• Intelligence Artificielle Générative à l'UNIGE
    Guide d'utilisation de l'intelligence artificielle générative à l'Université de Genève
  • Makeiteasy
    Une plateforme pour tester et améliorer vos compétences numériques à votre rythme
  • Ciel cherche: rédacteurs/trices

Catégorie : Analyses & réflexions

Billet proposant un retour d’expérience, une analyse, une réflexion…


Learning analytics ou comment lire les traces numériques pour aider les étudiant-e-s en difficulté?

Image générée par DALL-E
Prompt: « footprints on a surface with electronic structure » 31 mars 2023

Au cours de leur parcours de formation, étudiant-es et enseignant-es naviguent souvent sur des plateformes en ligne de toutes sortes, LMS comme Moodle, quiz, portfolios, wikis etc. Comme toute visite sur un site web, achats en ligne ou échanges sur les réseaux sociaux, ces cheminements virtuels laissent des traces numériques.

Learning analytics

En éducation supérieure comme ailleurs, ces traces, combinées à certaines informations enregistrées en cours de formation, peuvent être analysées à différentes fins. C’est ce qu’on appelle learning analytics, un domaine d’exploration proche des intelligences artificielles (IA). Si on demande à un de ces outils d’IA les plus connus actuellement (il s’agit bien sûr de ChatGPT):  « Fais une liste des approches en learning analytics utilisées au niveau universitaire dans le monde » (Requête du 5 avril 2023), il propose une liste assez complète:

« Voici une liste des approches en learning analytics utilisées au niveau universitaire dans le monde :

  1. Analyse des données d’utilisation des plateformes d’apprentissage en ligne (Learning Management Systems) pour identifier les modèles d’utilisation, les tendances et les lacunes dans les performances des étudiants.
  2. Analyse des données de fréquentation des cours pour identifier les étudiants qui manquent régulièrement les cours et leur fournir un soutien supplémentaire.
  3. Analyse des données d’inscription pour identifier les tendances en matière d’inscription et de désinscription des cours et pour comprendre les raisons sous-jacentes de ces tendances.
  4. Analyse des données de performance des étudiants pour identifier les facteurs qui influencent la réussite ou l’échec des étudiants dans un cours particulier, tels que la participation aux forums de discussion, les résultats des examens et les devoirs soumis.
  5. Analyse des données de rétroaction des étudiants pour comprendre les perceptions des étudiants sur l’efficacité de l’enseignement et pour améliorer la qualité de l’enseignement.
  6. Analyse des données d’interaction sociale entre les étudiants pour comprendre comment les étudiants interagissent entre eux et pour améliorer la collaboration et la communication.
  7. Analyse des données de réussite des étudiants pour identifier les facteurs qui contribuent à la réussite universitaire, tels que la participation à des activités parascolaires et la prise de décisions éducatives éclairées.
  8. Analyse des données de rétention des étudiants pour identifier les facteurs qui influencent la rétention des étudiants et pour fournir un soutien supplémentaire aux étudiants à risque.
  9. Analyse des données démographiques des étudiants pour comprendre les tendances en matière de diversité et pour identifier les groupes d’étudiants qui ont besoin d’un soutien supplémentaire.
  10. Analyse des données de progression des programmes pour comprendre comment les étudiants naviguent à travers les programmes d’études et pour améliorer la planification des programmes. »

Copié à partir de l’adresse https://chat.openai.com/chat

Je reprends cependant la plume pour donner quelques exemples de ce que le learning analytics permet de faire:

  • Accompagner la mise en place d’enseignement individualisé en adaptant le parcours d’apprentissage et les activités et ressources proposées selon les actions de l’étudiant-e.
  • Contribuer à l’amélioration continue d’une formation en analysant l’évolution du niveau de compétences des étudiant-es tout au long de leur parcours de formation.
  • Mettre en regard les compétences visées dans une formation et les compétences demandées sur le marché du travail.
  • Participer au contrôle qualité d’une formation en monitorant le taux de rétention, l’évolution des notes ou la comparaison des résultats obtenus par les étudiant-es de différentes volées.

