Module 2 – Semaine 4 : Notes

Le suivi et l’exploitation des traces des apprenants

Exploration de Données Éducatives et l’Analytique de l’Apprentissage.
Nous nous intéresserons aux traces numériques et à leur exploitation à des fins pédagogiques…

D’une semaine sur l’autre

Qu’est-ce qu’une trace numérique ?

  • L’exploration de données éducatives
  • L’analytique de l’apprentissage
  • La protection des données personnelles et des libertés individuelles dans des dispositifs numériques de formation : une discipline à construire
  • Découvrir xAPI

Qu’est ce qu’une trace numérique ?

Vidéo 1: La trace et tracer

Victoria PERES-LABOURDETTE LEMBE – chargée de mission Innovation et prospective pédagogiques CAFOC Auvergne

Qu’est ce qu’une trace / tracer : le caractére fragile de la « trace » s’affirme et se matérialise, se fige dans l’acte de « tracer ».

Vidéo 2: La trace numérique

Victoria PERES-LABOURDETTE LEMBE – chargée de mission Innovation et prospective pédagogiques CAFOC Auvergne

Définition : qu’est ce qu’une trace numérique ?

  • Elles peuvent être décrite comme les informations laissées volontairement ou non dans un environnemenr numérique lors de nos navigations. Ces informations prennent la forme de données.
  • Ces données peuvent être moissonnées, stockées, fouillées et traitées.
  • Elles peuvent permettre de faire émerger des relations et des profils.
  • Les races numériques ne constituent pas des données significatives quand elles sont prises isolément.
  • L’exploitation des traces numériques repose sur leur mise en relation.
  • Les modèles issus de ces traces peuvent être utilisés pour la conception d’algorithmes numériques.

Définition : qu’est ce qu’un algorithme

  • Un ensemble de règles opératoires dont l’application permet de résoudre un problème énoncé, au moyen d’un nombre fini d’opérations. (Larousse)

Traces numériques et vie quotidienne

  • Le champ de nos activités en environnement connecté s’étend donc le développement de nos traces croît en conséquence exponentiellement.
  • L’identité personnelle est métamorphosée par notre présence numériques. E
  • Entre l’individuelle et le collectif, de nouvelles modalités d’interaction se construisent.

Trace numérique et mémoire

  • Agir en milieu connecté entraîne une dissémination d’informations personnelles difficile à contrôler
  • Nos traces numériques construisent un double informationnel sur lequel nous n’avons pas le contrôle
  • La trace numérique est liée au passé et à la mémoire.

Questions posées par l’exploitation des traces numériques

  • Quels sont les usages possibles de ces traces numériques ?
  • L’analyse algorithmique s’adapte t-elle à tous les faits de la vie humaine ?
  • Quels mécanismes de mémoire individuelle, sociale et technique doivent être mobilisés ?

Éthique, responsabilité et usage des traces numériques

  • Les usages publics et privés du numérique précèdent souvent le législatif et le normatif
  • Il nous faut faire preuve d’éthique et de responsabilité dans le contrôle et l’usage des traces numériques
  • Le formateur d’adulte doit pouvoir associer l’exploitation des traces numériques et respect de la protection des données personnelles de ses apprenant.

Vidéo 3: La trace numérique en contexte pédagogique

Victoria PERES-LABOURDETTE LEMBE – chargée de mission Innovation et prospective pédagogiques CAFOC Auvergne

Trace numérique et formation en ligne

  • L’exploitation des traces numériques en contexte pédagogique a pour objectifs de favoriser le développement de pratiques éducatives plus individualisées et plus réflexives.
  • Comment gérer le processus qui transforme l’individu apprenant en document, au dil de sa production de traces numériques ?
  • Comment gérer les récoltes, traitements et stockages des traces numériques ?
  • Comment mettre en œuvre et encourager un usage réflexif des traces ?
  • Quels indicateurs choisir pour l’exploitation pédagogique des données issues des apprentissages en situation connectée (via PC, mobiles, plateformes…)
  • Qauelles culture de la trace développer en contexte péda ?

Des obligations juridiques et morales

  • Cette exploitation doit intégrer les obligations juridiques et morales liées aux traitements des données personnelles et privées.
  • Elle doit garantir une gestion respectueuse des identités et des présences numériques.

Émergence de nouvelles disciplines éducatives

  • L’exploration de Données Éducatives (Educational Data Mining)
  • L’analytique de l’apprentissage (Learning Analytics)

L’exploration de Données Éducatives

Vidéo 4: L’exploration de Données Éducatives ??

