Faciliter l’apprentissage du piano à distance à l’aide des learning analytics : tableaux de bord adaptatifs et proactifs pour l’assistance à l’apprentissage.
Benoît Encelle (MCF), Karim Sehaba (MCF) et Rémi Barbé (Doctorant), LIRIS, Lyon
Résumé :
Dans le cadre d’une collaboration avec un partenaire développant une application d’apprentissage du piano à distance, un travail de thèse s’inscrivant dans le domaine des learning analytics cherche à apporter des éléments de réponse aux questions de recherche identifiées par Cherigny et al. [1] visant à « donner à voir à l’apprentissage » et à « prédire la progression de l’apprenant ». L’objectif principal de cette thèse est de développer un tableau de bord adaptatif destiné aux apprenants avec pour ambition de travailler sur trois des huit défis identifiés par Verbert et al. [2] : “one-size-does-not-fit-all”, “data literacy” et “actionability”. La dimension artistique apporte son lot de difficultés sur lesquelles le sujet doit s’appuyer. Il n’y a pas forcément de consensus en matière de pédagogie et il n’existe que très peu de modélisations informatiques du domaine. De plus, l’apprentissage du piano est un processus long qui requiert de la régularité et de l’autonomie de la part des apprenants. Enfin, ceux-ci n’étant pas nécessairement des experts en traitement et en analyse de données, il est nécessaire de veiller à élaborer des indicateurs “actionnables” selon la définition de Jørnø et al. [3] et à les présenter de manière compréhensible comme indiqué par Schwendimann [4].
Ce travail étant en cours de réalisation, nous évoquerons premièrement les principales limitations des tableaux de bords d’apprentissage actuels de manière générale et dans le domaine de l’apprentissage du piano en ligne, pour ensuite présenter les démarches employées pour modéliser l’apprenant et développer un cadre de conception pour l’élaboration de tableaux de bord adaptatifs et proactifs, ainsi que les pistes envisagées pour l’évaluation de ses différents composants.
Références
[1] Cherigny, F., EL KECHAI, H., Iksal, S., Lefevre, M., Labarthe, H. and Luengo, V. 2020. L’analytique des apprentissages avec le numérique. Groupes thématiques de la Direction du numérique pour l’Éducation (DNE -TN2). Direction du numérique pour l’éducation.
[2] Verbert, K., Ochoa, X., De Croon, R., Dourado, R.A. and De Laet, T. 2020. Learning analytics dashboards: the past, the present and the future. Proceedings of the Tenth International Conference on Learning Analytics & Knowledge (Frankfurt Germany, Mar. 2020), 35–40.
[3] Jørnø, R.L., Gynther, K.: What Constitutes an ‘Actionable Insight’ in Learning Analytics? J. Learn. Anal. 5, (2018).
[4] Schwendimann, B.A., Rodriguez-Triana, M.J., Vozniuk, A., Prieto, L.P., Boroujeni, M.S., Holzer, A., Gillet, D. and Dillenbourg, P. 2017. Perceiving Learning at a Glance: A Systematic Literature Review of Learning Dashboard Research. IEEE Transactions on Learning Technologies. 10, 1 (Jan. 2017), 30–41.
Présentateur : Rémi Barbé
Accès à la présentation : ici
Présentation de nouveaux indicateurs d’Ecriture Collaborative et du processus de leur construction
Anis Haddouche, Fahima Djelil , LabSTICC, IMT Atlantique, Brest
Christian Hoffmann, Nadine Mandran, Cédric d’Ham, LIG, Université Grenoble Alpes
Résumé :
L’écriture collaborative est une activité courante en éducation, faisant l’objet d’un champ de recherche en pleine croissance dans le domaine de l’Apprentissage Collaboratif Assisté par Ordinateur. Dans cette intervention, nous allons d’abord fournir un aperçu succinct, d’une étude publiée, sur le processus de construction de deux indicateurs, à savoir la “balance de contribution” et la “co-écriture”. Ces indicateurs sont conçus pour mesurer la contribution des apprenants à la rédaction collaborative d’un texte. Nous nous intéressons également à la relation existante entre les mesures de ces indicateurs avec des stratégies d’écriture collaborative dites “sommative” et “intégrative”. Ensuite, nous présenterons un travail en cours sur un autre indicateur, qui diffère des deux premiers par sa dimension sémantique. Nous décrirons en détail le processus de construction de cet indicateur et discuterons des possibilités d’amélioration.
