Dans le cadre d’une ANR, l’ANR Hubble, je me suis intéressé à deux questions relatives à la classification des démarches de recherche dans le champ de la fouille de données issues d’Environnements Informatiques pour l’Apprentissage Humain (EIAH), que nous nommerons traces d’interaction. L’objectif qui sous-tend cette démarche est avant tout de contribuer à l’établissement d’un vocabulaire commun au sein d’une communauté de recherche sur les EIAH caractérisée par sa pluridisciplinarité. La première classification est celle des méthodes mixtes (Creswell, 2009) dans le champ des recherches en éducation, celles-ci étant définies par l’usage (…)
Innovation Pédagogique et transition
Une initiative de l'Institut Mines-Télécom avec un réseau de partenaires
Matthieu Cisel
Articles de cet auteur (54)
-
Recherches sur les technologies éducatives et usage des méthodes mixtes
-
Recherches en éducation : l’épineuse question de la validité dans les méthodes mixtes
Au cours des derniers billets, nous nous sommes penchés sur les axes de description des méthodes mixtes, et avons repris la typologie en six types de démarches proposée par Creswell et al. (2003), que nous avons illustrée avec des exemples issus du champ éducatif. Nous aimerions conclure cette série d’articles sur la question des critères de validité des méthodes mixtes. Le terme validité ne désigne pas uniquement les mesures quantitatives. Il se réfère au fait qu’une investigation, « dans ses différentes composantes, dans les conclusions qui en sont tirées, dans les applications qui en découlent, peut être de bonne ou de mauvaise (…)
-
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 (…) -
Learning analytics : une typologie d’analyses
J’inaugure aujourd’hui une série d’articles au cours desquels je me propose de revenir sur la diversité des types d’analyses quantitatives menées sur les traces d’interaction, en nous inscrivant dans la démarche de classification que nous avons suivie pour les méthodes mixtes. Nous emploierons le terme forme d’analyse pour désigner les différents types d’analyses quantitatives étudiées ici. Il est possible de classifier les formes d’analyse selon plusieurs axes, le premier étant celui de l’objectif sous-jacent, le second étant la nature de l’analyse réalisée. Les travaux réalisés dans le champ de l’Educational Data Mining peuvent avoir (…)
-
Stratégies d’analyse et fouille de données éducatives : des modèles pour guider le travail de fouille
Je vous propose aujourd’hui de nous attarder sur deux éléments : la « distillation de données pour le jugement humain », et la fouille médiée par des modèles. 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.
Data distillation for Human Judgement
Dans certains cas, les humains peuvent faire des inférences à propos des données, lorsqu’elles sont présentées de manière appropriée, qui vont au-delà de méthodes de fouilles de données automatisées. Les méthodes de (…) -
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 (…)
-
L’origine des confusions autour du terme MOOC
Un article publié en mai 2016 sur le site numérique pédagogique de Mathieu Cisel
Bon, allez, malgré ce que je vous ai dit l’autre fois, je vous propose dans un petit billet de revenir sur les origines du terme MOOC. L’impact médiatique du phénomène (Bulfin, 2014 ; Kovanovic, 2015), notamment sur les réseaux sociaux (Shen & Kuo, 2015 ; Zhang, 2015), son appropriation par de multiples acteurs et l’évolution constante des dispositifs n’ont pas manqué de jeter un certain flou quant à la définition de l’objet. Le succès qu’ont rencontré les MOOC à partir de 2012 a conduit à de nombreux détournements plus ou moins intentionnels du terme, (…) -
La visibilité des mémoires déposés sur DUMAS : une question de discipline
S’ils ne sont généralement pas considérés comme des écrits scientifiques de premier plan, les mémoires de Master de bonne qualité peuvent néanmoins se révéler utiles à la recherche, notamment car ils traitent souvent de sujets d’actualité et peuvent ce faisant accélérer le travail de chercheurs plus confirmés. Encore faut-il qu’il existe des leviers de motivations susceptibles d’inciter les étudiants à mettre à disposition leur travail. Nous nous proposons ici d’explorer au prisme de la théorie de l’échange social l’un des mécanismes qui poussent les étudiant.es à mettre en ligne leur mémoire dans des archives dédiées : la visibilité du (…)
-
Stratégies d’analyse et fouille de données éducatives : des modèles pour guider le travail de fouille
Je vous propose aujourd’hui de nous attarder sur deux éléments : la « distillation de données pour le jugement humain », et la fouille médiée par des modèles. 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.
Data distillation for Human Judgement
Dans certains cas, les humains peuvent faire des inférences à propos des données, lorsqu’elles sont présentées de manière appropriée, qui vont au-delà de méthodes de fouilles de données automatisées. Les méthodes de (…) -
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 (…)
