Alors que les données affluent, les cours en ligne ouverts et massifs évoluent

En 2012, les startups de l'éducation ont attiré des millions d'étudiants - et un regain d'intérêt de la part des universités et des médias - en proposant des cours en ligne ouverts et massifs, ou MOOC. Maintenant, certaines caractéristiques de base de ces cours très populaires sont disséquées, permettant aux fournisseurs de cours de faire leur propre apprentissage. Alors que ces entreprises analysent les données des utilisateurs et expérimentent différentes fonctionnalités, elles explorent comment personnaliser les expériences d'apprentissage des étudiants et accumulent un stock d'astuces pédagogiques pour aider davantage d'étudiants à terminer leurs cours.

Les données que nous collectons sont sans précédent dans le domaine de l'éducation, déclare Andrew Ng, cofondateur du fournisseur de MOOC Coursera et professeur agrégé à l'Université de Stanford. Nous voyons chaque clic de souris et chaque frappe. Nous savons si un utilisateur clique sur une réponse puis en sélectionne une autre, ou avance rapidement dans une partie d'une vidéo.

Ng et d'autres grandes figures du monde des MOOC ont depuis longtemps prévu que les MOOC fourniraient une mine de données sur la façon dont les étudiants apprennent réellement. Cependant, jusqu'à récemment, ces petites entreprises étaient trop préoccupées par la mise à l'échelle de leur infrastructure afin de répondre à l'explosion de la demande (voir La technologie des cours en ligne ouverts et massifs) pour étudier ces données en profondeur.

Certaines découvertes récentes ont confirmé certains aspects de la conception des MOOC. Les chercheurs de Princeton ont utilisé les données de Coursera pour montrer que le système de notation par les pairs de l'entreprise, qui calcule les notes pour les cours en fonction des commentaires fournis par d'autres étudiants, est efficace. D'autres découvertes ont remis en question les hypothèses sur la façon dont un cours en ligne peut s'adresser avec succès à des centaines de milliers d'étudiants ou plus.

Depuis l'apparition des MOOC, les petites vidéos ont fourni l'essentiel de l'enseignement, accompagnées d'évaluations et d'exercices en ligne pour aider à cimenter le contenu dans l'esprit des étudiants. Cependant, les données de Coursera et d'Udacity révèlent un grand sous-ensemble d'étudiants qui préfèrent sauter des vidéos et avancer autant que possible. Nous avons commencé à restructurer nos cours pour avoir beaucoup moins de vidéos et pour réenregistrer certaines vidéos, déclare Sebastian Thrun, professeur de robotique à Stanford, vice-président de Google et cofondateur et PDG de l'audace . Nos cours populaires changent vraiment beaucoup en fonction de nos données.

Une grande partie de la recherche sur les performances est motivée par le désir d'augmenter les taux d'achèvement des cours, qui oscillent autour de 10 %, selon la plupart des fournisseurs de MOOC et les chiffres des universitaires qui ont enseigné en utilisant les cours. Un projet de recherche Udacity a récemment suggéré que les défis techniques pourraient être à l'origine d'une fraction importante des abandons. Dans l'expérience, certains utilisateurs d'Udacity ont été invités à discuter par texte avec un système d'aide automatisé qui utilisait en fait des opérateurs humains en direct, et de nombreux utilisateurs ont mentionné des problèmes liés à la maîtrise de l'informatique.

La façon dont les gens restent bloqués est très différente de ce à quoi nous nous attendons, dit Thrun. Certains étudiants ne peuvent tout simplement pas utiliser un clavier ou un site Web. Il montre que le MOOC de base à taille unique est inadéquat pour résoudre le problème de rétention. Udacity travaille désormais sur des techniques d'analyse qui pourraient trier les étudiants sur la base de leur comportement et proposer une aide ciblée, ou ajuster les cours pour mieux les servir.

Adapter les MOOC est une idée qui a du mérite, dit Chris Piech , un doctorant de Stanford qui fait des recherches sur l'apprentissage en ligne. Dans une étude récente, Piech et deux collègues ont examiné trois des MOOC d'informatique de Stanford et ont découvert que les décrocheurs se répartissaient en trois groupes distincts : les auditeurs, qui n'avaient pas l'intention de terminer le cours mais qui l'ont utilisé comme une ressource, comme un livre ; les étudiants qui ont participé au cours mais qui ont progressivement pris du retard ; et ceux qui ont échantillonné sporadiquement tout au long du cours.

Beaucoup dans les deux derniers groupes achèveraient probablement un cours s'ils recevaient la bonne assistance, dit Piech, et les données recueillies dans l'étude suggèrent qu'encourager les étudiants à interagir les uns avec les autres via des forums ou d'autres fonctionnalités sociales le ferait.

Piech anticipe un flot de recherches publiées et internes de fournisseurs de MOOC faisant état d'avancées significatives dans l'efficacité de l'apprentissage en ligne. Au fur et à mesure que les plateformes MOOC deviennent plus robustes et que leur architecture est élaborée, la recherche va devenir plus prioritaire et plus utile, dit-il. Ils fournissent les grands nombres pour répondre aux questions difficiles sur l'éducation.

Certaines analyses menées dans les entreprises du MOOC semblent répondre à des questions plus modestes. Les tests A/B, une méthodologie courante dans les sociétés Internet, sont utilisés pour essayer de petites modifications de conception qui pourraient inciter les étudiants à faire mieux. Les tests A/B montrent différentes versions d'un service à différents segments de l'audience d'un site pour voir comment ils réagissent.

Grâce aux tests A/B, explique Ng, Coursera a récemment découvert que sa pratique consistant à envoyer des e-mails aux personnes pour leur rappeler les prochaines échéances des cours rendait les étudiants moins susceptibles de poursuivre les cours. Mais l'envoi d'e-mails résumant l'activité récente des étudiants sur le site a augmenté l'engagement de plusieurs points de pourcentage. Un test A/B d'Udacity a opposé une version colorisée d'une leçon à une version en noir et blanc. Les résultats des tests étaient bien meilleurs pour la version noir et blanc, dit Thrun. Cela m'a surpris.

Il n'est pas clair si les listes de raffinements résultant des tests A/B s'ajouteront à une grande théorie de l'apprentissage et de l'enseignement qui remet en question la tradition. Ng dit qu'il ne pense pas qu'une grande théorie soit nécessaire pour que les MOOC réussissent. J'ai lu Piaget et Montessori, et ils semblent tous les deux convaincants, mais les éducateurs n'ont généralement aucun moyen de choisir ce qui fonctionne vraiment, dit-il. Aujourd'hui, l'éducation est une science anecdotique, mais je pense que nous pouvons transformer l'éducation en une science axée sur les données, où vous faites ce que vous savez qui fonctionne.

cacher