Learning analytics, où en est-on aujourd’hui ?

Formation digitale

5 minutes

Learning analytics, où en est-on aujourd’hui ?

Yann Lescurat

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.