En bref, là où il y a des traces numériques et des informations accessibles en ligne, le learning analytics permet de les synthétiser, de les analyser et de les utiliser à différentes fins. Les destinataires de ces analyses peuvent être aussi bien les étudiant-es que les enseignant-es, les responsables de formations, doyen-nes, recteurs ou rectrices.

Mise en pratique

Un exemple est le programme « Ma réussite » utilisé à l’Université de Laval. Cet outil agrège plusieurs traces numériques de la participation estudiantine avec les résultats aux tests pour générer un indicateur qui peut être vert si tout va bien, orange s’il faut être attentif ou rouge si le risque d’échec est élevé. Ces indicateurs sont visibles pour chaque étudiant-e lorsqu’il ou elle visualise sa liste de cours sur la plateforme d’apprentissage de l’université. Ils sont également visibles pour les enseignant-es et les directions de programme, leur permettant un suivi en temps réel du déroulement des cours. Les informations sur ces indicateurs sont toujours accompagnées des adresses des contacts (direction de programme, enseignant-es, assistant-es) et d’une liste de ressources à disposition.

Il va sans dire que l’exploitation de traces en éducation pose – ou devrait poser – des questions aussi bien stratégiques et politiques que pédagogiques et éthiques. Il s’agit non seulement de la confidentialité et de la protection des données, mais aussi de l’approche pédagogique qui sera encouragée ou non par ces outils. Ils peuvent servir aussi bien une normativité restrictive qu’une grande créativité, ouvrir un champ des possibles, mais aussi parfois un champ de mines. La série d’articles « Learning Analytics and AI: Politics, Pedagogy and Practices » donne un bon tour d’horizon et la checklist DELICATE  proposée par  Drachsler et Greller me semblent être des guides utiles pour se poser les bonnes questions concernant l’objectif, le respect de la vie privée et la protection des données lorsqu’on souhaite lire et analyser des traces numériques ou des informations en ligne.

Lire aussi:
Les Learning Analytics : un phénomène en expansion dans l’enseignement supérieur (Hausman 2019, présentation aux ABC Days Louvain-la Neuve)

Les traces des étudiant-es en difficulté

Un enjeu important en enseignement supérieur est d’identifier le plus tôt possible les étudiant-es en difficulté. Cette identification précoce ainsi qu’un « diagnostic » du type de difficulté permet de proposer à ces étudiant-es des solutions adaptées selon le domaine concerné: lacunes dans les connaissances théoriques, dans le raisonnement et la pensée critique, l’organisation, le savoir-faire ou le savoir-être. Selon le type de difficultés identifié, cet accompagnement des étudiant-es permet de trouver des solutions dans la majorité des cas. Il y a des exceptions comme l’identification d’une situation problématique au niveau socio-économique, psychologique ou psychiatrique pour lesquels les services externes correspondants seront proposés. Il faut souligner que les étudiant-es présentent souvent plusieurs types de difficultés en parallèle.

Pour plusieurs domaines dans lesquels les étudiant-es peuvent avoir des difficultés, il existe des traces, numériques ou non. Si on reprend les exemples de mon assistant conversationnel, on comprend par exemple que le suivi des activités sur Moodle et de la présence en ligne permettent d’identifier des types de difficultés comme une perte de motivation, des difficultés à s’organiser dans ses études, une compétence communicationnelle peu professionnelle, des lacunes dans les connaissances théoriques ou dans le savoir-faire. Un groupe de suivi et de soutien aux étudiant-es peut alors proposer des solutions adaptées à ces différentes situations.

Le choix des indicateurs pour identifier une personne qui a des difficultés dans ses études dépendra des types de difficulté que l’on souhaite identifier, et des moyens qui peuvent être mis en œuvre lorsque l’indicateur est au rouge. Dans l’exemple de l’outil « Ma réussite » cité plus haut, l’approche se base sur le fait reconnu que l’activité en ligne dans un cours a une valeur prédictive pour la réussite. Les indicateurs sont donc centrés sur le nombre d’accès au site du cours, le nombre de pages consultées, de documents téléchargés, l’activité sur les forums etc. Ces informations sont complétées par les résultats d’évaluation dès qu’ils sont disponibles. Il s’agit donc d’une approche prédictive qui permet à l’étudiant-e, si l’indicateur pour un cours est orange ou rouge, de prendre des mesures jugées adéquates pour améliorer ses chances de réussite.

