Des étudiants numérisés ?
Renate Schubert réfléchit à l'utilisation des données numérisées des personnes en formation - elle y voit un grand potentiel, mais aussi quelques questions ouvertes.
![Schubert](/de/news-und-veranstaltungen/eth-news/news/2018/03/schubert-digitalisierte-studierende/_jcr_content/news_content/textimage/image.imageformat.textsingle.1768285615.png)
Depuis peu, l'enseignement dans les hautes écoles génère d'énormes quantités de données. De plus en plus de cours utilisent des plateformes électroniques telles que Moodle ou OLAT. Ces plateformes permettent d'enregistrer quels étudiants se connectent et à quelle fréquence pour étudier la matière d'une manifestation, combien de temps les étudiants consacrent à certains exercices, combien d'essais leur sont nécessaires pour résoudre correctement certains exercices, etc. Ces données permettent de tirer de nombreuses conclusions passionnantes et peuvent aider à rendre l'apprentissage plus efficace et plus fructueux. Jusque-là, tout va bien... mais quelques questions surgissent lorsqu'on y regarde de plus près.
Et si les données sont manipulées ?
En tant qu'enseignante ou enseignant, je peux me faire une idée, gr?ce aux données, si mes exercices ou devoirs sont plut?t trop difficiles ou trop faciles, et je peux y réagir de manière judicieuse. Je peux prévoir d'autres répétitions, mettre à disposition du matériel supplémentaire ou différent. Mais pouvons-nous, en tant qu'enseignants, être s?rs que les étudiants n'utilisent pas tout cela de manière stratégique et qu'ils ne génèrent pas des données qui nous font par exemple croire à des problèmes liés à la matière étudiée qui n'existent pas en réalité ?
![Apprentissage numérique](/de/news-und-veranstaltungen/eth-news/news/2018/03/schubert-digitalisierte-studierende/_jcr_content/news_content/fullwidthimage/image.imageformat.930.729523093.jpg)
Freinons-nous la motivation des étudiants ?
Nos étudiants peuvent également profiter de ces données. Ils peuvent par exemple se comparer à leurs camarades d'études et évaluer leur propre réussite ou comportement d'apprentissage. Dans l'idéal, les étudiants feraient alors (encore) plus d'efforts ou demanderaient rapidement de l'aide en cas de problème.
Mais ne devons-nous pas craindre que de telles informations entra?nent une démotivation complète ? Chassons-nous éventuellement des étudiants d'un cours parce qu'ils ne savent pas comment améliorer leur comportement d'apprentissage apparemment peu fructueux ? Et qu'en est-il de ceux dont les résultats d'apprentissage sont (nettement) supérieurs à la moyenne ? Est-ce que nous freinons éventuellement les performances de pointe avec nos informations ?
Que deviennent les données d'apprentissage ?
Qu'en est-il de la sécurité et des droits de propriété des données d'apprentissage ? Que font les universités, que fait l'ETH pour éviter que les données ne soient piratées ? Les futurs employeurs pourraient ainsi obtenir des informations sur la cohérence et la rapidité de l'apprentissage à la haute école ou sur les forces et les faiblesses individuelles. Et à qui appartiennent ces données d'apprentissage ? En principe, les données appartiennent aux personnes en formation. Mais comment peuvent-ils contr?ler qui fait quelles évaluations avec leurs données ? Des comptes de données individuels seraient-ils une solution ? Ou s'agit-il de problèmes supplémentaires comparables à ceux rencontrés avec les comptes bancaires, dont les titulaires manquent souvent de compétences de base pour les gérer correctement ?
Pas de renoncement, mais...
La digitalisation de l'enseignement et la production de grandes quantités de données d'apprentissage qu'elle implique présentent un potentiel intéressant, mais ouvrent aussi un vaste champ d'aspects peu clairs dont nous devrions nous préoccuper. Faut-il pour autant renoncer à la production de données correspondante ? Non, certainement pas - mais si nous voulons faire de l'utilisation des données d'apprentissage un modèle de réussite, nous devons faire des efforts supplémentaires.
Il faut d'une part davantage de recherche en sciences sociales et de coachings individuels pour les étudiants, qui garantissent que les données d'apprentissage produites offrent aux enseignants et aux étudiants une base fiable et utilisable à bon escient. D'autre part, il faut des droits de propriété sur les données qui soient clairs, transparents et applicables. Les étudiants doivent conna?tre leurs droits de propriété et être formés pour utiliser leurs données de manière compétente. Une stratégie Learning Analytics de l'ETH Zurich doit être la prochaine étape !