Learning analytics : quand le big data investit les domaines de l'éducation et de la formation

Depuis le début des années 2010, l’enseignement en ligne connaît une croissance soutenue, conduisant à l’explosion des données collectées à partir des différentes plateformes d’apprentissage. Quelle analyse faire de ces données, et pour quelles applications ? Réponses avec les learning analytics.

Vous avez dit « learning analytics » ?

L’intérêt actuel porté aux learning analytics reflète celui de plus en plus reconnu au big data. Le big data peut être décrit comme un terme global qui recouvre la collecte de données massives, hétérogènes et complexes dont le traitement implique l’utilisation des dernières évolutions technologiques et d’algorithmes puissants. Le terme tire ses origines des démarches engagées initialement par les entreprises du secteur marchand d’analyse des données clients pour identifier les tendances de consommation.

Les learning analytics peuvent se définir comme les méthodes et outils d’analyse des données massives issues des apprentissages en ligne. Les learning analytics sont aux domaines de l’éducation et de la formation ce que sont les méthodes avancées d’analyse de données en masse (big analytics) à d’autres secteurs ou fonctions. Ils ont pour objectifs de comprendre et optimiser le parcours d’un étudiant ou stagiaire, à partir de l’exploitation des différentes données collectées sur les apprenants (données d’identité, interactions avec les autres apprenants, résultats aux différentes évaluations…) et de l’analyse de leur comportement pendant leur parcours de formation (interactions avec l’interface de la plateforme d’apprentissage). L’exploration de ces données en masse fait appel aux techniques de data mining, autrement dénommées fouille de données.

L’analyse des données d’apprentissage vise à améliorer globalement l’efficacité des dispositifs de formation, ce qui signifie pour l’apprenant optimiser l’acquisition et la rétention de ses connaissances et, in fine, améliorer sa performance.

La mise en œuvre des learning analytics aurait en particulier pour résultats majeurs un taux de rétention et de réussite des apprenants supérieur de 5% à 20%, en permettant de :

• Identifier les étudiants en risque d’abandon ou d’échec,
• Cibler les interventions pédagogiques pour aider ces derniers à réussir,
• Adapter les parcours et les approches pédagogiques selon le profil et le comportement des apprenants (suppression de prérequis inadaptés, de contenus de peu d’intérêt, de redondances…)
• Communiquer aux apprenants des informations sur leur propre comportement d’apprentissage.

A titre d’exemple, pour les systèmes les plus avancés, des algorithmes peuvent automatiser certaines actions comme l’envoi de courriels suggérant aux apprenants de consulter des ressources leur permettant de résoudre les difficultés qu’ils rencontrent.

Le principal enjeu des learning analytics serait de permettre le développement d’une pédagogie différenciée, appuyée sur la proposition de parcours individualisés s’adaptant en temps réel aux connaissances des apprenants et à leur compréhension du cours, grâce à l’automatisation des dispositifs. L’adaptive learning serait le moyen de conduire un étudiant ou un stagiaire vers le plus court chemin de la réussite, au travers de l’analyse de ses données comportementales tout au long de son parcours de formation.

Les limites de cette approche tiennent aujourd’hui aux plateformes à développer et aux ressources à produire pour la création d’un véritable parcours différencié et personnalisé, plus coûteuses que pour un Mooc classique. La perspective de dispositifs de formation « sur mesure » à grande échelle et d’un enseignement en ligne généralisé en pure autoformation sans aucune interaction avec un enseignant, dont serait synonyme l’adaptive learning, n’est de ce fait pas pour demain.

Les learning analytics sont porteurs de bénéfices pour les apprenants. Ils le sont également pour les responsables de formation : l’optimisation des parcours d’apprentissage, et in fine des acquis des apprenants, peut servir les exigences de ROI qui pèsent de plus en plus sur la formation. L’analyse des données soulève pour autant de plus en plus de questions, qu’il s’agisse de la propriété des données et de leur usage éthique, ou encore de leur sécurité et de leur confidentialité.