Innovation Pédagogique et transition
Institut Mines-Telecom

Une initiative de l'Institut Mines-Télécom avec un réseau de partenaires

MOOC : croiser questionnaires et traces d’activité – le Classico de la recherche

15 juillet 2016 par Matthieu Cisel Veille 424 visites 0 commentaire

Un article repris de https://numpedago.hypotheses.org/36

Dans le dernier billet, nous avons entamé une première revue de littérature sur la question des MOOC, portant tant sur les traces d’activité que sur les revues de littérature. Aujourd’hui, je vous propose de revenir sur quelques publications où les chercheurs croisent données de questionnaires et traces d’activité.

S’est développée depuis quelques années une littérature focalisée plus ou moins exclusivement sur l’analyse des enquêtes diffusées auprès des participants de MOOC, et fournissant des résultats intéressants au regard des motivations pour s’inscrire ou de la composition sociodémographique des audiences. Cette littérature s’étend de simples études de cas, comme celle de Liyanagunawardena et al. (2015), qui se penche sur deux MOOC organisés sur Futurelearn, jusqu’aux études transversales réalisées à l’échelle d’une plate-forme comme edX (Hansen & Reich, 2015), ou à l’échelle de l’ensemble des cours d’un établissement (Christensen et al., 2013 ; Edimburgh, 2013 ; EPFL, 2014 ; Kizilcec & Schneider, 2015).

Les travaux plus qualitatifs relatifs aux motivations des utilisateurs sont plus rares ; ainsi Veletsanios et al. (2015) se penchent sur le contexte entourant l’inscription au MOOC, ainsi que sur les activités ne pouvant pas être mesurées via les traces d’activité : prise de notes, activités sur les réseaux sociaux.

Un certain nombre de recherches se sont attachées à croiser différents types de données autodéclarées avec les comportements observables comme l’obtention du certificat, ou les notes obtenues. Certaines se concentrent spécifiquement sur certains types de données autodéclarées, comme l’intention déclarée (Reich et al., 2014 ; Campbell et al., 2014 ; Wilkowski et al., 2014a), les variables sociodémographiques, dont le niveau de diplômation (Rosé et al., 2014 ; Champaign et al., 2014 ; Colvin et al., 2014), le niveau de connaissance sur le sujet (Hood et al., 2015), ou les motivations pour s’inscrire (Kizilcec & Schneider, 2015 ; Barak et al., 2015). D’autres auteurs se baseront sur des modèles mêlant différents types de données déclarées : motivations pour s’inscrire et maîtrise du sujet (Phan et al., 2015), variables sociodémographiques et intentions déclarées (Engle et al., 2015 ; Greene et al., 2015). Cette démarche, qui consiste à combiner dans le même modèle différents types de variables explicatives pour expliquer la persistance, est un grand classique de la recherche.

De manière générale, la plupart des analyses que nous venons de présenter font écho à celles qui sont réalisées depuis des décennies dans le contexte de la formation à distance ; nous renvoyons à Hart (2012) pour une revue de la littérature récente sur les facteurs associés à l’abandon. Comme dans les MOOC, certaines recherches ont visé à expliquer la persistance au sein de la formation, en se focalisant sur des facteurs comme le parcours scolaire (Dupin-Bryant, 2004), les variables sociodémographiques (Aragon & Johnson, 2008), le sentiment d’efficacité personnelle (Joo et al., 2013) ou les interactions entre étudiants et personnel enseignant (Beck & Milligan, 2014). Jusqu’à l’usage des traces d’activité a fait son apparition dans la littérature sur l’abandon en formation à distance depuis plus d’une décennie (Morris et al., 2005) ; dans les travaux sur les MOOC, rares sont les approches qui n’ont pas été employées à un moment ou à un autre sur les recherches sur la FOAD.

La principale différence entre ces deux types de recherches réside dans les volumes de données en jeu. Les enquêtes en FOAD rassemblent au plus quelques milliers de réponses (Lee & Choi, 2011) là où celles sur les MOOC en rassemblent facilement plusieurs dizaines de milliers ; néanmoins, les taux de réponse restent relativement faibles dans le cas des MOOC, biais d’autosélection qui, nous le rappellerons en permanence, n’est pas sans conséquence sur la pertinence des résultats que l’on peut en tirer. On ne peut s’empêcher, en revenant sur cette dernière forme de littérature, de repenser aux critiques que formulent dès les années 1960 Gekowski et Schwartz (1961) vis-à-vis de la recherche sur l’attrition dans la formation initiale. Les études se concentrent simultanément sur un ou deux types de facteurs, sans s’attacher à appréhender la diversité des facteurs susceptibles d’influer sur le paramètre que constitue l’attrition.

C’est dans une large mesure la crainte de reproduire cette erreur qui m’a poussé à collecter des données aussi bien sur les motivations que sur la maîtrise du domaine, la structure des dispositifs ou le comportement d’inscription, quand bien même je n’ai pas pu à ce stade intégrer l’ensemble de ces éléments dans un modèle compréhensif. Cher collègue doctorant ou chercheur, si tu cherches de la biblio sur ce sujet, j’espère que tu trouveras ton bonheur dans ce billet comme dans les suivants.

Licence : Pas de licence spécifique (droits par défaut)

Répondre à cet article

Qui êtes-vous ?
[Se connecter]
Ajoutez votre commentaire ici

Ce champ accepte les raccourcis SPIP {{gras}} {italique} -*liste [texte->url] <quote> <code> et le code HTML <q> <del> <ins>. Pour créer des paragraphes, laissez simplement des lignes vides.

Suivre les commentaires : RSS 2.0 | Atom