L’analyse des données en éducation : s'y mettre maintenant

Educause publie un important document sur l’analyse des données dans les institutions éducatives.  Le domaine, en plein développement, constitue l’avenue la plus vraisemblable menant vers une augmentation significative de la productivité des institutions et vers la maîtrise de leurs coûts.

Diminuer les taux d’abandon, éviter les erreurs d’orientation, augmenter les succès pour les étudiants à risque, optimiser les fonctions administratives et éducatives, améliorer le climat de travail sont des conséquences fréquemment obtenues des décisions fondées sur l’analyse des données. Pour les institutions et les gouvernements qui les financent, le «retour sur l’investissement» dans ces outils est l’un des meilleurs qu’ils puissent obtenir. La décision est facile à prendre, mais...

Pas de précipitation

Si les éléments positifs s’accumulent, on considère qu’il s’agit d’une pratique bien loin de la maturité en éducation, qu’aucune solution complète n’existe, qu’il faut combiner toutes sortes de systèmes et que les gains significatifs n’apparaissent pas toujours dans les premiers mois.  De plus les professionnels dans ces domaines sont rares et les formations spécifiques à l’éducation sont encore à créer.

Aussi, mieux vaut y aller étape par étape et prendre le temps de combler les fossés entre les besoins des institutions et l’offre du marché, entre les capacités d’analyse et les attentes, entre les pratiques en place et les nouvelles à implanter et entre les besoins de talents et ceux disponibles.

L’étude «Building Organizational Capacity for Analytics» (.pdf) identifie trois niveaux d’implantation :

• Niveau 1: L’analyse statique
  La direction se concentre sur l’accumulation des données et les rapports qui en sont issus.
   
• Niveau 2: Analyse dynamique et intervention
  La direction se concentre sur la prise de décisions fondées sur des preuves.
   
• Niveau 3 : Optimisation
  La direction forte et très impliquée se concentre à faire en sorte que les pratiques d’analyse des données stratégiques soient un impératif pour l’institution.

 
Sur 4000 institutions américaines considérées, environ 3 000 se situent au premier niveau, 950 au second et une cinquantaine au troisième.

Des résultats

Le rapport fournit beaucoup de données tant sur ce qu’on peut attendre de l’analyse de données que sur la mécanique et les pratiques.

Non seulement s’en sert t-on pour optimiser l’enseignement mais également au niveau du recrutement et de la rétention des étudiants et aussi dans l’orientation et la planification de leur carrière.  Voilà des arguments intéressants dans un contexte concurrentiel.

Mais tout ceci ne se fait pas tout seul. Les infrastructures technologiques ne représentent qu’une partie des efforts à fournir; la plus grosse partie concerne la structure organisationnelle et décisionnelle et la plus difficile touche les comportements et les attitudes nécessaires pour optimiser le succès des étudiants et penser à «s’appuyer sur des données» dans les décisions, à tous les niveaux, plutôt qu’à s’appuyer sur des rapports.

Une politique d’analyse de données en temps réel amène normalement comme résultats un taux de rétention et de réussite de 5 à 20 % supérieur et augmente l’efficacité de l’ensemble des services des institutions en éliminant les goulots, les redondances et autres entraves à l’efficacité.  En fait l’analyse des données permet l’identification précise et rapide des problèmes bien avant qu’ils deviennent irrémédiables ou ingérables.

Un bon système permet de :

• Suivre ce qui se passe au niveau individuel ou collectif
• Détecter les problèmes et anomalies
• Être alerté et intervenir
• Comprendre ce qui se passe
• Orienter
• Prédire, monter des scénarios, faire des simulations : «si on modifie ce paramètre, qu'arrive t'il ?»
• Optimiser

Les données utilisées peuvent provenir de plusieurs sources, aussi bien du registraire que de l’environnement numérique de travail utilisé par les étudiants, du système d’évaluation que de la bibliothèque ou de d’autres services aux étudiants, d’autant plus s‘ils sont numériques et associés à l’identifiant de l’étudiant.

Les cibles des analyses sont :

• La gestion des inscription
• Le financement et le budget
• Les progrès des étudiants
• Les apprentissages des étudiants
• La gestion des enseignements
• L’infrastructure informatique
• L’évolution de la planification sratégique
• Le suivi des finissants
• L’administration de la recherche

On se sert de l’analyse des données pour :

• améliorer la prise de décision administrative et mieux répartir les ressources;
• identifier les apprenants à risque, cibler les interventions pour les aider à réussir;
• à partir d’un partage transparent des données, obtenir une meilleure compréhension des défis de l’institution;
• transformer positivement le modèle académique et les approches pédagogiques, par exemple en retirant des prérequis inadéquats, des activités superflues, etc.
• fournir aux apprenants des informations sur leurs propres habitudes d’apprentissage et fournir des recommandations ou des comparaisons à la moyenne par exemple;
• augmenter la productivité et la réactivité en fournissant des données à jour et les défis qui peuvent leur être associées;
• etc...

Dans un contexte de restrictions budgétaires, de concurrence accrue et de haute connectivité, les organisations structurées pour offrir ce genre de services à haute valeur ajoutée en éducation occuperont l'essentiel du «marché éducatif». Le financement est de plus en plus en rapport avec le succès et l'efficacité.

Télécharger «Building Organizational Capacity for Analytics» Educause - (.pdf - 5,6 Mo) Février 2013
Auteurs:  Donald M. Norris (Strategic Initiatives, Inc), Linda L. Baer (Minnesota State University, Mankato)

Photo : Soundwaves - cszar - Foter

Ajouter à mes listes de lecture