Tout ce qui concerne les données (data en anglais) peut susciter à la fois crainte et fascination. Crainte à cause des dérives potentielles : revente des informations personnelles, intrusion dans la vie privée… Fascination car, utilisés à bon escient (et avec de bonnes intentions), les résultats obtenus peuvent permettre d’optimiser de nombreuses démarches. Dans le domaine de l’éducation et de la formation, justement, le concept de learning analytics rencontre un succès grandissant. Mais de quoi s’agit-il ?
Comme vous le savez, l’avènement puis l’essor du digital ont révolutionné les dynamiques de transmission et d’acquisition. Le processus se poursuit à l’heure où nous rédigeons ces lignes. Et l’analyse d’apprentissage participe grandement au nouveau paradigme.
Edusign revient sur cette méthode parfaitement dans l’air du temps. Découvrez-en une définition, et quelques pistes de réflexion.
Qu’est-ce que l’Analyse d’Apprentissage ?
Commençons par délimiter les contours de cette notion. L’analyse d’apprentissage, ou learning analytics, renvoie…
- À la collecte des données,
- À leur reporting,
- Ainsi qu’à leur analyse.
On pense aussi aux données concernant les apprenants, leurs performances, leur assiduité… les domaines d’application sont larges.
Le but principal ? Optimiser l’expérience d’apprentissage et les environnements d’enseignement (numériques ou non).
Cette approche s’appuie sur des techniques avancées comme le machine-learning et l’analyse des données pour évaluer et, idéalement, améliorer les processus pédagogiques.
Attention : nous ne parlons pas, ici, des notes (ou équivalents) attribuées aux étudiants/élèves. Quand on invoque le terme de learning analytics, le volet certificatif peut jouer un rôle (par exemple, en appréciant le degré d’assimilation d’un individu par rapport à un cours), mais ce n’est pas le noyau de la démarche.
Pour résumer et compléter ces premiers grands principes, l’analyse d’apprentissage…
- … se base sur des données relatives à la formation.
- … invite notamment aux ingénieurs pédagogiques à déterminer la pertinence de certains modules.
- … devrait toujours servir à peaufiner les mécaniques d’apprentissage, par-là même d’enseignement et de conception pédagogique.
Tant qu’Internet servait marginalement à l’organisation, au suivi à l’évaluation des cours… l’analyse des données débouchait sur des résultats moins précis.
La digitalisation a marqué une étape essentielle. Voyons pourquoi.
La digitalisation des enseignements : un vrai « boost » pour l’emploi des données
La transformation digitale qui s’observe depuis plus d’une décennie, et de manière fulgurante depuis les événements de 2020/2021, démocratise les concepts tels que celui de la formation à distance, des MOOCs, ou encore des classes virtuelles.
Cette digitalisation affiche de nombreuses vertus. Elle permet aux formateurs et aux institutions de déployer une offre de formation plus flexible. Plus accessible, aussi.
En ce qui concerne le domaine professionnel, il devient plus facile d’imaginer des programmes s’adaptant aux besoins des demandeurs d’emploi, à ceux des professionnels en quête de perfectionnement, ou évidemment des étudiants poursuivant une formation initiale.
Ce fourmillement d’activités en ligne génère des données. Il incombe évidemment à chaque organisme, à chaque école de les traiter avec respect et discrétion. Un détournement ou un usage inadéquat pourrait entraîner une rupture de confiance.
Si les différents acteurs privilégient la transparence, en revanche, il est intéressant de saisir les opportunités relatives à la numérisation. Nous pouvons livrer un exemple directement lié à nos prestations : celui de l’émargement.
L’émargement comme source pour évaluer les formations
Grâce à notre module d’émargement en présentiel, l’informatique se met au service de la logistique en formation. Plus de feuilles volantes, plus de dispersions… les informations sont concentrées et accessibles. En l’occurrence, les données correspondent à des dates, à des noms, à la présence (ou à l’absence) des apprenants…
Sachant que l’analyse des données peut se construire sur plusieurs niveaux. L’enseignant, surtout s’il est référent (maître de classe, responsable de formation), va s’en servir pour accompagner les élèves dans leurs parcours. Mais il est aussi possible de « faire remonter » les résultats pour améliorer les parcours de formation. En effet, l’engagement des apprenants, lorsqu’il est particulièrement fort ou au contraire décevant, renseigne sur la qualité des cours. Ce n’est pas le seul critère et il doit être abordé avec précaution. Mais il compte.