Une exploration à la Faculté de médecine de Genève

Comme dans d’autres centres universitaires, le curriculum de médecine à Genève comprend de vastes connaissances théoriques à assimiler, mais aussi des compétences communicationnelles, des savoir-faire et une grande responsabilité professionnelle. Ces études sont exigeantes et les enjeux sont importants pour les étudiant-es, la Faculté, les hôpitaux universitaires et aussi la société qui a besoin de médecins qualifiés. Il va de soi que lors de leurs études, certains étudiant-es peuvent rencontrer des difficultés et avoir besoin du soutien du groupe de suivi et de soutien de la Faculté. En analysant les types de difficultés les plus fréquentes chez les étudiant-es en médecine ainsi que les outils numériques couramment utilisés tout au long des études, les traces récoltées dans le portfolio électronique (Geneva Portfolio support GPS) nous ont semblé intéressantes pour une analyse permettant d’identifier le plus tôt possible les étudiant-es en difficulté.

Ce portfolio est aligné avec le référentiel national des compétences pour les études de médecine en Suisse, PROFILES. Il est utilisé dès la deuxième année du bachelor et jusqu’à l’année de stage en dernière année d’études et comprend des formulaires où sont documentées et évaluées les activités des étudiant-es dans plusieurs domaines de compétences:

Connaissances théoriques: L’érudition et l’expertise médicale sont évaluées dans le portfolio lors des stages. Il est évident que le groupe de suivi et de soutien dispose également des évaluations des tests et examens écrits qui leur permettent d’identifier les étudiant-es en échec.

Professionnalisme: Dès la seconde année d’études, la présence et le comportement d’apprentissage lors des tutorats en petits groupes sont évalués par les tuteurs dans le GPS. L’attitude professionnelle est également évaluée par les enseignant-es lors des séances des patients simulés ou dans les années master lors de l’apprentissage en milieu clinique.

Communication: La communication avec les patient-es et leurs familles, mais aussi avec les autres professionnels de la santé est une compétence centrale qui est évaluée par les superviseurs dans le GPS à l’aide d’échelles adaptées pour mesurer l’évolution de l’autonomie des étudiant-es en utilisant les « Entrustable Professional Activities » (EPAs)

Savoir-faire et gestes techniques: Ce domaine comprend la capacité de faire un examen physique et d’accomplir les gestes techniques définis dans le référentiel de compétences. En bachelor 2 et 3 cette compétence est évaluée à l’aide d’une échelle ad hoc lors de l’entraînement avec des patient-es simulé-es. En master, l’évaluation documente l’évolution de l’autonomie pour les gestes techniques.

Ces éléments du portfolio GPS permettent de définir des indicateurs pour identifier les différents types de difficulté décrits plus haut. Ces indicateurs ne sont donc pas prédictifs comme dans l’exemple « Ma réussite », ils suivent une approche diagnostique qui doit permettre une intervention ciblée du groupe de soutien. Cette intervention sera  différente lors de lacunes de connaissances, de problèmes de communication ou d’attitude professionnelle.

Le défi actuellement est de définir pour chaque indicateur la valeur seuil qui aura la meilleure spécificité et sensibilité, c’est à dire qui trouvera tous les étudiant-es ayant vraiment des difficultés (vrais positifs) en excluant les étudiant-es qui n’en ont pas (vrais négatifs).

