Esteban Villalobos, membre de l’équipe TALENT, a soutenu le 28 juin 2024 sa thèse intitulée Developing a Learning Analytics framework to understand the temporal behavior of students in Blended Learning Environments (Développement d’un cadre d’analytique de l’apprentissage pour comprendre le comportement temporel des étudiants dans des environnements d’apprentissage mixte).

Félicitations à lui !!!!!!!!

Le jury était composé de :

• Hendrik Drachsler – DIPF, Deutsches Institut für Internationale Pädagogische Forschung
• Alejandra Martínez Monés – Universidad de Valladolid
• Sasha Poquet – Technical University of Munich
• Mohammed Saqr – University of Eastern Finland
• Mar Pérez-Sanagustín – IRIT, Université de Toulouse
• Julien Broisin – IRIT, Université de Toulouse

Résumé de la thèse :

Dans le paysage en évolution de la technologie éducative, l’apprentissage autorégulé émerge comme un facteur clé pour le succès des étudiants. Cela est de plus en plus prévalent dans les environnements d’apprentissage hybride, où les étudiants doivent réguler leur apprentissage de manière plus efficace. Reconnaissant le rôle crucial de l’apprentissage autorégulé, cette thèse s’intéresse au manque de compréhension de l’apprentissage autorégulé dans les contextes d’apprentissage hybride en s’appuyant sur des méthodes récentes d’analyse des apprentissages avec des mesures auto-déclarées. Les avancées récentes dans l’analyse des apprentissages ont introduit des méthodes novatrices utilisant l’Analyse de Séquences pour mesurer l’apprentissage autorégulé, offrant des aperçus plus nuancés des processus et stratégies d’apprentissage des étudiants. La thèse aborde deux objectifs principaux : (1) développer un cadre analytique pour analyser l’apprentissage autorégulé tel qu’il se déroule dans le temps dans les contextes d’apprentissage hybride, intégrant à la fois les caractéristiques personnelles et les traces d’interaction pour examiner l’évolution des stratégies d’apprentissage autorégulé, et (2) exploiter ce cadre pour comprendre comment les interventions d’analyse des apprentissages affectent le comportement des étudiants. Pour aborder le premier objectif, cette thèse explore comment les mesures auto-déclarées des étudiants et leurs réussites antérieures sont liées aux stratégies d’apprentissage des étudiants détectées en utilisant des méthodes d’analyse de séquences novatrices. De plus, cette thèse vise à répondre à la question de savoir si les traces d’interaction peuvent être considérées comme un médiateur entre les caractéristiques personnelles des étudiants et leur performance finale dans le cours. Pour aborder le second objectif, cette thèse montre comment les méthodes d’analyse de séquences peuvent être utilisées pour comprendre l’effet causal d’une intervention d’analyse des apprentissages dans la dynamique temporelle du comportement des étudiants. À travers une analyse minutieuse, la recherche révèle des aperçus nuancés de la manière dont l’apprentissage autorégulé se manifeste à travers divers cours dispensés en mode hybride, la valeur prédictive des stratégies des étudiants sur la performance académique, et l’impact transformateur des interventions d’analyse des apprentissages sur les comportements d’apprentissage. En synthétisant les résultats de plusieurs cours, cette recherche contribue de manière significative au domaine des technologies éducatives. Les résultats soulignent l’importance d’une compréhension nuancée de l’apprentissage autorégulé dans les environnements d’apprentissage hybride et démontrent les avantages de s’appuyer sur l’analyse des apprentissages et des caractéristiques personnelles pour comprendre l’apprentissage autorégulé des étudiants.

L’équipe TALENT a eu le plaisir d’accueillir Mohammed Saqr et Sasha Poquet qui ont présenté leurs travaux à l’IRIT le 28 juin 2024.

1 – Learning analytics for social interactions in digital learning

Learning analytics, defined as the collection, analysis, and measurement of data collected in learning settings, have been a part of the scholarly discourse now for over a decade. Against this backdrop, learning analytics researchers aspire to demonstrate how analysis of learner traces can impact teaching and learning. Addressing such a call for impact today is more feasible in some areas of LA, such as predictive modelling, writing analytics, and analytics of self-regulation processes. However, some areas of LA have not advanced to offer the trusted insights. Among areas in need of refinement and rigor in learning analytics is the analysis of interpersonal activity in digital learning. Interpersonal activity among students when they learn, captured through social interactions, is known to contribute to the quality of learning and student experiences. The talk will offer two examples where analytics of learner granular behaviour can inform teaching practice on supporting interpersonal interactions in learning scenarios.

Presenter: Sasha POQUET

Oleksandra Poquet (Sasha Poquet) is a tenure-track professor in learning analytics at the School of Social Sciences and Technology the Technical Univerity of Munich. Prof. Dr Poquet leads a LEAPS research group that studies LEarning Analytics and Practices in Systems. Prof. Dr Poquet is a core member of the Munich Data Science Institute and a thematic lead on the use of process data to inform learning at the TUM’s EdTech Centre. She is also an external affiliate of the Centre for Change and Complexity in Learning, University of South Australia. From 2017-2021, she has served on the Executive Committee at the Society for Learning Analytics Research (SoLAR), as its Vice President in 2019-2021. Dr Poquet has been a convener of the series of workshops on networks in learning analytics and has edited a special issue on this topic for the Journal of Learning Analytics.