Victoria PERES-LABOURDETTE LEMBE – chargée de mission Innovation et prospective pédagogiques CAFOC Auvergne

Qu’est ce que l’exploration de données (data mining) ?

C’est une discipline ayant pour objet :

  • L’extraction de connaissances informationnelles à partir de grandes quantités de données
  • La détermination de modèles basées sur la mise en relation de données
  • L’exploration se fait par des méthodes (semi-)automatiques.

Qu’est ce que l’exploration de données  Educatives (Educational Date Mining)

Elle se fait rencontrer plusieurs disciplines dont

  • le data mining (exploration de données) / le machine learning (l’apprentissage automatique) / la statistique / les mathématiques / l’informatique /les sciences de l’Apprendre (Learning Sciences)
  • Elle repose sur les techniques de la fouille de données appliquées aux données éducatives
  • Elle identifie / analyse et développe des méthodes et des processus pour analyser les données issues de l’éducation.
  • Les données analysées par l’Exploration de Données Educatives sont constituées des traces numériques laissées par les apprenants et leurs enseignants lors de leurs interactions dans des environnements d’apprentissage connectés, leurs consultation de ressources didactiques.

Historique

  • Le point de départ est l’analyse des logs issus des interactions étudiants- ordinateur
  • 2011 : constitution de l’International Educational Data Mining Society

Les enjeux

  • Constitution de données éducatives de plus en plus importants (base de données sur les étudiants + usage croissant de logiciels éducatifs)
  • Le développement du e-learning accroît le volume de données susceptible d’être exploré

Vidéo 5: L’exploration de Données Éducatives ? (part 2)

Victoria PERES-LABOURDETTE LEMBE – chargée de mission Innovation et prospective pédagogiques CAFOC Auvergne

Publics et périmètres d’application de l’exploration de Données Educatives

Les méthodes utilisées par l’exploration de Données Educatives

  • La prédiction : l’objectif est de développer un modèle qui peut déduire d’un seul aspect des données certaines combinaisons d’autres aspects des données.
  • Le clustering : l’objectif est de regrouper les données pour mieux les classifier.
  • L’extraction de relation : l’objectif est d’identifier des relations entre des entités sémantiques.
  • La découverte de modèles : l’objectif est d’utiliser un modèle déjà créé et de l’utiliser pour faire de nouvelles découvertes dans la science de l’apprentissage
  • La distillation de données pour le jugement humain : l’objectif est de favoriser l’identification de données et leur classification. La datavisualisation y est particulièrement utile

Intérêt pour le formateur

Une meilleure compréhension des apprenants et de leurs conditions d’apprentissage.

Elle peut permettre :

  • de détecter et d’anticiper le désengagement des apprenants
  • de guider l’effort d’apprentissage des apprenants
  • d’évaluer les apprenants dans les tâches d’apprentissage

L’Exploration de Données Educatives peut également permettre :

  • de développer ou d’affiner les modèles d’apprenants
  • de prévoir les performances et le comportement des apprenants
  • de mesurer les effets des interventions individuelles
  • de développer une meilleure compréhension des représentations que les apprenants ont d’une discipline

L’analytique de l’apprentissage

Vidéo 6: L’analytique de l’apprentissage

Victoria PERES-LABOURDETTE LEMBE – chargée de mission Innovation et prospective pédagogiques CAFOC Auvergne

Historique

  • 2010, Gorges Siemens propose (elearnspace.org) la modélisation d’une nouvelle discipline pédagogue : l’Analytique de l’apprentissage (lEarning Analytics)
  • Cette discipline est à la confluence des sciences sociales, de l’informatique et des mathématiques

Objectifs

Son objet tel que défini par G.Siemens est « l’utilisation de données intelligentes, produites par l’apprenant, et de modèles d’analyse pour découvrir des informations et des connexions sociales, et pour prédire et conseiller l’apprentissage»

L’objectif est de suivre et d’analyser toutes les données produites par les apprenants, quel que soit leur contexte de production, dans un objectif de personnalisation et d’adaptation de l’apprentissage à dimension

prédictive

Définition

L’Analytique de l’Apprentissage regroupe la mesure, la collecte, l’analyse et le traitement des données issues des apprenants et de leurs contextes d’apprentissage, afin de comprendre et d’optimiser l’apprentissage et ses environnements.