Depuis le printemps 2021, les éléments du portfolio sont analysés chaque semestre pour les étudiant-es en bachelor 2 et 3 ainsi que pour les étudiant-es en première année master pour identifier les d’étudiant-es qui sont sous les valeurs seuil définies. Leur dossier est alors examiné par le groupe de suivi et de soutien qui confirme ou non la présence d’une difficulté et nous permet ainsi de calibrer les indicateurs. Les étudiant-es pour lesquelles une difficulté a été identifiée sont alors contacté-es par le groupe de suivi et de soutien, comme lorsqu’une difficulté est identifiée par un autre chemin (suggestion d’un-e tuteur, tutrice ou superviseur-e, demande des étudiant-es).

Cette première exploration des traces dans le portfolio électronique des étudiant-es en médecine est prometteuse, car elle permet d’identifier certain-es étudiant-es ayant besoin d’un suivi qui n’auraient peut-être pas été identifié-es par d’autres moyens.

Elle présente également des perspectives intéressantes pour le learning analytics, qui permettrait d’automatiser certaines analyses et de mettre à disposition des étudiant-es des infographies leur permettant de corriger leurs stratégies d’apprentissage ou d’identifier leur besoin de s’adresser au groupe de suivi et de soutien.

Bien entendu, les bases juridiques assurant que cette démarche est bien conforme aux lois qui s’appliquent à l’université ont été clarifiées et un formulaire d’information aux étudiant-es a été intégré au module d’introduction au GPS qui doit être suivi lors de la première utilisation.

Conclusion

L’analyse des traces numériques dans l’enseignement supérieur peut être une ressource intéressante pour tous les intervenant-es, étudiant-es, enseignant-es et responsables de formation. Elles permettent par exemple d’identifier et de mieux accompagner les étudiant-es en difficulté. Cependant il faut garder à l’esprit que la lecture de traces est une science qu’il s’agit d’appliquer à bon escient et de manière éthique.


Le Podcast : une petite révolution pour l’apprentissage autonome et l’enseignement expérientiel

Introduction

Le podcast est un format audio numérique qui a connu une croissance exponentielle depuis sa création au début des années 2000. Le podcast est devenu une plateforme de choix pour créer et partager des contenus audio avec un public large et diversifié. Le CFCD a d’ailleurs lancé, fin 2020, son propre podcast, LifeLongLearning@UNIGE. Largement utilisé pour le divertissement et la culture, il est également de plus en plus utilisé dans l’enseignement et à des fins d’apprentissage autonome. En effet, les podcasts offrent de nombreux avantages pour les enseignant-es et les étudiant-es, notamment en termes de flexibilité, d’accessibilité et d’engagement. Les étudiant-es, tout comme les enseignant-es, cherchent des moyens plus interactifs apprendre. Dans ce contexte, l’utilisation du podcast dans l’enseignement offre une opportunité unique pour une pédagogie plus expérientielle (voir notamment C. Peltier, 2016).

Flexibilité

Les podcasts permettent aux enseignant-es de créer des contenus éducatifs plus flexibles et adaptés à la diversité des apprenant-es. Les enseignant-es peuvent par exemple utiliser le podcast afin de fournir des exemples pratiques et des études de cas qui sont difficiles à présenter en classe. De plus, les podcasts donnent la possibilité aux enseignant-es de donner la parole à des expert-es et des praticien-nes qui peuvent ajouter de la crédibilité et de la profondeur au contenu pédagogique.

Accessibilité

Les podcasts permettent aux étudiant-es d’apprendre de manière autonome et personnalisée. Pouvant être téléchargés et écoutés à tout moment, les étudiant-es peuvent y accéder en déplacement, à la maison ou dans un café et ainsi s’approprier le contenu pédagogique à leur propre rythme. Ceci est particulièrement utile pour ceux/celles qui ont des horaires chargés ou qui vivent loin du campus. Les podcasts sont également une excellente option pour les étudiant-es ayant des besoins spécifiques, tels que ceux/celles ayant des troubles de l’attention ou des problèmes de vision.

