Le big data, une aide à la réussite scolaire ?

Depuis une dizaine d’années, le développement des nouvelles technologies, d’Internet et des réseaux sociaux a créé une masse de données toujours plus importante : le big data. Celui-ci concerne désormais tous les domaines, dont en particulier l’éducation.

En effet, qu’il s’agisse de formations en ligne ou de plateformes numériques utilisées en cours, les données issues de l’apprentissage peuvent être récoltées en nombre. C’est ce qu’on appelle les learning analytics, qui recouvrent toutes les traces laissées par un élève qui se sert d’un outil numérique pour apprendre.

Aujourd’hui, certains établissements commencent à interpréter ces données, de manière souvent encore expérimentale, tandis que les chercheurs continuent d’explorer les possibilités que pourraient offrir une exploitation raisonnée des learning analytics.

Les parcours-types

Les données issues de l’apprentissage sont traitées par de puissants algorithmes qui les anonymisent, les trient, les analysent, les recoupent, les regroupent… de manière à, finalement, dessiner des parcours-types qui donnent une idée de la manière dont les élèves apprennent et évoluent.

Dès lors, il est possible de prédire statistiquement la réussite en créant des corrélations entre plusieurs de ces données. Par exemple, on peut établir des liens entre les notes obtenues lors d’une évaluation de physique sur des chapitres précis et les résultats à l’examen qui aura lieu six mois plus tard.

D’où l’idée de faire des learning analytics un outil d’aide à l’orientation pour conseiller à un élève de suivre tel cours ou de concentrer ses efforts dans telle matière, en fonction de ses objectifs scolaires ou professionnels. Une pratique qui en est encore à ses débuts.

Tableaux de bord et autres learning analytics

Avec les learning analytics, les enseignants disposent par ailleurs de véritables tableaux de bord qui leur permettent de suivre l’évolution de leur classe. Un système d’alerte peut être mis en place pour détecter les premiers signes de décrochage.

L’objectif est ainsi d’identifier les étudiants fragiles, de prévenir l’échec et les risques d’abandon. Du côté des élèves, les données, si elles sont bien utilisées, peuvent constituer une aide pour améliorer son comportement.

En effet, les learning analytics s’entendent au sens large et vont au-delà des seules notes : la consultation de livres électroniques ou la fréquentation plus ou moins assidue de la bibliothèque constituent également des informations que les algorithmes peuvent prendre en compte.

Un étudiant pourra dès lors être incité à prendre exemple sur ses camarades qui étudient à la bibliothèque, même si, évidemment, badger au portail d’entrée n’est en rien une garantie de réussite !

Certaines expériences commencent à être menées en ce sens aux Etats-Unis.

Et l'éthique dans tout ça ?

Cependant, la manipulation de telles données n’est pas sans risque.

Le premier d’entre eux consiste à enfermer les étudiants dans un parcours qui leur convient a priori parfaitement, voire à les diriger vers un emploi adapté à eux, à partir de leurs résultats actuels, ici et maintenant.

En effet, une telle pratique limiterait drastiquement la liberté individuelle, en dissuadant, sinon en empêchant, quiconque de sortir des sentiers battus, d’évoluer, de prendre des risques en dehors de sa zone de confort.

Cela reviendrait à créer une forme de discrimination vis-à-vis d’élèves qui seraient définitivement écartés de telle formation ou tel emploi au vu de leurs performances, sans pouvoir tenter leur chance malgré tout.

De plus, en ne favorisant que des parcours parfaitement balisés, ce type de restriction risquerait aussi de brider la créativité qui émane souvent justement chez ceux qui ont pris des chemins de traverse.

Enfin, la question de la sécurité des données est essentielle et il y a ici un enjeu éthique majeur pour éviter que les informations récoltées ne soient vendues à des entreprises qui inonderaient les étudiants, et même les enfants dès leur plus jeune âge, de publicités et d’offres commerciales.

En définitive, si les learning analytics peuvent représenter une aide au pilotage ou à la décision pour les enseignants et les étudiants, de dangereuses dérives restent possibles, c’est pourquoi ces données requièrent une utilisation pleine de prudence et de discernement.