L’enseignement en ligne ne cesse de se développer. Comme tous les secteurs du numérique, il a vu arriver la récolte et l’analyse des données qui ont amené le concept de Learning Analytics. Quelles en sont les promesses et où en est-on aujourd’hui ?
Le Learning Analytics, ou analyse de l’apprentissage, est une discipline dédiée à la collecte, l’analyse et la production de rapports relatifs aux processus d’apprentissage. L’ensemble des données est issu d’environnements numériques d’apprentissage (ENA), des demandes d’admission, des bibliothèques ou encore des MOOC (massive open online course ou cours en ligne ouverts et massifs). Cette tendance provient directement de domaines comme la business intelligence et l’analyse des données des réseaux sociaux.
Les objectifs des learning analytics
Les systèmes d’apprentissage en ligne ont la capacité de capturer les comportements des apprenants pour proposer aux différents acteurs des retours précis. L’objectif des Learning Analytics est donc d’améliorer de façon significative l’efficacité des dispositifs d’apprentissage, des environnements pédagogiques, de l’enseignement et de la prise de décisions éducatives. Pour la personne formée, c’est aussi un moyen d’optimiser l’acquisition de nouvelles connaissance ou compétences et d’augmenter son taux de rétention.
La mutation numérique de l’éducation a permis de constituer d’importants corpus de données sur le comportement des apprenants. L’utilisation des données d’apprentissage et l’adaptation des contenus qui en découle ont des effets plus que positifs sur la réussite des apprenants. On estime un taux d’amélioration concrète des résultats compris entre 5% et 20%. En analysant les données des apprenants, on peut ainsi intervenir de façon poussée sur les composantes suivantes :
- L’identification des apprenants en situation d’échec ou d’abandon
- Une meilleure adéquation entre les parcours et les approches pédagogiques selon le profil et les affinités des apprenants avec les concepts abordés lors des cours ou des formations
- Une automatisation des processus comme l’envoi d’e-mails suggérant aux apprenants de consulter des ressources spécifiques ou de revenir sur un cours non maîtrisé
- L’amélioration des connaissances que l’on a des mécanismes sous-jacents de l’apprentissage
- La personnalisation des approches pédagogiques
- L’accompagnement des étudiants dans leur processus d’acquisition de connaissances
- La détermination ou la prédiction du comportement des apprenants
Enjeux et réalités des Learning Analytics
Lorsqu’on parle de l’analyse des données d’apprentissage, on entend encore souvent dire que les flux de data générés par les environnements numériques ne sont pas structurés. Or, il ne faut pas seulement regarder du côté des données générées par les étudiants et leurs interactions avec les environnements de travail numériques mais prendre conscience que l’on dispose aujourd’hui d’une immense quantité de données administratives qui regorgent d’informations sur les parcours des étudiants. Ces données doivent elles aussi faire l’objet d’analyses afin d’offrir aux étudiants et aux enseignants des retours d’information plus riches et personnalisés.
Toutefois, les Learning Analytics représentent un réel défi : comment concilier les incroyables possibilités offertes par l’exploitation des données des apprenants et le respect de leur vie privée ? De plus, il faut faire très attention à ce qu’un acteur de l’éducation ne soit pas en situation de monopole informationnel. Il est donc important de réfléchir à un encadrement éthique et juridique des Learning Analytics afin d’encadrer et de contrôler la collecte et l’utilisation des données tout en permettant leur valorisation de la création de nouveaux outils éducatifs innovants.
Vers le développement de l’adaptive learning
Derrière le Learning Analytics se cache une ambition bien plus grande que les simples analyse et exploitation des données : le développement d’une véritable pédagogie différenciée, des parcours d’apprentissage individualisés qui s’adapteraient en temps réel aux connaissances et aux aptitudes des apprenants tout en prenant en compte leurs rythmes de travail et leur compréhension des cours. Des dispositifs de plus en plus automatiques, via l’utilisation de l’intelligence artificielle, afin de mener un professionnel qui souhaite évoluer ou se réorienter ou un étudiant en stage vers la réussite en réduisant les temps de parcours.
Toutefois, ces évolutions ont un coût et il est indispensable d’améliorer les plateformes d’apprentissage numériques, voire d’en développer de nouvelles. L’opération nécessite des moyens humains et financiers bien plus importants que la production d’un MOOC ou d’un serious game. Si la révolution numérique de l’apprentissage est bel et bien commencée, la perspective de voir des dispositifs de formation en ligne ultra-personnalisés et des étudiants capables de s’auto-former sans intervention externe d’un enseignant reste lointaine.
Mais les progrès sont là, avec des outils déjà innovants. Nous avons déjà vu de nombreuses startups émerger dans les domaines de l’éducation et de la formation. Elles n’hésitent pas à mettre à profit la collecte de données pour favoriser la progression des étudiants et améliorer la vue globale des enseignants sur les cours qu’ils produisent ainsi qu’un suivi précis des pratiques étudiantes. Si l’adaptive learning n’est donc pas encore pour demain, les Learning Analytics restent néanmoins une source de bénéfices pour les apprenants et les responsables de formation.