Learning Analytics : exploiter les données d'apprentissage pour la réussite des étudiants
Photo : Pexels
Un étudiant qui ne se connecte plus à la plateforme, rend ses devoirs en retard et manque des cours envoie des signaux bien avant l'échec à l'examen. Ces signaux sont souvent déjà dans les outils de l'établissement.
Les Learning Analytics consistent à les rassembler et à les rendre visibles aux bonnes personnes, à temps. Voici les données à utiliser, les indicateurs, les tableaux et les règles à respecter.
Que recouvrent les Learning Analytics ?
Les Learning Analytics exploitent les données d'apprentissage, du simple tableau d'activité d'une classe jusqu'aux modèles qui estiment un risque de décrochage. Elles complètent le pilotage de l'établissement (voir data et BI ) en se plaçant au niveau de l'apprenant et du cours, pour agir avant l'échec.
Quelles données utiliser ?
| Source | Données | Ce qu'elles signalent |
|---|---|---|
| LMS | Connexions, activités, devoirs rendus, temps passé | Engagement dans le cours |
| Assiduité | Absences, retards | Décrochage physique |
| Notes | Résultats aux évaluations | Difficultés d'apprentissage |
| Scolarité | Parcours, redoublements, paiements | Contexte et risques |
Quels indicateurs pour prévenir le décrochage ?
- Absence de connexion à la plateforme depuis un nombre de jours fixé.
- Devoirs non rendus sur une période.
- Absences répétées.
- Chute des résultats d'une évaluation à l'autre.
Ces indicateurs déclenchent un contact humain, pas une sanction : tuteur, enseignant ou conseiller.
Quels tableaux pour les enseignants et les tuteurs ?
Un tableau par cours, qui montre l'activité de chaque apprenant et signale ceux qui décrochent ; un tableau par promotion pour le responsable de filière. Les tableaux se construisent avec les mêmes outils que le pilotage de l'établissement (voir Power BI) et s'appuient sur les indicateurs clés.
Quelles règles d'éthique et de conformité ?
- Informer les apprenants des données utilisées et de leur finalité.
- Limiter l'accès aux personnes qui accompagnent l'apprenant.
- Ne pas fonder une décision sur un score automatique seul.
- Respecter la loi 09-08 et les formalités auprès de la CNDP (voir cybersécurité et données des élèves).
Par où commencer ?
- Choisir un ou deux indicateurs simples, à partir du LMS et de l'assiduité.
- Les tester sur quelques cours pendant un semestre.
- Organiser le contact avec les apprenants signalés.
- Mesurer l'effet sur l'abandon et la réussite, puis élargir.
Ce travail suppose une plateforme réellement utilisée : voir déployer un LMS.
Quel exemple de tableau pour un tuteur ?
Un tableau de Learning Analytics utile tient sur un écran et pointe vers une action. Pour un tuteur qui suit un groupe d'étudiants, il croise dernière connexion au LMS, devoirs rendus, absences et résultats, avec pour chaque signal d'alerte une action possible : message, appel ou rendez-vous. Exemple :
| Indicateur | Signal d'alerte | Action possible |
|---|---|---|
| Dernière connexion au LMS | Absence prolongée | Message ou appel |
| Devoirs rendus | Plusieurs devoirs manquants | Entretien, plan de rattrapage |
| Résultats aux quiz | Baisse nette | Soutien ciblé |
| Assiduité en cours | Absences répétées | Contact avec l'étudiant et, pour un mineur, la famille |
| Participation aux activités | Aucune participation | Encouragement, mise en binôme |
Le tableau signale, l'humain décide. Un indicateur ne dit pas pourquoi un étudiant décroche ; l'entretien, si.
Quel projet pilote pour démarrer ?
- Choisir un public : par exemple les étudiants de première année, où le décrochage est souvent le plus fréquent.
- Choisir trois ou quatre indicateurs disponibles et fiables.
- Fixer les seuils d'alerte avec les enseignants.
- Désigner qui agit quand une alerte apparaît, et comment.
- Mesurer le résultat en fin de semestre : réussite, abandons, avis des tuteurs.
- Ajuster avant d'élargir.
Ce pilote s'appuie sur un LMS bien utilisé, voir déployer un LMS.
Comment informer les étudiants ?
- Expliquer quelles données sont utilisées, pourquoi et par qui.
- Préciser que les données servent à aider, pas à sanctionner.
- Indiquer comment exercer ses droits sur ses données personnelles.
- Montrer à l'étudiant ses propres indicateurs, pour qu'il suive sa progression.
Questions fréquentes
Faut-il informer les étudiants de l'analyse de leurs données ?
Oui. La transparence est une exigence éthique et, au titre de la loi 09-08, une obligation d'information sur les traitements de données personnelles.
Quelles données le LMS fournit-il ?
Le plus souvent les connexions, les activités consultées, les devoirs rendus et les résultats aux activités notées.
Les Learning Analytics prédisent-ils l'échec ?
Ils signalent des risques. La décision et l'accompagnement restent humains.
Faut-il des compétences en science des données ?
Pas pour commencer : des indicateurs simples, bien suivis, apportent déjà beaucoup.
Les Learning Analytics conviennent-elles au scolaire ?
Oui, avec plus de précautions : les élèves sont mineurs, les familles doivent être informées et les indicateurs restent simples, comme l'assiduité ou les devoirs rendus.
Combien de temps conserver les données d'apprentissage ?
Le temps nécessaire à la finalité annoncée, selon les règles de protection des données. Une durée doit être fixée et respectée, puis les données supprimées ou anonymisées.
Conclusion
Les Learning Analytics rendent visibles, à temps, les signaux que les apprenants envoient avant de décrocher. Leur valeur tient à l'accompagnement qu'ils déclenchent.
Notre conseil : commencez par un seul signal, l'absence de connexion à la plateforme, et organisez le contact qui suit. Le reste viendra.