Référence :
Cernezel A., Karakatic S., Brumen B., (2014) « Predicting grades based on students’ online course activities », in L. Uden et al., KMO 2014, LNBIP 185, pp. 108-117
Idée / dominante :
Cet article s’intéresse à la possibilité de prévoir les notes finales des étudiants d’après le nombre d’activités réalisées et leur note intermédiaire. Cette prédiction est fiable à plus de 90%.
Résumé :
Les systèmes de management des cours en ligne permettent aux professeurs de communiquer et d’interagir avec leurs étudiants et de fournir des retours sur leurs travaux. Ils enregistrent également les données relatives aux activités des étudiants (nombre de connections, de vues d’un cours, d’évaluations réalisées), permettant d’identifier les préférences et performances des étudiants (Donnellan & Pahl, 2002, Pritchard et al, 2005). Cet outil comble donc le besoin de contact physique. Cet article a pour but de voir s’ils pourraient aussi permettre de prévoir les notes finales.
Expérience : A l’université de Maribor, en Slovénie, tous les ordinateurs sont équipés du système de management des cours en ligne Moodle. Cette plateforme permet aux professeurs de répondre aux questions des étudiants, de conseiller des ouvrages littéraires et de noter les examens ; et aux étudiants, de consulter les informations mises en ligne par les professeurs, de se renseigner sur chaque cours et chaque évaluation, de poser des questions sur le forum … La recherche a été menée sur une multitude de cours, suivis par un nombre conséquent et variable d’étudiants, pendant une année (divisée en 4 trimestres, de Q1 à Q4)
Résultats : Deux variables de prédiction des notes finales ont été testées et validées :
- Grâce aux activités des étudiants: Plus le nombre d’activités réalisées par les étudiants (nombre de vues des examens et ressources pédagogiques) est élevé, plus la note finale le sera aussi.
- Grâce aux notes intermédiaires: Les notes obtenues en Q2 sont semblables à celles obtenues en Q4. Il y a donc une vraie corrélation entre les notes obtenues à mi-parcours et les notes finales. On peut donc prévoir les notes finales des apprenants, à partir de leur note de milieu d’apprentissage : plus la note intermédiaire est élevée, plus la note finale le sera aussi.
D’autres hypothèses ont été testées : plus les étudiants complètent et envoient leur évaluation tôt, plus les notes seront élevées. Mais comme tous les examens ont été rendus dans les derniers jours, cette variable de prédiction n’est pas vérifiable.
Conclusion : Cet article décrit les recherches menées afin d’identifier les variables permettant de prévoir au plus juste les notes finales des étudiants. Les deux variables identifiées sont les notes intermédiaires et les activités des étudiants. Lorsque celles-ci sont combinées, il en ressort un modèle capable de prévoir les notes avec une fiabilité de 91.7%. Ces deux variables sont donc intéressantes car fiables et faciles d’utilisation. En effet, les données sont déjà enregistrées dans le système de management des cours en ligne.
Notes d’intérêt pour la recherche en cours :
Les auteurs montrent que les activités et les notes intermédiaires des étudiants sont liées à leur notes finales. Ceci laisse sous-entendre que les étudiants pleinement satisfaits des activités de la diversité des activités proposées et de leur note intermédiaire obtenue, sont plus en clin à poursuivre le MOOC jusqu’à son terme.
Bibliographie :
Donnellan D., Pahl C (2002) “Data minning technology for the evaluation of web-based teaching and learning systems”, in World conference on e-learning in Corporate, Government, Healthcare and higher Education, pp. 747-752.
Pritchard D., Warnakulasooriya R., (2005) “Data from a wab-based homework tutor can predict student’s final exam score”, in World conference on Educational Multimedia, Hypermedia and Telecommunications, pp. 2523-2529.
Kotsiantis S., Pierrakeas C., Pintelas P., (2005) « Predicting student’s performance in distance learning using machine learning techniques », in Appl. Artif. Intell., vol 18, n° 5, pp. 411-426.