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)

  • Le MOOC, un projet d’apprentissage ?

    Je fais régulièrement le lien entre le suivi d’un MOOC et ce que l’on nomme les projets d’apprentissage, un vieux concept, puisqu’il est proposé dès 1971 par Allen Tough. Néanmoins, il me faut souligner que les éventuels projets d’apprentissage correspondant aux MOOC se distinguent à bien des égards de ceux que décrit Tough dans ses travaux séminaux. Quelques mots sur la question …
    Pour l’auteur, un projet d’apprentissage dure en moyenne une centaine d’heures et mobilise en moyenne une dizaine de personnes-ressources. Or les MOOC de FUN ne nécessitent qu’une vingtaine d’heures en moyenne si l’on se base les estimations fournies par les (…)

    27 mai 2018 par Matthieu Cisel Veille 296 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 (…)

    15 octobre 2018 par Matthieu Cisel Veille 420 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 (…)

    16 février 2017 par Matthieu Cisel Veille 360 visites 0 commentaire
  • Quand l’on picore dans un MOOC : retour sur la question de l’échantillonnage

    Vous vous en doutiez sûrement un petit peu, mais ce n’est pas parce que l’on obtient le certificat d’un MOOC que l’on a réalisé toutes les tâches prescrites, c’est ce que je nomme l’échantillonnage. A défaut de vous présenter des résultats chiffrés (il faudra attendre la publication des mes articles pour cela), je vous propose de réfléchir au moins aujourd’hui à quelques interprétations de la chose.
    Alors que la question de la catégorisation des non-certifiés sur la base de leurs usages observables revient régulièrement dans les rapports et les articles scientifiques, celle de l’échantillonnage reste quant à elle largement sous-investie (…)

    9 février 2017 par Matthieu Cisel Numérique pédagogique 1686 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 (…)

  • 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 (…)

    17 janvier 2017 par Matthieu Cisel Veille 397 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 927 visites 0 commentaire
  • Traces d’interaction et types d’analyses de données quantitatives

    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 (…)

    12 janvier 2017 par Matthieu Cisel Veille 998 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 841 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, (…)

    6 février 2018 par Matthieu Cisel Veille 924 visites 0 commentaire

0 | 10 | 20 | 30 | 40 | 50