Website: https://www.edu.sot.tum.de/leaps/about/prof-dr-oleksandra-poquet/

2 – Precision Education: Mapping the person where the learning process takes place

The emphasis on the “self” or the “person” has been a central concept in several learning theories, methodologies, and approaches for decades and the literature is awash with notions of personalized, adaptive, and student-centered education. Nonetheless, research is commonly conducted using variable-centered methods where data is collected from a “group of others” to devise the average learner’s behavior. Yet, the average is barely representative of the breadth of human diversity. On the contrary, person-specific (or idiographic) methods aim to accurately and precisely model the individual person, create person-specific models, and devise unique parameters for each individual. Modeling the person —where the learning process takes place— paves the way for personalized, accurate, and precise education. The recent advancement in such methods, the expanding repertoire of tools and data collection methods could help answer the pressing question of what works for whom, and when? This presentation discusses the shortcomings of current methods, shows where and when they fall short, and introduces idiographic methods with recent literature.

Presenter: Mohammed SAQR

Mohammed Saqr is an Associate Professor of Computer Science at the School of Computing, University of Eastern Finland and leads UEF’s Learning Analytics Unit. Saqr has a PhD in Learning Analytics from Stockholm University, Sweden, followed by a postdoctoral position at Université Paris Cité, France. Later, he earned the title of Docent in Learning Analytics from the University of Oulu, Finland. His scholarly work is diverse and interdisciplinary and has received several recognitions (e.g., best papers at LAK, ICCE, SITE, TEEM). Mohammed also received the most competitive Swedish and Finnish funding and serves on the board of several academic journals. His current work is focused –among others– on advancing solutions for precision artificial intelligence.

Webiste: https://saqr.me/

Esteban Villalobos, doctorant de l’équipe TALENT, a fait une présentation intitulée “Developing a data analysis framework to understand the temporal behavior of students” pour Inria Chile.

Il y présente un cadre analytique conçu pour comprendre le comportement temporel des étudiants dans les environnements numériques. En intégrant des techniques d’analyse de données basées sur l’intelligence artificielle, il explore l’évolution des stratégies d’apprentissage des étudiants, offrant une compréhension détaillée de leur comportement et de la manière dont il est affecté par des interventions spécifiques.

Franck Silvestre, membre de l’équipe TALENT, a soutenu le 5 avril 2024 son habilitation à diriger des recherches (HDR) intitulée Évaluation formative et génération de feedbacks soutenues par la technologie.

Félicitations à lui !!!!!!!!

Le jury était composé de :

Rapporteurs

• Philippe Dessus, Professeur, Université Grenoble Alpes
• Sébastien George, Professeur, Le Mans Université
• Élise Lavoué, Professeure, Université Jean-Moulin Lyon 3

Examinateurs

• Frédéric Amblard, Professeur, Université Toulouse Capitole
• Grégoire Borst, Professeur, Université Paris Cité
• Julien Broisin, Maître de conférences HDR, Université Toulouse 3 Paul Sabatier

Cette semaine, l’équipe TALENT a eu le plaisir de recevoir Elaine Teixeira et Rafael Ferreira Mello à Toulouse pour la deuxième réunion de LAFE (Learning Analytics solutions to support On time Feedback). Leur venue a également été l’occasion pour eux de présenter leurs travaux au cours d’un séminaire en deux parties : « Unplugged Learning Analytics in Education to Promote Inclusion in Global South » (Rafael) et « Learning Analytics in Introductory Programming » (Elaine).

Le projet LAFE vise à favoriser la mobilité entre le Brésil, la France et le Chili. Au cours de cette réunion, nous avons eu l’occasion de discuter des différents outils que nous développons et nous avons organisé les prochaines étapes de la collaboration. Le site web du projet est en cours de préparation.

L’article de Rialy Andriamiseza, Franck Silvestre, Jean-François Parmentier et Julien Broisin proposant un nouveau modèle d’orchestration des séquences d’évaluation formative vient d’être publié. Consultez-le ici !

Jean-François Parmentier est co-auteur du livre Apprendre à apprendre, publié aux éditions Dunod et qui paraîtra en juin 2023. Il a en particulier travaillé sur le chapitre « Interagir : l’apprentissage à plusieurs ».

Résumé :

Apprendre à apprendre est la compétence du XXIe siècle pour s’adapter dans un monde en transition. Dans une société qui ne cesse d’évoluer, où nos métiers se réinventent et se transforment, notre capacité d’adaptation est plus que jamais une nécessité. Développer de nouvelles compétences, être innovant dans ses pratiques, gagner en expertise ou encore se reconvertir sont des enjeux primordiaux. Et tous impliquent le même processus  : apprendre.

Tout changement, qu’il soit sociétal, environnemental, organisationnel ou technologique, invite à de nouveaux apprentissages. Dans la peau de professionnels, explorez à travers ce livre six facettes essentielles de l’apprentissage (la motivation, l’organisation, l’attention, les stratégies d’apprentissage individuelles et collectives ainsi que la métacognition) et levez le voile sur les blocages liés à notre façon d’apprendre pour entrer dans une dynamique d’amélioration continue afin d’apprendre à apprendre.

Jean-François Parmentier a été invité à une interview vidéo avec le Dr Didier Sébastien, Directeur de l’Innovation et de l’Ingénierie Pédagogique (D2IP) à l’Université de La Réunion.

Cette vidéo, deuxième d’une série de trois, porte sur l’activité pédagogique en face-à-face avec les élèves.

La 7e conférence de consensus du CNESCO sur l’évaluation en classe au service de l’apprentissage des élèves s’est tenue les 23 et 24 novembre 2022 au Conservatoire national des Arts et Métiers (CNAM).

Franck Silvestre a participé à cette conférence avec son intervention « Comment le numérique peut-il aider les enseignants à mettre en œuvre des évaluations formatives ? ».