Engagement : vers une pédagogie expérientielle

Les podcasts sont un moyen efficace d’engager les étudiant-es dans le processus d’apprentissage. Ils peuvent être utilisés pour créer des discussions en classe, des activités de réflexion et des tâches d’évaluation. Mais au-delà d’être un moyen additionnel et innovant permettant aux étudiant-es d’accéder à des contenus de cours de manière plus flexible, les podcasts offrent également des opportunités en termes d’enseignement expérientiel. La pédagogie expérientielle est une méthode d’enseignement qui repose sur l’expérience pratique et l’application des connaissances dans des contextes réels. Elle est de plus en plus utilisée pour répondre aux besoins des étudiant-es qui cherchent à développer des compétences pratiques et à acquérir une expérience de travail pertinente. En donnant la possibilité aux étudiant-es de produire et de partager leur propre contenu, le podcast peut ainsi non seulement favoriser l’apprentissage, mais également aider au développement de compétences en communication et en collaboration, ainsi qu’au renforcement de capacités réflexives de l’étudiant-e (voir notamment G. Temperman, Gaëtan et B. De Lièvre, 2009).

Exemples d’utilisation du podcast dans l’enseignement

Les podcasts peuvent être utilisés de différentes manières dans l’enseignement. Voici quelques exemples :

Enregistrement de cours

Les enseignant-es enregistrent des cours et les téléchargent sur une plateforme d’apprentissage en ligne pour que les étudiant-es puissent les écouter à leur guise.

Création de contenus pédagogiques

Les enseignant-s enregistrent des podcasts pour fournir des informations supplémentaires sur un sujet particulier ou pour aider les étudiant-es à se préparer à des tâches d’évaluation. Des invité-es et expert-es peuvent être également mis-es à contribution via une interview ou un exposé en podcast afin de compléter ou d’illustrer le contenu d’un cours.

Commentaires et réflexions

Les enseignant-es peuvent enregistrer des commentaires et des réflexions sur le travail des étudiant-es et les télécharger sur un environnement d’apprentissage en ligne pour que les étudiant-es puissent y accéder.

Activités d’apprentissage expérientielles

Les enseignant-es peuvent proposer aux étudiant-es de créer leurs propres épisodes de podcast avec différents objectifs pédagogiques possibles : revue de littérature, synthèse d’un cours et de ses concepts clés, commentaires et réflexions sur le travail d’autres étudiant-es, ou encore présenter un argumentaire sur une thématique donnée.

Retour d’expérience : utilisation du podcast comme outil d’évaluation

Le Professeur Giuseppe Ugazio (Faculté GSEM) a choisi le podcast comme outil d’évaluation pour son cours de Bachelor “Art and Philanthropy”. Il y voit les avantages suivants :

Responsabilise l’étudiant-e

Les étudiant-es disposent de beaucoup de temps pour rassembler tout le matériel dont ils/elles ont besoin pour identifier le contenu pertinent, ce qui encourage au développement de compétences organisationnelles (planification, organisation, priorisation).

Contribue à la structuration de la pensées/des idées

On demande souvent aux étudiant-es de rédiger des essais/papiers, mais rarement de structurer une présentation orale enregistrée à des fins de diffusion.

Stimule la créativité

Les podcasts offrent un format assez flexible. Par exemple, certain-es étudiant-es peuvent opter pour un style d’interview, d’autres pour la description d’une histoire. Les productions peuvent également être « embellies » par de la musique, des sons et des commentaires, rappelant ainsi ce qui est souvent fait pour accompagner la publication de photos ou de vidéos sur des réseaux sociaux tels qu’Instagram.

Diversifie la manière d’évaluer

Du point de vue de l’enseignant-e, il peut être également agréable de varier et d’écouter des évaluations, plutôt que de lire le texte équivalent.

Sur la base des retours de le part du Professeur Ugazio et d’autres enseignant-es, nous avons également identifié quelques inconvénients et risques potentiels à prendre en compte avant de scénariser une utilisation du podcast dans le cadre d’un cours :

Attention à l’égalité de traitement

Certain-es étudiant-es peuvent être timides à l’oral et préfèrent écrire. Certain-es peuvent également être désavantagé-es car leur langue maternelle n’est pas celle du cours en question. Donner la possibilité aux étudiant-es de rédiger le texte et le lire ensuite (ou le faire lire) peut contribuer à amoindrir ce problème.

