différents médias sociaux et tenir compte d’autres sources textuelles dans un contexte prédictif.

À lire!

Source: Artificial intelligence can now predict students’ educational outcomes based on tweets. EurekAlert!, 22 octobre 2020.

Les ingrédients pour recréer la magie dans une formation en ligne
Prezi offre des outils pour "animer" vos séances virtuelles

À propos de l'auteur

Marc Couture

Marc Couture

Laisser un commentaire

tristique libero id Donec ut massa in Curabitur