Innovation Pédagogique et transition
Institut Mines-Telecom

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

Matthieu Cisel

Articles de cet auteur (54)

  • Intérêt pour le certificat des MOOC : quelques réflexions sur une enquête

    Dans mon blog Educpros, j’ai fait tout une série de billets consacrés aux certificats de MOOC, et à l’intérêt que les participants lui portent. J’aimerais conclure aujourd’hui par un petit article sur la question. Dans la mesure où cet article fait beaucoup référence à des travaux de recherche, sa tonalité est tout indiquée pour un articles dans Hypothèses. Nous parlons aujourd’hui autoformation compensatoire, certificat, et légitimation d’apprentissages.
    Le gros du public des MOOC portant un intérêt professionnel au certificat est constitué de salariés en poste, dont la plupart disposent d’un niveau de diplomation supérieur ou égal à (…)

    15 octobre 2018 par Matthieu Cisel Veille 666 visites 0 commentaire
  • MOOC et interaction entre apprenants : une petite revue de littérature

    Comme vous l’avez constaté, je suis ces jours-ci dans une logique de valorisation d’articles publiés récemment. C’est que j’ai envie qu’ils soient lus, bon sang. Je me suis décarcassé pour les écrire, ce n’est pas pour qu’ils profitent à deux pelés et trois tondus. Ces derniers jours, je vous ai fait part de mes articles dans Education et Formation ; j’aimerais aujourd’hui revenir sur un article publié dans Distances et Médiations des Savoirs, centré quant à lui sur les interactions entre utilisateurs de MOOC. Le billet d’aujourd’hui présente une petite littérature sur le sujet, qui est bien loin d’être exhaustive, car je ne l’ai pas mise (…)

    7 février 2018 par Matthieu Cisel Veille 1225 visites 0 commentaire
  • Comment mes questionnaires sur les MOOC ont évolué au fil du temps

    Un articlerepris du blog de Mathieu Cisel et publié le 14 juin
    Je trouve que l’on ne prend pas suffisamment en considération la façon dont les instruments de la recherche se construisent au fil du temps, quelles sont les influences qui se mettent en place, tout ça tout ça. Du coup, pour donner à voir ce qui se passe véritablement dans la tête d’un chercheur, je vous propose de décrire la démarche de construction de mes questionnaires adressés aux utilisateurs de MOOC, des questionnaires qui ont sensiblement évolué au fil des années. De vous à moi, si vous n’êtes pas chercheur, ce billet ne va probablement pas vous intéresser.
    La mise (…)

    15 novembre 2016 par Matthieu Cisel MOOC 5374 visites 0 commentaire
  • Quelques mots sur l’apprentissage autodirigé et sur l’autodirection

    Nous poursuivons aujourd’hui les quelques réflexion sur l’autodirection et sur l’apprentissage autodirigé, que nous avions entamé avec un billet sur l’autorégulation il y a une semaine.
    Jézégou (2009, 2011) s’est penchée sur l’utilisation du concept d’autodirection dans le cadre des recherches sur la formation à distance. L’auteur souligne qu’il est nécessaire de prendre garde à ne pas confondre l’apprentissage autodirigé à l’autodirection de l’apprenant, au risque de le réduire à sa seule dimension psychologique. L’autodirection est fonction des caractéristiques du dispositif dans lequel elle s’exerce (Spear & Mocker, 1984). Long (…)

    28 janvier 2017 par Matthieu Cisel Numériques pédagogiques 2316 visites 0 commentaire
  • Stratégies d’analyse et fouille de données éducatives : le Relationship Mining

    Dans le cas du Relationship mining, l’objectif est de découvrir des relations entre variables dans un jeu de données qui en comprend un nombre important. Cela peut conduire à chercher à identifier les variables qui sont le plus fortement associées avec une variable d’intérêt, ou à établir parmi l’ensemble de paires de variables celles dont la relation est la plus forte. Il existe grossièrement quatre types de Relationship mining : l’association rule mining, le correlation mining, le sequential pattern mining, le causal data mining. Cet article s’inscrit dans une série de billets consacrés aux techniques d’analyse en Educational Data (…)

