Analyse de données et de réseaux sociaux pour l’aide à l’apprentissage informel en ligne

Analyse de données et de réseaux sociaux pour l’aide à l’apprentissage informel en ligne

Mathieu d’Aquin | @mdaquin | @afelproject

Insight Centre for Data AnalyticsNational University of Ireland, Galway

L’analyse de l’apprentissage (Learning Analytics)

D’après Wikipedia:

L’analyse de l’apprentissage (Learning analytics que l'on traduit également par « analytique de l’apprentissage » ou « analyse de l’éducation ») est la discipline consacrée à la mesure, la collecte, l’analyse et la présentation de rapports basés sur des données des apprenants en contexte d’apprentissage dans le but de comprendre et d’optimiser l’apprentissage et le contexte.

L’analyse de l’apprentissage (Learning Analytics)

D’après Wikipedia:

L’analyse de l’apprentissage (Learning analytics que l'on traduit également par « analytique de l’apprentissage » ou « analyse de l’éducation ») est la discipline consacrée à la mesure, la collecte, l’analyse et la présentation de rapports basés sur des données des apprenants en contexte d’apprentissage dans le but de comprendre et d’optimiser l’apprentissage et le contexte.

Learner

Platform

Analytics

VLE | Website | LibraryAssessment | Enrollment

School/University

Prediction Drop out

BI

Planning

Recommendation

Typiquement…

Une université utilise les données sur les étudiants et sur leurs activitées au travers de leur système informatique dans le but de prédire la réussite des étudiant afin de pouvoir l'améliorer….

Et si on a de la chance, aussi d'améliorer les enseignements...

Typiquement…

Vital for doctors OU Analyse

Typiquement…

Traces d’activités sur les système de

l’organisme d'enseignement

Information sur les apprenants

(démographie, etc.)

● Identifier les apprenants en difficulté

● Identifier les pratiques d’enseignement efficaces

● Augmenter le taux de réussites

● Diminuer le taux d’abandons

Mais : Everyday Learning

Learner

Platform

Analytics


School/University

Prediction Drop out

BI

Planning

Recommendation


Learner

Platform

Analytics


School/University

Prediction Drop out

BI

Planning

Recommendation


Learner

Platform

Analytics


School/University

Prediction Drop out

BI

Planning

Recommendation


Learner

Platform

Analytics


School/University

Prediction Drop out

BI

Planning

Recommendation

Sentiment Analysis

Collective Intelligence Behaviour Analysis

Collaboration

Community Support

Question

L’analyse de l’apprentissage dans un contexte informel, social, en ligne, pour bénéficier

l’apprenant d’une façon autodirigé ?

Difficulté #1: D'où viennent les données

Platform d’apprentissage

(e.g. Moodle)

apprenant

analyste enseignant

activités générant des traces

traces et métadonnées

ressources et leurs métadonnées

analyse

apprenant

identifiant

activités générant des traces et (des fois, différents) identifiants

?analyse


apprenant

Navigateur identifiants AFEL et de la plateforme


apprenant


Navigateur

AFEL Data Platform

Extension

app

Tracker

Crawleridentifiants AFEL et

de la plateforme

identifiants AFEL et de la plateforme

Crawler

Traces et métadonnées


apprenant


Navigateur

AFEL Data Platform

Platform d’analyse

Visualisationidentifiant AFEL

Analyse

Données personnelles

intégrés

Indicateurs

Extension

app

Tracker

Crawleridentifiants AFEL et

de la plateforme

identifiants AFEL et de la plateforme

Crawler

Traces et métadonnées

AFEL Core Data Model (based on schema.org)

AFEL Data Platform (data.afel-project.eu)

Exemple : Extension Navigateur

Exemple : Extension Navigateur

Disponible pour Chrome, Firefox et Opera.

Autre extracteurs incluent un application facebook, un extracteur pour Twitter, pour stackoverflow…

Intégrés sous un modèle sémantique commun.

Publication de données (http://data.afel-project.eu/catalogue/learning-analytics-dataset-v1/)

Re-publication de jeux de données intégrés par le project AFEL en RDF (NT) en utilisant l’AFEL Core Data Model basé sur Schema.org et LRMI.

A l’heure actuelle, 434 million de triplets incluant traces d’utilisation de ressources, d’utilisation de jeux en ligne, de communication (forums d’apprenant), de métadonnées de ressources, etc.

Plus de donnés à venir incluant des traces anonymisées à grande échelle a partir de plusieurs plateformes en ligne.

Difficulté #2: Optimiser l'apprentissage ???

Que maximiser ? Que minimiser ?

enseignant analyste

Ratio :

réussite des étudiantsressources nécessaires

pour l’atteindre

apprenant

Dans le contexte de l’apprentissage informel

autodirigé : quelle notion de réussite ?

quelle resources ?