Optimiser les formations grâce à l’analyse des données d’apprentissage
Vous l’aurez compris : les données générées par les plateformes d’apprentissage fournissent des insights précieux sur l’engagement, la progression et les résultats des apprenants.
En se « penchant » sur ces données, les organismes de formation ont la possibilité de personnaliser les modules de formation, tout comme d’adapter les méthodes pédagogiques progressivement…
Plus profondément, cette approche orientée « data » assure une meilleure employabilité des apprenants. Elle contribue à aligner les cursus aux exigences sur le marché du travail.
Imaginons une plateforme d’apprentissage en ligne proposant des cours dans le domaine de la technologie de l’information (TI). Elle aborde le développement web, la science des données, et la cybersécurité.
Cette plateforme utilise des outils d’analyse propres à suivre l’engagement des apprenants, leur progression dans les cours, et leurs résultats aux évaluations. Grâce aux éléments mis en évidence par la machine, des tendances peuvent se dessiner.
- Par exemple, une demande croissante pour les compétences en cybersécurité pourrait poindre. Elle serait reflétée par une augmentation des inscriptions aux cours correspondants. À une présence significative ; régulière. Mais aussi par l’obtention de scores élevés lors des évaluations relatives.
- En revanche, on observerait des taux de réussite plus bas dans des modules spécifiques concernant la science des données. On peut alors se demander ce qui enraie la mécanique : la matière est-elle trop ardue ? Faut-il envisager des moyens des modules différents ?
Dans le cadre d’une formation professionnelle, il faudra prendre les mesures nécessaires pour améliorer l’employabilité des apprenants. Veiller à une véritable acquisition des compétences requises. À la clé, une cohérence du cursus par rapport aux attentes des employeurs.
Learning analytics : quel rôle les formateurs jouent-ils ?
Les formateurs doivent pouvoir exploiter les données et améliorer l’efficacité pédagogique grâce à elles. Assimiler l’analyse d’apprentissage peut vraiment les aider à mieux comprendre les forces, les difficultés, les préférences de leurs stagiaires, élèves, auditeurs…
Ils jouissent ainsi d’une base fiable pour rationaliser leurs supports pédagogiques. Grâce à cet affinement, il devient plus facile d’implémenter des stratégies d’enseignement à la fois collaboratives et interactives.
Car il ne s’agit pas de renoncer à la dimension humaine pour autant ! Bien au contraire, cette évolution promet une éducation personnalisée, réactive, mettant en valeur les nouvelles compétences requises par l’économie digitale avec pertinence.
De nombreuses institutions embrassent déjà cette transformation numérique. Elles investissent dans la puissance des technologies éducatives et en formant leurs équipes pédagogiques à l’analyse des données. Il s’agit de ne pas « rater le coche », au risque de compromettre la compétitivité de certains apprenants.
Analyse d’apprentissage : une possibilité précieuse… si elle est bien cadrée !
Chez Edusign, nous n’encourageons pas l’adoption « mécanique » des outils digitaux. Se jeter à corps perdu dans l’univers du learning analytics serait contre-productif… voire dangereux. Tout organisme de formation cultivant un intérêt pour les technologies associés devrait songer à chaque aspect, à chaque enjeu avant un usage officiel.
Par exemple, tout ce qui se rapporte à la sécurisation des données est capital. Un écosystème pédagogique doit rester un « lieu » de confiance, tout numérique soit-il. Ainsi, les informations récoltées, comme on l’évoquait plus tôt, devraient être employées de manière positive et constructive. Nous recommandons aux concepteurs de collaborer avec des spécialistes de la cybersécurité, afin d’édifier un environnement fiable.Quoi qu’il en soit, l’idée n’est pas forcément de tout prendre en considération. Une bonne analyse des données d’apprentissage se fonde sur des critères pertinents, en lien avec les objectifs visés.