Innovation Pédagogique
Institut Mines-Telecom

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

Matthieu Cisel

Articles de cet auteur (52)

  • 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 qualité, ou quelque part (...)

    16 janvier 2017 par Matthieu Cisel Veille 47 visites 0 commentaire
  • 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 Bac+5, et s’inscrivant (...)

    15 octobre 2018 par Matthieu Cisel Veille 32 visites 0 commentaire
  • Le sigle MOOC à la loupe

    Dans le dernier billet, je vous avais promis que nous reviendrions sur la définition du terme MOOC en décomposant le sigle. Nous allons donc revenir aujourd’hui sur la signification des termes Massif, Open, Online et Course. Si je me suis déjà prêté à l’exercice il y a longtemps dans le cadre d’un billet assez court, je vous propose aujourd’hui de renouveler l’exercice dans un esprit un peu plus académique.

    12 juin 2016 par Matthieu Cisel Veille 418 visites 0 commentaire
  • 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 visualisation de (...)

    20 avril 2017 par Matthieu Cisel Veille 234 visites 0 commentaire
  • Manifeste pour un catalogue d’analyses (pour les learning analytics)

    Aujourd’hui, je souhaiterais suggérer des pistes relatives au travail de vulgarisation des méthodes d’analyse de données éducatives, dont j’ai donné l’esprit au cours des billets précédents. On va notamment parler d’une idée qui me trotte dans la tête depuis longtemps, un catalogue d’analyses pour les traces d’interaction (ou learning analytics), dans lequel un analyste pourrait venir piocher à loisir des idées.
    La première pourrait consister à poursuivre le travail de construction de typologies effectuées en subdivisant certaines des catégories proposées jusqu’à présent, et en créant davantage de catégories spécifiques du champ éducatif (pour, bien sûr, (...)

    17 janvier 2017 par Matthieu Cisel Veille 92 visites 0 commentaire
  • Méthodes mixtes en éducation : stratégies concomitantes et transformatives

    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 aux stratégies concomitantes et transformatives, deux formes de méthodes mixtes.
    Stratégie concomitante avec étayage réciproque
    Dans le design concomitant avec étayage réciproque (concurrent with triangulation, pour les anglo-saxons), l’objectif est de confirmer, de corroborer, de réaliser une validation croisée des résultats obtenus au sein d’une même étude. Nous avons préféré le terme étayage réciproque comme traduction du terme triangulation. Les données qualitatives et (...)

    16 janvier 2017 par Matthieu Cisel Veille 28 visites 0 commentaire
  • Pourquoi analyser le MOOC comme un projet d’apprentissage ?

    Aujourd’hui, je vous propose un extrait de l’article que j’ai publié dans la revue belge Education et Formation, sur le MOOC, vu comme un projet d’apprentissage. Je propose de revenir dans cet article sur les raisons qui m’ont poussé à analyser les MOOC en ces termes. A force de lire d’une part la littérature sur la formation à distance, et d’autre part celle sur les MOOC, j’ai réalisé qu’il fallait sans doute changer de perspective pour se distinguer significativement de recherches vieilles de plusieurs décennies.
    Les similitudes sont frappantes entre, d’une part, les travaux qui furent consacrés dès l’immédiat après-guerre (Edwards, 1954) à la (...)

    6 février 2018 par Matthieu Cisel Veille 302 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 d’une combinaison plus ou (...)

    26 janvier 2017 par Matthieu Cisel Veille 62 visites 0 commentaire
  • 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 visualisation de (...)

    16 janvier 2017 par Matthieu Cisel Veille 123 visites 0 commentaire
  • Manifeste pour un catalogue d’analyses (pour les learning analytics)

    Aujourd’hui, je souhaiterais suggérer des pistes relatives au travail de vulgarisation des méthodes d’analyse de données éducatives, dont j’ai donné l’esprit au cours des billets précédents. On va notamment parler d’une idée qui me trotte dans la tête depuis longtemps, un catalogue d’analyses pour les traces d’interaction (ou learning analytics), dans lequel un analyste pourrait venir piocher à loisir des idées.
    La première pourrait consister à poursuivre le travail de construction de typologies effectuées en subdivisant certaines des catégories proposées jusqu’à présent, et en créant davantage de catégories spécifiques du champ éducatif (pour, bien sûr, (...)

    16 janvier 2017 par Matthieu Cisel Veille 22 visites 0 commentaire

0 | 10 | 20 | 30 | 40 | 50