    16 janvier 2017 par Matthieu Cisel Veille 1277 visites 0 commentaire
  • Méthodes mixtes et recherche en technologies éducatives : une illustration de la stratégie explicative séquentielle

    Ce billet fait partie d’une série d’articles sur les méthodes mixtes en éducation. La lecture des articles précédents est nécessaire pour comprendre le billet du jour, consacré à l’approche séquentielle explicative. L’approche séquentielle explicative (sequential explanatory) est particulièrement populaire chez les tenants de l’approche quantitative. Dans cette configuration, la première phase de la recherche est caractérisée par la collecte et l’analyse de données quantitatives, qui informe la collecte de données qualitative, qui est alors secondaire.
    Les deux formes de données sont séparées mais connectées. Le qualitatif a souvent (…)

    6 janvier 2017 par Matthieu Cisel Veille 1085 visites 0 commentaire
  • Retours réflexifs sur ma thèse (à l’usage de doctorants)

    Un article de Mathieu Cisel repris de son blog Numérique pédagogique
    Ami doctorant, si par hasard tu passes sur ce billet, j’y donne quelques conseils issus d’une réflexion sur mes quelques années de thèse. Je l’ai finie il y a quelques mois ; certaines choses se sont bien passées, d’autres moins, et si je peux me permettre de donner mon petit point de vue, je suis sûr que tu pourras te reconnaître dans quelques-unes de mes remarques.
    Si tu sors de ta zone de confort, fais-le avec prudence
    J’ai pris le risque d’adopter une démarche qualitative dans le cadre de mon travail de thèse, alors même que j’étais à l’origine familier (…)

    2 octobre 2016 par Matthieu Cisel Veille 949 visites 0 commentaire
  • Modélisation prédictive et découverte de structure, deux classiques de la recherche en Educational Data Mining

    Le billet d’aujourd’hui est consacré à deux approches utilisées en EDM lors d’analyses quantitatives : la modélisation prédictive d’une part, et la découverte de structure d’autre part. Cet article s’inscrit dans une série de billets consacrés aux techniques d’analyse en Educational Data Mining (fouille de données éducatives). La lecture des articles précédents est nécessaire pour mieux comprendre la démarche.
    Modélisation prédictive
    Dans le cas de la modélisation prédictive (predictive modeling), l’objectif est de développer un modèle qui infère sur un aspect particulier des données, comme une variable dite « dépendante », à partir (…)

    16 janvier 2017 par Matthieu Cisel Veille 1073 visites 0 commentaire
  • Développer l’éducation par la recherche avec un carnet numérique

    Élèves Savanturiers en pleine expérience, mai 2017. Savanturiers, CC BY-NC-SA
    Dans la plupart des pays développés, l’enseignement des sciences poursuit sa lente mutation. Les considérations méthodologiques occupent dans les discours une place croissante. Au moins sur le papier, les nouvelles générations d’enseignants sont encouragées à mettre davantage l’accent sur l’appropriation de la démarche scientifique, du raisonnement, et moins sur la mémorisation de faits ou de lois.
    On rappelle à loisir que les enjeux dépassent la formation des futures générations de scientifiques, car il s’agit aussi, au travers de la maîtrise de la démarche (…)

  • Analyse de traces d’interaction et reconceptualisation des indicateurs de performance de MOOC : une revue de littérature

    L’utilisation débridée d’indicateurs pour mesurer la performance de cours en ligne nuit potentiellement à la compréhension des phénomènes qu’ils prétendent mesurer. En nous focalisant sur les MOOC, nous illustrons trois types de travaux qui permettent de renouveler le regard sur ces métriques à partir d’analyses de traces d’interaction. Le premier consiste à questionner la terminologie mobilisée. Il convient d’identifier le phénomène que l’on évoque lorsque l’on parle de nombre d’étudiants, d’inscrits, ou de certificats délivrés. Par exemple, les inscriptions sont souvent faites par « rafales » et correspondent à des cours qui se (…)

0 | 10 | 20 | 30 | 40 | 50