Home » Articole » Articles » Affaires » Science des données » L’histoire de l’analyse exploratoire de l’apprentissage

L’histoire de l’analyse exploratoire de l’apprentissage

Le contexte de l’analyse exploratoire de l’apprentissage

Dans « The State of Learning Analytics in 2012: A Review and Future Challenges », Rebecca Ferguson suit les progrès de l’analyse pour l’apprentissage en tant que développement à travers :

  1. L’intérêt croissant pour le « big data » (mégadonnées) pour l’informatique décisionnelle
  2. L’essor de l’éducation en ligne axée sur les environnements d’apprentissage virtuels (VLE), les systèmes de gestion de contenu (CMS) et les systèmes d’information de gestion (MIS) pour l’éducation, qui a vu une augmentation des données numériques concernant les antécédents des étudiants (souvent conservées dans le MIS) et les données du journal d’apprentissage (à partir des VLE). Ce développement a permis d’appliquer les techniques d’ « informatique décisionnelle » aux données éducatives.
  3. Questions concernant l’optimisation des systèmes pour soutenir l’apprentissage, en particulier compte tenu de la question de savoir comment savoir si un élève est engagé/comprenant si nous ne pouvons pas le voir ?
  4. Accent croissant sur la preuve des progrès et des normes professionnelles pour les systèmes de responsabilisation
  5. Cette orientation a conduit les enseignants à s’intéresser aux analyses, étant donné qu’elles sont associées aux systèmes de responsabilisation.
  6. Ainsi, un accent croissant a été mis sur les possibilités pédagogiques de l’analyse de l’apprentissage.
  7. Cette pression est accrue par le désir économique d’améliorer l’engagement dans l’éducation en ligne pour fournir une éducation de haute qualité – abordable.

Histoire des techniques et méthodes d’analyse exploratoire de l’apprentissage

Dans une discussion sur l’histoire de l’analyse exploratoire, Cooper met en évidence un certain nombre de communautés dont l’analyse exploratoire de l’apprentissage tire des techniques, notamment :

  1. Les statistiques – qui constituent un moyen bien établi pour tester les hypothèses
  2. L’informatique décisionnelle – qui présente des similitudes avec l’analyse exploratoire de l’apprentissage, même si son objectif historique est de rendre la production de rapports plus efficace en permettant l’accès aux données et en résumant les indicateurs de performance.
  3. L’analyse Web – des outils tels que les rapports Google Analytics sur les visites de pages Web et les références à des sites Web, des marques et d’autres termes clés sur Internet. Les techniques les plus « fines » peuvent être adoptées dans l’analyse de l’apprentissage pour explorer les trajectoires des étudiants à travers des ressources d’apprentissage (cours, matériels, etc.).
  4. Recherche opérationnelle – vise à mettre en évidence l’optimisation de la conception pour maximiser les objectifs grâce à l’utilisation de modèles mathématiques et de méthodes statistiques. De telles techniques sont impliquées dans l’analyse de l’apprentissage qui cherche à créer des modèles de comportement du monde réel pour une application pratique.
  5. Intelligence artificielle et exploration de données – les techniques d’apprentissage automatique basées sur les méthodes d’exploration de données et d’IA sont capables de détecter des modèles dans les données. Dans l’analyse de l’apprentissage, ces techniques peuvent être utilisées pour des systèmes de tutorat intelligents, une classification des étudiants de manière plus dynamique que de simples facteurs démographiques et des ressources telles que des systèmes de « cours suggérés » calqués sur des techniques de filtrage collaboratif.
  6. Analyse des réseaux sociaux – SNA analyse les relations entre les personnes en explorant les liens implicites (par exemple, les interactions sur les forums) et explicites (par exemple, les « amis » ou les « abonnés ») en ligne et hors ligne. Le SNA s’est développé à partir des travaux de sociologues comme Wellman et Watts et de mathématiciens comme Barabasi et Strogatz. Le travail de ces individus nous a donné une bonne idée des modèles que présentent les réseaux (petit monde, lois du pouvoir), des attributs des connexions (au début des années 70, Granovetter a exploré les connexions du point de vue de la force des liens et de leur impact sur les nouvelles informations), et les dimensions sociales des réseaux (par exemple, la géographie compte toujours dans un monde numérique en réseau). Il est particulièrement utilisé pour explorer des groupes de réseaux, des réseaux d’influence, l’engagement et le désengagement, et a été déployé à ces fins dans des contextes analytiques d’apprentissage.
  7. Visualisation de l’information – la visualisation est une étape importante dans de nombreuses analyses visant à donner du sens aux données fournies – elle est donc utilisée dans la plupart des techniques (y compris celles ci-dessus).

Histoire de l’analyse exploratoire de l’apprentissage dans l’enseignement supérieur

Le premier programme d’études supérieures axé spécifiquement sur l’analyse de l’apprentissage a été créé par le Dr Ryan Baker et lancé au semestre d’automne 2015 au Teachers College de l’Université Columbia. La description du programme indique que « les données sur l’apprentissage et les apprenants sont aujourd’hui générées à une échelle sans précédent. Les domaines de l’analyse exploratoire de l’apprentissage (LA) et de l’exploration de données éducatives (EDM) ont émergé dans le but de transformer ces données en de nouvelles informations pouvant profiter aux étudiants, aux enseignants et aux administrateurs. En tant que l’un des principaux établissements d’enseignement et de recherche au monde dans les domaines de l’éducation, de la psychologie et de la santé, nous sommes fiers de proposer un programme d’études supérieures innovant dédié à l’amélioration de l’éducation grâce à la technologie et à l’analyse des données. »

Source: Drew Bentley, Business Intelligence and Analytics. © 2017 Library Press, License CC BY-SA 4.0. Traduction et adaptation: Nicolae Sfetcu. © 2023 MultiMedia Publishing, L’informatique décisionnelle et l’analyse exploratoire des données dans les entreprises, Collection Sciences de l’information

Essais philosophiques
Essais philosophiques

Une collection personnelle d’essais en philosophie des sciences (physique, en particulier la gravité), philosophie des technologies de l’information et de la communication, enjeux sociaux actuels (intelligence émotionnelle, pandémie COVID-19, eugénisme, renseignement), philosophie de l’art, et logique et philosophie du langage … Lire la suite

non noté $5.99 Choix des options
La philosophie de la technologie blockchain - Ontologies
La philosophie de la technologie blockchain – Ontologies

De la nécessité et de l’utilité de développer une philosophie spécifique pour la technologie de la blockchain, mettant l’accent sur les aspects ontologiques. Après une Introduction qui met en évidence les principales orientations philosophiques de cette technologie émergente, dans La … Lire la suite

non noté $0.00 Choix des options
L’éthique des mégadonnées (Big Data) en recherche
L’éthique des mégadonnées (Big Data) en recherche

Les principaux problèmes rencontrés par les scientifiques qui travaillent avec des ensembles de données massives (mégadonnées, Big Data), en soulignant les principaux problèmes éthiques, tout en tenant compte de la législation de l’Union européenne. Après une brève Introduction au Big … Lire la suite

non noté $0.00 Choix des options

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *