La transformation numérique de l'enseignement supérieur à l'ère de la Covid-19

L'enseignement supérieur français a vu sa transformation numérique s'accélérer par la crise sanitaire avec l'apprentissage hybride, la collecte et l'analyse de la data ainsi que la prévision, éléments devenus nécessaires pour continuer à apporter le meilleur accompagnement pédagogique possible.

Héritière éclairée des Lumières, l’Éducation française voit son état s’obscurcir dans un contexte de crise sanitaire planétaire. Freiné par les récentes réglementations imposées par la Covid-19, l’enseignement supérieur s’inquiète de sa situation. Une potentielle baisse des inscriptions, des budgets réduits, la mobilité entravée des étudiants, une planification complexe et une gestion des partenariats ralentie sont plusieurs éléments qui préoccupent le personnel universitaire.

Au-delà des conséquences financières, c’est l’ensemble du système éducatif qui est mis à mal. La crise sanitaire a imposé une accélération de la transformation digitale dans ce secteur.

Pour exemple, l’apprentissage hybride - en ligne et en présentiel - déjà appliqué dans certains établissements a été généralisé dans l’urgence. Marie-Céline Daniel, vice-présidente de la commission formation et vie universitaire (CFVU) de la Sorbonne, expliquait avant la rentrée "Depuis plusieurs années, nous sommes engagés sur les cursus hybrides, étant donné la saturation de nos locaux. La situation nous oblige à aller plus vite, même si cela ne sera pas prêt dès le mois de septembre" [1].

Le big data en milieu académique

Le passage soudain à l'apprentissage en ligne offre aux responsables de l'enseignement supérieur un afflux de nouvelles données sur chaque cours et sur les interactions entre les étudiants et le corps professoral - données qui peuvent leur fournir les informations dont ils ont besoin pour améliorer leurs performances académiques et financières ainsi que l’intérêt généré par les modules d’enseignement proposés. 

Au cœur du système sociétal, les universités doivent s’adapter et prendre le pli des nouveaux usages. Dans une époque où la collecte et l’analyse des données sont les marqueurs influents et croissants de notre société et des entreprises qui ne connaissent pas la crise, il semble pertinent que l’éducation supérieure revoie sa copie en matière de gestion et d’analyse des flux d’informations.

Afin d’adapter le milieu académique en matière de data, les solutions sur-mesure modernisent la collecte et l’analyse des données. Elles démocratisent ses outils numériques et les rendent accessibles au personnel universitaire afin qu’il en comprenne les effets bénéfiques. Dans cette démarche, les grandes écoles lancent des pôles de recherche et d’enseignement en data comme le centre d’HEC et de l’Institut Polytechnique, HI!.[2] Des plateformes de data font déjà légion, notamment celle de Sciences Po, data.sciencespo[3], ainsi que celle du Ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation, OpenData.[4]

L’utilisation des données en milieu universitaire offre une perspective à trois voies : améliorer le recrutement des étudiants, accroître leur engagement vis-à-vis des universités et écoles et prévoir un avenir durable grâce aux informations prédictives.

Améliorer les résultats du recrutement grâce à l’analyse prédictive

Malgré une période inédite, les universités ont toujours comme principale motivation d’intégrer en leur sein les meilleurs étudiants. En effet, sans perdre de vue l’exigence d’un bon recrutement, le ciblage doit être intensifié pour permettre aux élèves d’intégrer les universités dans lesquelles ils s’épanouiront. Les données offrent l’optimisation du processus d’inscription et d’admission en l’accélérant drastiquement. 

Augmenter la persévérance des étudiants dans leur scolarité

En France, seulement 45% des jeunes âgés de 15 à 29 ans poursuivent le cursus initialement choisi d’après le rapport ministériel de l’année 2019-2020[5].  La priorité semble donc de maintenir l’envie des étudiants de poursuivre leur apprentissage au sein de l’établissement en accentuant la compréhension de leurs besoins afin de mieux les accompagner dans leur formation. Le traitement et l’analyse des données permettent de mieux prévoir les comportements des étudiants, leurs résultats scolaires, ce qui permet ainsi d’améliorer les expériences et de préserver l’envie des étudiants de continuer leur parcours pédagogique au sein de leurs établissements.

Prévoir un avenir durable

L’organisation disparate des universités surchargées ne permet pas une bonne gestion à court et long termes. Grâce aux données, les solutions sont multiples. D’une part, il est envisageable de construire un modèle de planification du nombre d’étudiants et de la prévision des revenus. D’autre part, grâce aux variables comme le nombre d’étudiants inscrits, il est aisé d’automatiser le flux de données concernant leur présence et les matières étudiées. Le nouveau processus d'analyse de l’Université de Nottingham comprend, pour exemple, dix ans de données sur les étudiants. Il a commencé à produire des informations exploitables en deux semaines seulement. Ce type d'efficacité opérationnelle offre au personnel universitaire un gain temps considérable, ce qui permet aux établissements de se recentrer sur les services destinés aux étudiants

Dessiner les contours d’un nouveau mode d’éducation semble inéluctable. Il permettra sans doute à l’enseignement supérieur de s’engager vers de nouvelles perspectives, plus riches en informations et en décisions.

[1] Plus de précisions sur les programmes hybrides  

[2] Plus d’informations sur HI!

[3] Plus d’informations sur data.sciencespo

[4] Plus d’informations sur OpenData

[5] Plus d’informations sur le rapport ministériel des effectifs dans l’enseignement supérieur