Les données d'apprentissage : un moyen d'améliorer les interventions pédagogiques des tuteurs et tutrices?

Article

Walker, S., Olney, T., Wood, C., Clarke, A. et Dunworth M.(2018). How do tutors use data to support their students ? Open Learning: The Journal of Open, Distance and e-Learning(34)1, 118-133.
https://doi.org/10.1080/02680513.2018.1554476

Résumé

L’article porte sur une étude préliminaire menée par l’Open University (OU) au Royaume-Uni dans le cadre de son plan d’action sur la rétention étudiante par l’analyse des données d’apprentissage (learning analytics). S’inscrivant dans son projet d’envergure, l’Analytic Project, lancé en 2014, l’OU a suivi un groupe de 13 tuteurs et tutrices expérimenté·es  afin de rendre compte de la façon dont ils ou elles utilisent les données et les outils de communication mis à leur disposition pour identifier et soutenir les étudiants·es présentant des risques d’abandon.

 
Voici quelques exemples de sources de données et d’outils d'informations disponibles pour les tuteurs et tutrices [traduction libre] :

Liste des étudiants·es par groupe

Le tuteur ou la tutrice prend connaissance de:

  • la date de la dernière connexion de l'étudiant·e à son environnement d'apprentissage virtuel  (EAV)
  • ses résultats d'évaluation
Historiques des contacts

Les horaires et contenus des communications entre l'étudiant·e et le service de soutien aux étudiants.

Système d'assignation électronique des tuteurs et tutrices

Système de dépôts des travaux permettant aux tuteurs et tutrices de repérer facilement les étudiants·es en retard.

Les tuteurs et tutrices analysent ces données selon les trois phases suivantes :

1. Phase 1:  Identification des étudiants.es à risque

Repérer les étudiants et les étudiantes présentant un besoin particulier d’accompagnement (problèmes de santé, présence non assidue sur l’EAV).

2. Phase 2 : Diagnostic du problème

Diagnostiquer. Une fois les étudiants et étudiantes à risque identifiés·es, le diagnostic du problème s’établit généralement à la suite d'une interaction directe avec l’étudiant ou l'étudiante. Outre la santé, les exigences cognitives jugées élevées du cours sont des problèmes souvent relevés par les tuteurs et les tutrices.

3. Phase 3 : Intervention

Initier l'intervention (en général 24h après la phase 2) en se basant sur les données disponibles (comme l’absence de remise de travaux) pour entamer la discussion.
 
Au terme de leur expérience, des participants·es ont exprimé leur déception face aux limites du système utilisé lors de la phase d’intervention (phase 3) pour les aider à gérer les suivis auprès des étudiants·es ainsi que la dispersion des sources de données qu’ils et qu'elles ont eu à regrouper.
Néanmoins, tous et toutes reconnaissent les apports positifs de l’analyse des données d’apprentissage dans leur pratique d’accompagnement et encouragent le développement plus significatif d’outils facilitant son exploitation.

 

Appréciation et utilisation potentielle

Bien que menée à petite échelle, l’étude a l’avantage de nous éclairer sur un sujet de préoccupation grandissant : l’utilité de l’analyse des données d’apprentissage comme moyen de contrer les risques d’abandon. En ce sens et comme le mentionne l’article, les tuteurs et tutrices, en tant que premiers points de contact entre les étudiants·es et l’université, doivent être impliqués.es dès le départ dans les réflexions et dans la conception des outils de suivi des apprentissages de façon à ce qu’ils puissent être utilisés aisément.

Enfin, l’expérience a le mérite de montrer qu’il y a encore beaucoup à faire dans la compréhension et la mise en place de leviers d’actions efficients pour contrer le phénomène de la déperdition étudiante encore bien ancré dans les universités à distance : les données d’apprentissage représentent en ce sens une avenue qui mérite d’être explorée davantage.

 

 

Notice biographique

Naima TebourbiNaïma Tebourbi est détentrice d’une maîtrise en Formation à distance et œuvre au service de l’éducation depuis plus d’une dizaine d’années. Elle a été chargée de cours et a également participé à plusieurs projets de recherche menés par le Laboratoire en Informatique Cognitive et Environnement de Formation (LICEF) et par le département de l’École des sciences de l’administration de l’Université TÉLUQ. Depuis 2015, elle agit à titre de spécialiste en sciences de l’éducation au service technopédagogique de l’Université TÉLUQ. Elle se consacre à la conception pédagogique de cours en ligne et s’intéresse principalement aux différents supports à l’apprentissage qu’il est possible de mettre à profit afin de faciliter les études à distance dans l’enseignement supérieur.

Mots-clés