L’Analytique de l’Apprentissage est constituée par :

  • l’exploitation des données numériques produites par les apprenants.
  • la modélisation permettant de découvrir des informations et des connexions sociales, afin d’anticiper, prédire et conseiller l’apprentissage

Objectifs

  • Restructurer le processus de l’enseignement, de l’apprentissage et de l’administration de formations.
  • Donner du sens à l’activité de l’apprenant (à travers ses clics, la mesure de son attention, l’analyse de réseaux sociaux, les systèmes de recommandation, …).
  • Faciliter l’action d’apprendre et d’enseigner, grâce à la personnalisation et à l’adaptation, à la prédiction, à l’intervention proactive et à l’identification des compétences.
  • Documenter les décisions de toutes les parties prenantes du système éducatif.
  • Permettre la mise en place de réponses rapides aux actions des apprenants, sous la forme de feedbacks immédiats, permettant un ajustement de la délivrance de contenus et de ses formats.
  • Développer des environnements d’apprentissage de plus en plus personnalisés, qui s’adaptent au comportement des apprenants.

Ses Éléments principaux

  • La visualisation et la communication de données («reporting» en anglais) : elles favorisent la transformation de l’analyse de la donnée en action pédagogique. Les avancées actuellement en cours dans les champs du Big Data permettent d’envisager des solutions de visualisation des flux d’informations de groupes d’apprenants, ou d’apprenants individuels, en temps réel.
  • L’automatisation de réponses : les données analysées dans le cadre de l’Analytique de l’Apprentissage doivent permettre de délivrer des informations automatiques ou semi-automatiques (alertes, notifications, recommandations de ressources, …

Les méthodes utilisées

  • L’analyse de contenus, en particulier ceux des ressources créées par les apprenants, et leurs interactions. Au
  • L’analyse de réseaux sociaux, qui facilite l’exploration du rôle des interactions sociales et des réseaux apprenants dans l’apprentissage.
  • L’analyse de la disposition, qui cherche à appréhender les dispositions d’un apprenant vis-à-vis de son propre apprentissage, et leurs liens avec ses apprentissages.

Les outils (du web)

  • Ce sont des outils d’analyse du web, mais appliqués aux contenus et aux interactions d’apprenants.
  • Des logiciels d’analyse de réseau sociaux, comme Gephi par exemple, sont communément utilisés
  • pour cartographier les connexions sociales et les discussions.

Interêt

  • Identifier prédictivement les apprenants à risque de décrochage.
  • Développer des environnements d’apprentissage personnalisés et adaptés, afin de fournir aux apprenants des outils d’apprentissage et d’évaluations sur-mesure.
  • Faciliter pour le formateur le soutien et la remédiation des apprenants.
  • Disposer d’outils de visualisation de types tableaux de bord afin de pouvoir analyser plus facilement
  • les données issues de l’apprentissage

La protection des données personnelles et des liberté individuelles dans des dispositifs numériques de formation

Vidéo 8: La protection des données personnelles et des liberté individuelles dans des dispositifs numériques de formation (part 1)

Victoria PERES-LABOURDETTE LEMBE – chargée de mission Innovation et prospective pédagogiques CAFOC Auvergne

  • Autorité chargée de la protection des données personnelles : La CNIL
  • Loi relative à l’informatique, aux fichiers et aux libertés du 6 janvier 1978 constitue le fondement de la protection des données à caractère personnel dans le traitement informatique en France.
  • La Commission Nationale de l’Informatique et des Libertés est chargée de veiller à ce que l’informatique soit au service du citoyen et qu’elle ne porte atteinte ni à l’identité humaine, ni aux droits de l’homme, ni à la vie privée, ni aux libertés individuelles ou publiques.Elle exerce ses missions conformément à la loi Informatique et Libertés qui la qualifie d’autorité administrative indépendante.
  • Elle a également créé les « Correspondants Informatique et Libertés » (CIL). Il s’agit de professionnels, qui au sein de leur organisme (entreprise, administration ou collectivité locale),veillent au respect de la loi Informatique et Libertés.
  • Anonymisation des données : une obligation légale
  • Deux disciplines pédagogiques émergentes structurent actuellement les usages, méthodes et outils de l’exploitation des traces numériques en contexte pédagogique : l’exploration de données éducatives, plutôt centrée sur l’amélioration des conditions de pilotage des organisations éducatives, et l’analytique de l’apprentissage, davantage centrée sur l’apprenant.

