Publié le 30 janvier 2017 Mis à jour le 30 janvier 2017
De quoi parle-t-on?
Big data et datas scientist font les manchettes des médias. Ces magiciens des données paraissent capables de prévoir l'évolution des événements, le déplacement de population grâce à l'analyse des connexions de portable, l'apparition d'une épidémie de grippe, des stratégie électorale qui gagnent et bien d'autres possibilités.
Nous subissons leur art avec les spéculations financières, nous angoissons devant leur anticipation des scènes de crime les plus probables. Le feuilleton américain "Chiffres" ou le film Minority report romancent des possibilités bien réelles de resserrer les actes criminels. 10% d’économie sur la politique sécuritaire d'une ville US en exploitant les données disponibles. Ou la prévision par la gendarmerie de cambriolages en France en sélectionnant et analysant 15 facteurs sociodémographiques sur 687 disponibles.
Et si l'exploitation des données profitait aussi à l'apprentissage ? Et si l'on pouvait utiliser les algorithmes pour améliorer nos façons d'enseigner et d'apprendre ? Une révolution serait en marche pour aider la supervision des apprentissages. Il est désormais question d'apprentissage adaptatif dont la vertu principale serait la personnalisation qui va bien au-delà de l'ordonnancement de niveaux de difficulté ou de l'enseignement programmé des années 60.
Depuis quand se développent les learning analytics?
Les learning analytics se développent depuis les années 2010 et possèdent aussi un outil de diffusion de la recherche le "Journal of learning analytics" qui fédère une communauté de chercheurs. Ils font partie de la branche du data mining auquel nous préférerons l'expression "forage de données".
Les educational learning analytics embarquent des notions proches telles que learning at scale et quantified self. Ces expressions renvoient aux analyses de contenus, de discours, de réseaux sociaux ou bien encore des dispositions des apprenants dans leur rapport au savoir.
Google scholar recense 13 600 articles à partir de cette expression, dont 3 390 rien que pour l'année 2016, c'est dire si la promesse et les attentes sont fortes. Il serait possible de modéliser des savoirs, des styles d'apprenants et d'en déduire des chemins d'apprentissage optimum pour chacun. Les recherches s'intéressent à la construction sociale des savoirs à la façon dont les individus apprennent au sein des réseaux.
Si l'on s'appuie sur l'idée qu'apprendre est une interaction permanente avec son environnement, alors on pourrait imaginer modéliser ces interactions, et essayer de repérer des régularités et des enchaînements signifiant. Cela paraît à portée de main tellement la puissance de calcul et l'agrégation et le traitement d'un monceau de données sociales, individuelles, techniques est devenu possible, notamment grâce à l'expansion des formations en ligne et la fréquentation de MOOC qui laissent de nombreuses traces grâce aux clics effectués. Les premiers résultats pourraient bien concerner les dispositifs en ligne qui offrent de nombreuses traces et matériaux d'analyse
Enjeu 1 - S'adapter aux besoins des apprenants
Le concept de Productive educational dialogue rend compte de cette recherche des interactions efficientes dans un cadre d'apprentissage en ligne par exemple un MOOC. Partant de là, créer un système expert et des tableaux de bord sont les pistes pour créer un apprentissage adaptatif.
La création d'une typologie des interactions (soutien, question, conseil, évaluation) permet de mesurer des liens dans des réseaux, et l'identification de leader d'apprentissage sur lesquels s'appuyer, du type d'interaction ou séquence favorable, ou encore le type de tutorat à activer, ou activités connaissant le plus fort engouement.
Enjeu 2 - Géolocaliser les bons lieux de formation
En étendant le pouvoir d'analyse des données, il est aussi possible de déduire les formations les plus adaptées et les localisations les plus pertinentes. Le choix d'une localisation des formations par une analyse des territoires et un rapprochement avec les lieux d'habitation, et moyens de transport disponibles.
Les variables telles que la distance kilométrique au centre de formation, les historiques d'abandon, des variables sociodémographiques seront étudiées. Le choix d'implantation de lieux et leur géolocalisation concerne déjà les tiers lieux.
Enjeu 3 - Choisir les formations les plus pertinentes
Les études marketing pour répondre au choix des formations à promouvoir sur un bassin d'emplois sont des traitements de données qui intéressent les décideurs publics pour des besoins de territorialisation et d'aménagement du territoire..
Enjeu 4 - Anticiper le décrochage scolaire
Les learning analytics peuvent aider à anticiper le repérage des décrocheurs et mieux orienter les budgets publics disponibles pour du rattrapage scolaire
Limite 1 - La question éthique
Les learning analytics vont aussi poser des questions éthiques : quel apprenant aider quand aucun signe tangible ne justifie des choix? Comment éviter des effets auto-prédictifs ? Comment les analystes vont-ils éviter de tomber amoureux de leurs modèles statistiques et tordre la réalité des chiffres pour qu'elle les respecte? Comment respecter la vie privé des apprenants? À-t-on le droit de savoir à leur insu des choses sur les apprenants?
Limite 2 - Le management algorithmique
Il semble difficile de réduire un acte d'apprentissage à la mesure d'algorithmes comportementaux basés sur des traces observables, car apprendre est la rencontre d'une intériorité avec d'autres intériorités celles de professeurs ou celles d'autres élèves qui participent par une variété de rôles, de réactions, d'apport de contradictions à la construction d'un savoir et la motivation pour le creuser.
