analyse data universiteDe nombreuses universités utilisent l'analyse de données pour aider les étudiants à réussir. Mais comment aider les étudiants en pratique? 

La réponse est différente selon les établissements mais on trouve un point commun : l'exploitation des données pour détecter dans quelles classes les élèves ont le plus de difficultés. Voici quelques exemples d’établissements d'enseignement supérieur qui ont réussi à aider leurs étudiants en difficulté.

Donner aux élèves des directives explicites pour réussir

L'Université de Kennesaw propose une formation en ligne de niveau débutant qui connaissait des taux d'abandon et d'échec élevés. Les administrateurs en ont déduit que les étudiants arrivaient sans disposer des compétences nécessaires pour réussir dans un environnement en ligne. Certains indicateurs susceptibles de déceler un échec ont été mis en place : l'élève a-t-il accompli une tâche donnée, par exemple, ou même acheté un manuel ou s’est-il connecté à un cours en ligne à un moment donné du semestre.

L'université a instauré des points de contrôle pour guider les étudiants dans leur travail. On leur confie une tâche et on leur explique comment l'accomplissement de cette tâche peut permettre de prédire leur réussite dans l'ensemble du cours. De même, on leur montre comment le fait de rendre cette tâche trop tard ou sans les efforts nécessaires peut avoir une incidence sur leur note globale. Ce changement a entraîné une chute de 48% des taux d’abandon scolaire et d’échec au cours des deux premières années de sa création.

Retour immédiat sur la compréhension du cours

Le collège Hillsborough, en Floride, a identifié un problème dans ses cours d'algèbre. Ces cours sont des conditions préalables pour les autres offres STEM et, alors que le nombre d'inscriptions à ces programmes augmentait, les performances en matière d'algèbre diminuaient.

Une subvention a permis à l’établissement de redéfinir plusieurs cours de mathématiques, en intégrant de nouveaux logiciels et des environnements d’apprentissage actifs. Cela fournit un retour d’information aux enseignants en classe, mais aussi à tous leurs collègues pour améliorer les cours en général. Les questionnaires intégrés en classe ont permis aux enseignants de s’assurer que les étudiants prenaient bien leurs notes pendant les cours et d’apporter un retour immédiat sur la compréhension du concept par les étudiants. Les taux de réussite pour certaines classes d'initiation ont monté en flèche, et Hillsborough travaille à étendre l'utilisation de ses nouveaux outils à d'autres cours.

Matériel d'apprentissage numérisé

L'université du Nevada devait améliorer ses cours d'anatomie et de physiologie, un cours d'initiation auquel la moitié des 1 200 étudiants inscrits chaque année échouaient. Le professeur adjoint de psychologie de l'établissement savait que l'analyse data pouvait aider à identifier les étudiants risquant de ne pas réussir. Pour permettre aux enseignants de les aider, il a commencé à rassembler les informations nécessaires en numérisant le matériel d'apprentissage.

Un modèle de prévision a été créé pour examiner ce sur quoi les élèves cliquaient et, en fonction du travail qu’ils faisaient (ou ne faisaient pas), quels seraient leurs résultats probables dans la classe. Les étudiants qui risquaient d'échouer recevaient un email avant l’épreuve leur indiquant que le test allait bientôt se dérouler. Cet email contenait du matériel d’étude ainsi que des conseils de réussite basés sur les pratiques des élèves performants. L'université a constaté qu'environ un tiers de ces étudiants avaient obtenu de meilleurs résultats que prévus.

Les établissements d'enseignement supérieur travaillent sans cesse à améliorer la communication et à aider les élèves à réussir avant qu'ils ne soient dépassés et incapables de se remettre sur la bonne voie. 

Nos autres articles sur analyse data et éducation: