Définitions
Learning Analytics: en français, analyse de l'apprentissage.
Selon Wikipédia, il s'agit de "la discipline consacrée à la mesure, la collecte, l'analyse et la production de rapports à propos des processus d'apprentissage".
360Learning.com parle du domaine du Learning Analytics ainsi: "Il est constitué de méthodes d’analyse et de détection de modèles dans les données collectées par les systèmes d’apprentissage, et utilisées pour soutenir l’expérience d’apprentissage."
Il s'agit donc de la récupération des "big data" et de leur exploitation dans le domaine de la formation et de l'e-learning.
Ou, selon Eric Duval, de collecter "les traces laissées derrière eux par les apprenants (dans leur environnement digital) et les utiliser, ces traces, pour améliorer le processus d'apprentissage."
Une sorte de "PAC" Formation (Processus d'Amélioration Continu).
A quoi cela sert donc?
A analyser les cursus
Résultats des tests (monitoring), nombre de clics par lien dans un e-module donné, génération de divers indicateurs, gestion des participants à un cursus de formation en salle ou en ligne, identification des problèmes, analyse de la pyramide des âges des participants, analyse des commentaires et remarques des participants, et bien d'autres choses encore...
Innombrables sont les aspects analysables, sur la base d'une data vraiment big.
A se poser de nouvelles questions
Des questions beaucoup plus pointues peuvent être envisagées via une analyse plus pointue elle aussi des big data provenant des cursus précédents:
- Quelle connexion entre le lieu d'accès à un module de formation et l'heure d'accès?
- Quel cursus offre la plus grande plus-value en termes de performance des employés?
- Quelle corrélation entre temps mis pour compléter un module et résultats des examens?
- Comment adapter le contenu de la prochaine version à chaque tranche d'âge?
- Etc.
A satisfaire le ROI
Par ROI, nous sous-entendons ici Return On Investment (en français: Retour Sur Investissement).
Et la cour du ROI est grande.
Qu'il s'agisse du responsable de la formation d'une entreprise, de celui des opérations ou de celui des finances, tous verront d'un bon œil le Learning Analytics:
- pour améliorer les formations elle-même (durée, contenu, etc.) => responsable formation
- pour améliorer la productivité des employés => responsable opérationnel
- pour optimiser le coût des formations => responsable des finances
A agir de façon proactive
Si les LMS permettent d'améliorer après coup le processus d'apprentissage, c'est souvent un peu tard, celui-ci étant achevé.
L'exploitation des big data par le Learning Analytics permet d'anticiper les problèmes potentiels sur la base d'une big quantité d'autres cursus de formation et par conséquent de limiter les risques de répéter les mêmes erreurs, et ce, avant même que le cursus suivant n'aie commencé.
Dans un même ordre d'idée, le Learning Analytics permet de personnaliser au fil du temps le cursus de formation à l'apprenant, sur la base de ses caractéristiques (âge, sexe, niveau d'éducation, etc.) en fonction de big data "prémâchées" en conséquence par le LA (Learning Analytics) ou mieux, de le faire en "live", en fonction du flux des remarques et commentaires des apprenants en cours de cursus.
A motiver les étudiants/apprenants
Selon une étude de McGraw-Hill Education, les étudiants/apprenants sont friands de feedbacks tout au long de leur cursus. Feedbacks qui fleurissent à l'intérieur de leurs modules. Feedbacks qui sont l'un des fruits du Learning Analytics. Ils aiment à consulter en continu ces feedbacks tout comme ils scrutent les "Like" sur Facebook ou ailleurs dans le monde des réseaux sociaux, à se comparer aux autres apprenants, ainsi qu'à interagir mieux (à la sauce "social network") avec l'enseignant.
Conclusion
Le LA (Learning Analytics) permet de rendre un cursus de formation intelligent.
Il y injecte de l'IA (Intelligence Artificielle) issue des big data.
Même si l'on ne fait que commencer à percevoir le potentiel du jeune LA, les perspectives sont réjouissantes. Cela va bien au-delà d'une analyse fine des expériences passées. Cela va vers le prédictif, avec pour but d'offrir des modèles d'apprentissages renouvelés et qui tendent de mieux en mieux vers les objectifs de formation souhaités.
Le futur du LA réside aussi dans la capacité des formateurs à lui poser les bonnes questions, afin de faire usage au mieux des big data à disposition.
