Les Learning Analytics pour choisir un domaine d’études, une institution, un coéquipier

Nouvel article à propos des « Learning Analytics » dans le Chronicle of Higher Education.  Nous ne reviendrons pas ici sur l’explication de ce qu’elles sont et des questions éthiques qu’elles posent (et référerons plutôt le lecteur à nos billets précédents sur le sujet), mais le texte présente de nouvelles applications intéressantes de ces outils qu’il apparaît important de rapporter.  On y expose l’utilisation des analytiques dans le but de…

  1. choisir un cours, un domaine d’études (major) :  comme à la Austin Peay State University au Tennessee, où un logiciel compare les données personnelles d’un étudiant (notes, intérêts, etc.) avec ceux d’autres personnes ayant fait ces choix auparavant.  The feature, to be rolled out this spring, focuses on two problems: students who don’t know which major to pick, and students who thought they knew, but ended up with a bad fit. A human adviser might be at a loss to suggest an alternate path, Mr. Denley says. But data could offer concrete possibilities.
  2. choisir une institution pour ses études : comme chez ConnectEDU (sometimes described as an eHarmony for college matchmaking ).  Il s’agit d’un site où l’on accumule de l’information sur des adolescents (façon Facebook) afin d’être en mesure de leur faire des suggestions sur la ou les institutions répondant le plus à leur profil ou à leurs aspirations.
    « For colleges seeking prospective students, meanwhile, the algorithms get flipped. Privacy laws prevent Mr. [Craig] Powell [fondateur de ConnectEDU] from giving kids’ names and addresses to college admissions officers. But what he can offer is anonymous demographic information on potential applicants that might interest them, such as a first-generation African-American male who lives in Miami and makes straight A’s in a rigorous math curriculum. When a college wants to single out a kid, it pings the student in the ConnectEDU system with a message that resembles a friend request. If the student accepts, his or her profile gets exposed, and the college can cultivate that student, Mr. Powell says.»
  3. choisir un coéquipier : on réfère ici au logiciel Learning Catalytics du professeur de physique Eric Mazur à Harvard (dont Éric Chamberland nous a expliqué le détail de la méthode « Peer Instruction«  la semaine dernière; Sylvie Hallé avait en août dernier rapporté une conférence de Mazur et Francheska Gaulin a évoqué ce même pédagogue en septembre lors de ses recherches sur la  flipped classroom) et de deux de ses collègues.  En plus de présenter des problèmes aux étudiants – les fameux ConcepTests – le logiciel récolte les réponses et propose le meilleur pairage avec un autre étudiant pour la discussion qui s’en suit, généralement quelqu’un qui n’arrive pas à la même réponse.

Quant à la prédiction de quels étudiants se dirigent vers le succès ou l’échec, déjà évoquée dans de précédents billets, le Chronicle présente l’exemple convaincant d’une enseignante en formation à distance qui vante le raffinement que lui permettent les analytiques : Before, she knew which students were doing great. She also knew which had tuned out. But she had a harder time pinpointing those in between, struggling yet still trying.

Cependant, l’article de Parry met de l’avant un nouvel argument dans la critique des Learning Analytics : la crainte de la standardisation.  Gardner Campbell, directeur du développement professionnel et des initiatives innovatrices à Virginia Tech s’inquiète des approches qui se basent essentiellement sur la comptabilisation des clics dans les ENA (environnements numériques d’apprentissage, tel Moodle)  :

…He sees these systems as sterile environments where students respond to instructor prompts rather than express creativity. Analytics projects that focus on such systems threaten to damage colleges much like high-stakes standardized testing harmed elementary and secondary schools, he argues.  « Counting clicks within a learning-management system runs the risk of bringing that kind of deadly standardization into higher education, » Mr. Campbell says.

Il est à parier que cette technologie continuera à faire couler pas mal d’encre… virtuelle.

Source : Parry, Marc, « Colleges Mine Data to Tailor Students’ Experience », The Chronicle of Higher Education – Technology, 11 décembre 2011

APOP_411 étudiant : projet-pilote de soutien technique pour étudiants... afin de libérer les enseignants
Un portrait de l'utilisation des technologies mobiles dans les universités en 2011

Commentaires

  1. Jean-Sébastien Dubé a écrit:

    Éric m’indique un autre article qui va dans le même sens :

    http://www.insidehighered.com/news/2012/02/01/using-big-data-predict-online-student-success

Exprimez-vous !

*