Re-comprendre l’apprentissage quand il ne peut être mesuré

Bennett’s four-part model of informal learning.


Bennett’s four-part model of informal learning.

… mais pas forcément explicite.

… m

ais pas fo

rcém

en

t exp

licite.


The dynamic processes of learning and knowledge construction from Kimmerle, Moskaliuk, Oeberst, and Cress, 2015.





“constructive friction is the driving force behind learning” -- AFEL Deliverable 4.1, [CK08]

Optimiser l’apprentissage….

Mesurer la friction (la nouveauté, la différence) introduite par une activité d’apprentissage (possiblement tacite).

Favoriser les activités qui produise une friction productive.

Quelle type de frictions ?- De sujet : à quelle point l’activité introduit de nouveaux concepts sur

le sujet d’apprentissage → Couverture.- De difficulté : à quelle point l’activité introduit un niveau de difficulté

qui n’était pas accessible auparavant et qui nécessite un effort supplémentaire → Progression.

- De point de vue : à quelle point l’activité introduit une opinion différente de ce qui a été vue auparavant → Ouverture.

Example - Couverture dans les traces de navigation

Analyse de textes Clustering

Analyse de progression

Historique du navigateur web

Zones d’apprentissage

thématiques





web programming

british isles

Intégrer le toutLearning Scopes

Sort by Learning Intensity Progress

Success

ProgrammingMark as irrelevant

Web TechnologiesMark as irrelevant

Roman HistoryMark as irrelevant

Learning AnalyticsMark as irrelevant

JavaMark as irrelevant

Web DevelopmentMark as irrelevant

Guitar playingMark as irrelevant

Ukulele playingMark as irrelevant

CybersecurityMark as irrelevant

Machine LearningMark as irrelevant

Learning Intensity Progress

yearmonthweekdayLearning Intensity in Roman History in << January 2017 >>

1 5 10 15 20 25 30

Amount of activities in time

Mon Tue Wed Thu Fri Sat Sun 0 2 4 6 8 10 12 14 16 18 20 22 24

amounteffort

Show average in community

commu.

Filters

Ce n’est que le début

La platform AFEL est en place and des données de test commence être disponible.

Plus de travaux nécessaires au niveau technique.

Plus de travaux nécessaires pour extraire des données les indicateurs plus complexes, incluant la complexité, les points de vue, etc.

Plus de travaux nécessaires pour comprendre comment présenter ces indicateurs de façon à les rendre utiles pour l’apprenant. Adoption des outils AFEL ?

Jane is 37 and works as an administrative assistant in a local medium-sized company. As a hobbies, she enjoyed sewing and cycling in the local forests. She is also interested in business management, and is considering either developing in her current job to a more senior level or making a career change.

Jane spends a lot of time online at home and at her job. She has friends on facebook with whom she shares and discusses local places to go biking, and others with whom she discusses sewing techniques and possible projects, often through sharing youtube videos.

Jane also follows MOOCs and forums related to business management, on different topics. She often uses online resources such as Wikipedia and online magazine on the topics. At school, she was not very interested in maths, which is needed if she want to progress in her job. She is therefore registered on Didactalia, connecting to resources and communities on maths, especially statistics.

Jane has also decided to take her learning seriously: She has registered to use the AFEL dashboard through the Didactalia interface. She has also installed the browser extension to include her browsing history, as well as the facebook app. She has not included in her dashboard her emails, as they are mostly related to her current job, or twitter, since she rarely uses it.

Jane looks at the dashboard more or less once a day, as she is prompted by a notification from the AFEL smartphone application or from the facebook app, to see how she has been doing the previous day in her online social learning. It might for example say “It looks like you progressed well with sewing yesterday! See how you are doing on other topics…”

Jane, as she looks at the dashboard, realises that she has been focusing a lot on her hobbies and procrastinated on the topics she enjoys less, especially statistics. Looking specifically at statistics, she realises that she almost only works on it in Friday evenings, because she feels guilty of not having done much during the week. She also sees that she is not putting as much effort into her learning of statistics as other learners, and not making as much progress. She therefore makes a conscious decision to put more focus on it. She adds the dashboard goals of the form “to work on statistics during my lunch break every week day” or “to have achieved a 10% progress compared to now by the same time next week”. The dashboard will remind her how she is doing against those goals as she go about her usual online social learning activities. She also gets recommendation of things to do on Didactalia and Facebook based on the indicators shown on the dashboard and her stated goals.

http://mdaquin.net@mdaquin

http://afel-project.eu@afelproject

http://mdaquin.net

http://mdaquin.net

http://afel-project.eu

http://afel-project.eu

Technology

Analyse de données et de réseaux sociaux pour l’aide à l’apprentissage informel en ligne