Un article paru l’an dernier sur le site Politico refait surface alors que l’expérience de la Georgia State University est présentée comme un exemple de succès de l’utilisation de l’analytique des données en soutien à la réussite étudiante.
Le projet, lancé il y a maintenant plus de huit ans, visait alors à ce que l’institution adopte une approche plus proactive pour détecter les étudiantes et étudiants les plus à risque d’abandonner leurs études. L’approche retenue a consisté à analyser, notamment, le taux d’attrition et à tenter par différents moyens de renverser une tendance lourde où environ 40 % des étudiants qui commençaient leurs études à l’université ne réussissaient pas à terminer leur parcours en moins de six ans. Dans le passé, il était convenu que ce phénomène était inévitable et que les pertes d’étudiants seraient compensées par de nouvelles inscriptions. Toutefois, les frais de scolarité et l’endettement étudiant devenant de plus en plus importants aux États-Unis, cette université a voulu réviser son modèle et mieux arrimer la formation aux besoins du marché du travail, tout en mettant en place des incitatifs pour soutenir le financement des études.
Le cas de la Georgia State University est intéressant compte tenu du fait qu’elle a réussi, entre 2011 et 2018, à faire passer son taux de diplomation de 48% à 55%. Qui plus est, cette institution compose avec une proportion plus élevée d’étudiants provenant de milieux défavorisés que la moyenne des autres universités à travers le pays. C’est par le croisement des données des dossiers étudiants et de l’activité de ces mêmes étudiants dans les systèmes d’apprentissage (ENA), ainsi que par l’augmentation de l’offre de soutien par des conseillers pédagogiques et académiques, que ces résultats ont pu être obtenus.
Un premier constat: l’accès aux analytiques de l’apprentissage a permis au corps enseignant et aux conseillers aux études de prédire de façon plus précise le niveau de risque associé à chaque étudiant selon différents indicateurs. Il a été possible de créer des modèles permettant de garder la trace des progrès des étudiants mais aussi de corriger les parcours en cours de route, afin de mieux les adapter à leurs besoins, ce qui a eu pour résultat de réduire le temps requis pour obtenir leur diplôme:
For all the details collected about each student, the main emphasis ofGeorgia State’s program is ensuring students get a few big things right: that they’re in a major well-suited to their talents, taking classes in the correct sequence, and not loading up their schedule with classes they don’t need.In 2018 alone, university officials said they did nearly 3,000 “course corrections” to make sure students were enrolled in the right classes for their major. Before the system was rolled out, Renick said the average Georgia State student was taking more than 20 “wasted” credit hours that did not apply to any graduation requirement; now, extraneous courses have been reduced so much that students are graduating on average a semester sooner.
Second constat: les communications par lesquelles les conseillers aux études invitent les étudiantes et étudiants à des rencontres pour discuter de stratégies possibles pour les aider à réussir ont pris une place centrale dans le fonctionnement du système. Cette idée vient émuler ce que des systèmes cliniques dans le milieu médical font depuis longtemps pour détecter dans des dépôts de données les patients plus à risque en organisant un protocole de suivi auprès de ces personnes. C’est le suivi personnalisé où l’étudiant est accompagné par une personne offrant des conseils qui a permis de bien exploiter les possibilités des systèmes. Georgia State University a ainsi évité les écueils souvent associés à l’introduction de biais dans la prise de décision automatisée par des algorithmes sans supervision humaine.
À lire!
Source: Hefling, Kimberly. The ‘Moneyball’ solution for higher education. Politico, 16 janvier 2019.
