La généralisation de l’usage du numérique dans l’enseignement conjointement à l’apparition de technologies Big Data a permis la constitution de corpus massifs de données sur les usages des apprenants. Les travaux de recherche ou développement permettant l’exploitation conjointe ou non de ces sources d’informations sur l’apprentissage se sont multipliés, dans le but d’améliorer la qualité des dispositifs, de permettre aux enseignants de mieux évaluer les processus d’apprentissage et aux apprenants d’être plus efficaces dans leur démarche d’apprentissage. Les Learning Analytics (ou Analytiques de l’apprentissage) œuvrent ainsi à rendre lisible et interprétable l’énorme quantité de données d’apprentissage collectées. En effet, les Learning Analytics s’intéressent à la collecte, le stockage, l’analyse, la modélisation, la synthèse et la visualisation des données relatives aux apprenants et à leurs environnements, la détermination et la présentation d’indicateurs pertinents, afin de mieux comprendre et améliorer l’apprentissage.
Les Learning Analytics est un thème en pleine émergence, à la fois comme une thématique de recherche pluridisciplinaire (intelligence artificielle, mathématiques, informatique, sciences de l’éducation, droit, psychologie, ergonomie cognitive, …) et comme une demande des institutions éducatives confrontées à des défis aussi divers que la massification, la flexibilité, la personnalisation ou l’individualisation de la formation.
Les Learning Analyics touchent tous les secteurs de la formation, de la maternelle à l’enseignement supérieur, en formation initiale, en alternance ou continue, en formation professionnelle ou Formation Tout au Long de la Vie (FTLV), en présence ou à distance.
Il est possible de catégoriser les défis des Learning Analytics autour des problématiques suivantes :
Big et Small Learning Analytics : l’abondance des données éducatives conduit à exploiter les méthodes du Big Data. Se pose le problème d’analyser des données complexes issues de multiples sources souvent bruitées et hétérogènes. S’ajoute la nécessité d’obtenir des résultats de qualité dans un temps court. D’autre part, certains contextes éducatifs ne permettent l’accès qu’à des données parcimonieuses desquelles il faudra néanmoins tirer des modèles performants (on parle de Small Data)
Modélisation du contexte :le contexte dans lequel se situent les activités d’apprentissage d’un apprenant est une source essentielle d’informations. La modélisation du contexte et son exploitation deviennent donc des champs d’investigation d’intérêt majeur, plus encore dans le cas de la FTLV (Formation Tout au Long de la Vie) lorsque l’apprenant doit combiner vie professionnelle, vie privée et apprentissage.
Personnalisation de la formation
les Learning Analytics sont un apport évident à l’industrialisation massive de l’individualisation de la formation, qui est impensable sans une certaine automatisation du processus. De par la diversité des objectifs et des acteurs en Learning Analytics, une personnalisation en fonction des besoins, des intérêts ou du profil de l’utilisateur est nécessaire.
Des Learning Analytics transparents
la capacité à justifier les informations, indicateurs, recommandations et autres résultats fournis est un point essentiel. En effet, l’impact des Learning Analytics sera d’autant plus grand que les approches et les outils offerts auront la capacité d’expliquer leur raisonnement, de tracer les données utilisées, de justifier leurs résultats et de ce fait de les rendre plus exploitables.
Evaluation et impact des Learning Analytics
Learning Analytics sont censées avoir un impact sur le comportement de l’enseignant et sur celui de l’apprenant. Se pose alors la question de savoir comment elles influencent la relation d’apprentissage. Evaluer l’acceptance et l’utilité des outils ainsi que leur impact réel sur les situations d’apprentissage constituent de véritables défis que les Learning Analytics doivent relever.
Social Learning Analytics
Le Social Learning (apprentissage informel ou collaboratif) enrichit les dispositifs de formation à distance depuis plusieurs années. Les Learning Analytics ont un champ d’investigation privilégié à explorer, de manière à comprendre comment se fait l’apprentissage social, et comment il peut être favorisé ou évalué.
Learning Analytics et visualisation
Une attention toute particulière doit être portée à l’échange d’informations avec les acteurs concernés. Les visualisations doivent être claires, lisibles par tout un chacun, en particulier par les non experts. Des travaux sont à mener en design d’interface et visualisation d’informations.
Des Learning Analytics éthiques : Préserver la vie privée est un défi fondamental des Learning Analytics. Les questions déontologiques et éthiques ainsi que le respect des contraintes légales sont fondamentaux et ne peuvent être ignorés ni par la recherche, ni par les porteurs de projet Learning Analytics dans les établissements.
