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)

  • 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 (…)

  • 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 142 visites 0 commentaire
  • 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, (…)

    3 septembre 2016 par Matthieu Cisel Veille 408 visites 0 commentaire
  • MOOC : croiser questionnaires et traces d’activité – le Classico de la recherche

    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 (…)

    30 août 2016 par Matthieu Cisel MOOC 561 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 (…)

    20 avril 2017 par Matthieu Cisel Veille 680 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 774 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 (…)

    26 janvier 2017 par Matthieu Cisel Veille 693 visites 0 commentaire
  • Quatre axes pour distinguer les méthodes mixtes

    Dans la continuité du dernier billet, je vous propose de continuer notre réflexion sur les méthodes mixtes en nous attardant sur une typologie proposée par Creswell, un des auteurs les plus prolixes en la matière.
    Creswell et al. (2003) proposent quatre axes pour discriminer les différentes approches. Le premier est la séquentialité (Timing) ; il s’agit ici de déterminer l’ordre dans lequel seront récoltées données qualitatives et quantitatives, et le cas échéant, si elles seront collectées de manière concomitante. Le second est le poids respectif (Weighing) de la démarche quantitative et de la démarche qualitative. Il s’agit de (…)

    5 janvier 2017 par Matthieu Cisel Veille 2229 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 271 visites 0 commentaire
  • 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 (…)

    16 janvier 2017 par Matthieu Cisel Veille 302 visites 0 commentaire

0 | 10 | 20 | 30 | 40 | 50