Vidéo 9: La protection des données personnelles et des liberté individuelles dans des dispositifs numériques de formation (part 2)

Victoria PERES-LABOURDETTE LEMBE – chargée de mission Innovation et prospective pédagogiques CAFOC Auvergne

  • Vers un formateur d’adultes, membre de comités d’éthique ?
  • Création d’un CCNE (Comité Consultatif Nationale d’Ethique) , 1983

Découvrir xAPI

  • Tin Can API, aujourd’hui désigné comme Experience API (xAPI) est un format pour les plateformes de formation en ligne qui permet aux contenus d’apprentissage et aux systèmes d’apprentissage de communiquer ensemble, de telle façon que tous les types d’expériences d’apprentissage puissent être enregistrés.
  • Ces expériences d’apprentissage sont enregistrés dans un dépôt d’enregistrement d’apprentissage, dit LRS (Learning Record Store).
  • Les LRS peuvent exister à l’intérieur d’une plateforme de formation en ligne traditionnelle, ou par eux-mêmes.
  • Destiné à remplacer SCORM ?
  • A l’inverse de SCORM qui nécessite une plateforme LMS centralisant l’ensemble des contenus de formations, Tin Can étend la notion d’apprentissage à n’importe quel contenu, où qu’il se trouve et quelque soit sa nature : une vidéo sur youtube, un entretien avec un collègue, la réalisation d’une tâche ou encore la lecture d’un article de blog comme celui-ci.
  • Les données enregistrées par SCORM sont relativement limitées, à savoir : “Cet utilisateur a parcouru 80% de la matière en 20 minutes” ou “Cet utilisateur a obtenu un score de 100% sur ce quiz”. La norme Tin Can donne une liberté bien plus grande dans la nature de ce qui est enregistré, par exemple : “Cet utilisateur a réalisé la tâche “contacter un client sous la supervision de cette autre personn

Activité transversale  : alimenter son EAP

Autres Activités

Utiliser des données :

Data.gouv.fr est la plateforme ouverte des données publiques françaises mise en oeuvre par Etalab.

Data.gouv.fr ne propose pas encore de jeu de données provenant de plateformes de formation en ligne publiques, mais elle permet l’accès à un jeu de données intéressant pour l’activité de cette semaine, car issu d’usages inscrits dans un environnement numérique d’accès à des ressources documentaires.

Le jeu de données proposé pour l’activité de la semaine s’intitule “Les 1000 titres les plus recherchés au catalogue des bibliothèques de prêt de la Mairie de Paris” (au 1er semestre 2014).

  • L’activité de la semaine vous propose de choisir les données que vous jugez intéressantes dans ce jeu de données et de les représenter de façon visuelle avec Datawrapper (l’outil de la semaine).
  • Cette datavisualisation vous aide-t-elle à les analyser et à identifier des informations que vous jugez utiles. Partager vos productions, constats et réflexions sur votre EAP, et consulter et commenter ceux de vos pairs sur leurs EAP.

Activité réalisée :

  • Activité d’analyse de données (DataVisualisation): Activité menée conjointement avec mon collègue Aristide Criquet.
  • Nous avons étudié le jeu de données fourni par la plateforme ouverte de données publiques françaises Data.gouv.fr afin de trier/classifier/représenter des données sur le thème des « 1000 titres les plus recherchés au catalogue des bibliothèque de la Mairie de Paris » (1er semestre 2014) . Par la suite, notre étude s’est focalisée sur le nombre de recherches concernant les documents réservés à la jeunesse entraînant pour cela les actions suivantes :
    • Identification et traitement des données
      • Filtrage des données sur les champs réservés à la jeunesse (colonne « support ») (sous OpenOffice Calc) :
      • Fusion de certains types de support (sous OpenOffice Calc) : Bande Dessinée jeunesse avec Bande Dessinée jeunesse > 12
        DVD jeunesse avec DVD-Vidéo > 12
        Livre de section jeunesse > 12 avec Livre jeunesse
      • Intégration dans un visualisateur graphique (avec DataWrapper)
      • Le document graphique réalisé (sous datawrapper)

Répartition des documents

    • Si l’on s’en réfère ainsi au graphique, on s’aperçoit que la recherche effectuée sur les livres occupe une place largement prioritaire, secondée par celle concernant les bandes dessinées.
    • Mais la prospection de documents audios tels que les DVDs ainsi que les livres sonores reste marginale.

L’outil de la semaine : Datawrapper

Le quiz de la semaine 11,25 /12

Publicités