Présentateur : Anis Haddouche, Fahima Djelil
Accès à la présentation : ici
Un tableau de bord pour analyser le travail collaboratif sur une plateforme d’apprentissage des sciences expérimentales – qu’en pensent les étudiants ?
Christian Hoffmann, Isabelle Girault, Maelle Planche, LIG, Université Grenoble Alpes
Résumé :
Dans cette communication, nous relatons une démarche centrée utilisateur pour la conception d’un tableau de bord (TdB) sur la plateforme LabNbook à destination des étudiants. LabNbook est un cahier numérique en ligne dans lequel les étudiants peuvent rédiger des rapports de projets, des cahiers de laboratoire, des comptes-rendus de travaux pratiques ou tout autre document scientifique de façon collaborative. Les principaux résultats de 3 phases de travail seront rapportés : i) étude de la littérature et explicitation des objectifs pour le TdB ; ii) focus-group avec 4 étudiants ; iii) sondage auprès de 500 étudiants. Nous présenterons l’adhésion des étudiants, ainsi que les bénéfices et risques identifiés par les étudiants au regard des indicateurs proposés pour le TdB. Un focus sera mis sur leurs avis concernant des indicateurs qui fournissent des informations sur le travail au sein d’une équipe d’étudiants ou qui permettent de comparer des équipes d’étudiants entre elles.
Présentateur : Isabelle Girault, Christian Hoffmann
Accès à la présentation : ici
Academic Analytics et Recommandation dans les Tableaux de Bord au sein du projet GoDATA
Cécile Obeid, Grégory Smits, Fahima Djelil, IMT Atlantique, Lab-STICC
Labarthe Hugues, Académie de Rennes
Résumé :
L’objectif du projet GoDATA est de doter les acteurs régionaux de l’éducation d’outils numériques d’aide à la décision leur permettant d’identifier les situations d’inégalités et de comprendre les leviers à mettre en œuvre pour faire des technologies numériques un réel atout éducatif. Les tableaux de bord sont désormais des outils incontournables de pilotage et de prospection [1,2], mais également d’évaluation de la performance [4]. Cependant, les attentes des acteurs décisionnaires vis-à-vis des fonctionnalités intégrées dans ces tableaux de bord vont au-delà de la visualisation statique de métriques. Un enjeu majeur est alors d’aboutir à des représentations synthétiques combinant des analyses descriptives, prédictives et des recommandations issues de méthodes automatiques de fouilles de données [3]. L’objectif de cette intervention est de présenter un état d’avancement d’un premier travail initié dans le cadre du projet GoDATA, sur la définition d’une taxonomie d’indicateurs d’inégalités numériques éducatives et le recensement de données existantes.
Références
[1] Fernandez, A. (2013). Les nouveaux tableaux de bord des managers: Le projet Business Intelligence clés en main. Eyrolles.
[2] Kaplan, R., & Norton, D. (2012). Le tableau de bord prospectif. Eyrolles.
[3] Smits, G., Pivert, O., & Yager, R. R. (2016). A soft computing approach to agile business intelligence. In 2016 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE) (pp. 1850-1857). IEEE.
[4] Voyer, P. (2011). Tableaux de bord de gestion et indicateurs de performance: 2e édition. Presses de l’Université du Québec.
Présentateur : Cécile Obeid, Grégory Smits