Cependant, les learning analytics peuvent apporter des indices et aider à prendre des décisions ou à améliorer l'évaluation des activités proposées ou à repérer les écueils rencontrés. Elles révèlent des comportements et permettent de visualiser des architectures invisibles.
Limite 3 - Le comportementalisme numérique
Le cerveau humain reste encore un mystère, le risque comportementalisme existe de donner un sens trop précis à des traces numériques auxquelles ne sauraient être réduit un être humain. L'homme de Lascaux est bien plus que la marque de sa paume sur la paroi, de même l'apprenant digital est habité de croyances et de représentations qui dépasse l'intelligible et l'empreinte de ses doigts sur un clavier.
Il s'agira donc dans les années à venir de développer nos capacités à interpréter des données quantitatives et les mettre en lien avec des données sensibles. Cela préfigure sûrement d'un nouveau métier ou tout du moins de nouvelles fonctions à faire grandir.
C'est déjà ce que propose la société Domoscio qui vante un apprentissage adaptatif intelligent combinant learning analytics et neurosciences. Ou bien la société Knewton qui vise une personnalisation. Ou enfin Céro qui s'intéresse aux arbres de réponse et à l'orientation vers des fiches de renforcement. Les grands acteurs des logiciels (par exemple Adobe) proposent des outils pour tirer profit des possibilités qui se présentent
Les compétences du data-scientist de l'apprentissage
Au travers de ces offres, les compétences à maîtriser apparaissent nombreuses :
Un immense chantier se profile qu'il nous reste à saisir.
Sources :
Définition https://fr.m.wikipedia.org/wiki/Analyse_de_l’apprentissage
Forage de données https://fr.m.wikipedia.org/wiki/Exploration_de_données
Analyse des réseaux sociaux https://fr.m.wikipedia.org/wiki/Analyse_des_réseaux_sociaux
Penetrating the Fog: Analytics in Learning and Education - Siemens, George - ERIC
https://eric.ed.gov/?id=EJ950794
Exploring the relationship of ethics and privacy in learning analytics and design: implications for the field of educational technology - Educational Technology Research and Development, October 2016
http://link.springer.com/article/10.1007/s11423-016-9480-3
Des données au savoir : big data et data mining - Pierre-Alain FOUR - M3
http://www.millenaire3.com/dossiers/digital-humanities/des-donnees-au-savoir-big-data-et-data-mining
The connected learning analytics toolkit - ACM Digital Library http://dl.acm.org/citation.cfm?id=2883881
Du MOOC à l’apprentissage adaptatif : le problème de la personnalisation - Matthieu Ciseil - Blog EducPros http://blog.educpros.fr/matthieu-cisel/2015/01/12/du-mooc-a-lapprentissage-adaptatif-tuteurs-intelligents-et-personnalisation/
Tendance lourde : l’apprentissage adaptatif - Digital Leaning Academy
https://digital-learning-academy.com/tendance-lourde-lapprentissage-adaptatif/
Learning Analytics: From Big Data to Meaningful Data - Agathe Merceron, Paulo Blikstein, George Siemens - Journal of learning analytics http://epress.lib.uts.edu.au/journals/index.php/JLA/article/download/4814/5175
Accédez à des services exclusifs gratuitement
Inscrivez-vous et recevez nos infolettres en pédagogie et technologies éducatives
Vous pourrez aussi indexer vos ressources préférées et retrouver votre historique de consultation
M’abonner à l'infolettreVous pourriez aussi aimer:
Les algorithmes nuisent-ils à la démocratie?
De plus en plus, les usagers de réseaux sociaux voient les algorithmes choisir les informations qui les « intéresse » selon les données. Or, cette approche ne risque-t-elle pas de nuire au débat démocratique? Une discussion se penche sur cette délicate question.
Les GAFAM connaissent tout de nous
Nous avons beau essayer de dissimuler nos traces, la plupart des géants de l’informatique arrivent à les acquérir et les recouper. Une capture d’informations innocented qui peut toutefois révéler le portrait en entier d’une personne. Un reportage montre jusqu’où les entreprises nous connaissent grâce aux données.
Apprendre la Data Science avec Python
Ce cours en ligne vous apprendra à visualiser et analyser les données grâce aux librairies Python. Tout au long de ce cours en ligne vous passerez en revue successivement les objets Numpy et les objets Pandas pour analyser des données issues du monde réel.
Big data : données, données, donnez-moi!
À mesure que nos vies sont de plus en plus connectées, les données personnelles que nous émettons lors de chacune de nos activités deviennent un enjeu industriel considérable. Partons à la découverte d’un monde bâti autour du big data.
La vie en ligne, aussi permanente que les tatouages
Et si Andy Warhol s'était trompé, et au lieu d'être célèbre pendant 15 minutes, nous étions anonymes pendant cette durée ? Dans cette courte conférence, Juan Enriquez observe les effets surprenants du partage numérique sur notre vie privée et leur caractère permanent. Il partage un rappel des grecs anciens pour nous aider à mieux gérer nos "tatouages numériques".