Difficultés techniques

Si certain-es sont plus doué-es pour « colorer » les podcasts, d’autres peuvent trouver cela fastidieux. Cependant, le Professeur Ugazio souligne que de très beaux podcasts peuvent être créés avec un minimum d’effort (par exemple, ajouter une piste musicale demande très peu d’effort et ne nécessite que des compétences basiques).

Pas adapté à tous les contextes pédagogiques

Le podcast ne conviendra pas forcément dans les cas ou des aspects très techniques doivent être démontrés, ou lorsque de nombreuses références doivent être faites. Par exemple, il sera difficile d’utiliser le podcast pour décrire une formule mathématique ou une ligne de code, sans support visuel.

Pas idéal pour les devoirs plus longs

Il peut être très long et fatigant de produire (ainsi que d’écouter/de corriger) un podcast de plus de 10 minutes. L’objectif du devoir et les critères d’évaluation doivent donc être précis et limités.

Conclusion

Les podcasts offrent de nombreux avantages pour l’enseignement, notamment en termes de flexibilité, d’accessibilité et d’engagement. Les enseignant-es peuvent enregistrer des cours, des discussions en classe et des commentaires pour aider les étudiant-es à rester engagés dans leur propre processus d’apprentissage. Les podcasts sont également une option pratique pour les étudiant-es ayant des besoins spécifiques, tels que les étudiant-es ayant des troubles de l’attention ou des difficultés de lecture. En outre, les podcasts peuvent être utilisés pour fournir du contenu pédagogique supplémentaire et aider les étudiant-es à se préparer à des tâches d’évaluation. Plus important encore, le podcast représente une petite révolution pour l’apprentissage autonome et l’enseignement expérientiel.

En somme, les podcasts offrent un potentiel énorme pour l’enseignement, permettant aux enseignant-es de créer des contenus et scénariser des activités pédagogiques flexibles et engageantes pour les étudiant-es. En combinant les méthodes d’enseignement traditionnelles avec les podcasts, les enseignant-es peuvent offrir aux étudiant-es une expérience d’apprentissage plus variée, efficace et expérientielle.



Moodle@UNIGE: mise à jour estivale, archivage et résultats de l’enquête de satisfaction

Quelques informations importantes avant la pause estivale:

La plateforme Moodle@UNIGE sera mise à jour le lundi 18 juillet 2022. Une coupure de service est prévue ce jour-là de 8h à 12h.

Une copie des données de la plateforme à cette date sera archivée. Une fois la procédure terminée, les enseignant-es pourront réinitialiser les espaces de cours qu’ils et elles souhaitent réutiliser l’an prochain. Les liens vers les archives Moodle se trouvent dans le bandeau noir en bas de page de la plateforme Moodle. Assurez-vous cependant que les étudiant-es qui passent les rattrapages conservent l’accès au contenu, soit en attendant la fin des rattrapages pour réinitialiser, soit en les invitant à consulter les archives Moodle.

⇒ Fiche pratique pour réinitialiser son espace de cours (attention: procédure à effectuer après le 18.07.22 afin que votre espace de cours de l’année précédente soit archivé!)

L’équipe Moodle remercie très sincèrement tou-tes les répondant-es pour la pertinence et la qualité de leurs réponses à l’enquête de satisfaction réalisée durant le mois de mai. Les résultats constituent une véritable base d’informations sur laquelle l’équipe pourra s’appuyer pour orienter les nouveaux développements et améliorer l’accompagnement des utilisateurs/trices. Bravo aux 3 gagnant-es du tirage au sort qui ont remporté un mug UNIGE: Dominik G., Paula M. et Kylian B.!

⇒ Consulter le rapport sur le site du pôle eLearning.



Résilience et pédagogie: une exploration au creux de la vague

Les vacances d’été approchent et donnent envie d’oublier les vagues épidémiologiques et autres infographies pour nous plonger dans de vraies vagues bien fraîches ! Cependant, en agitant nos orteils dans le sable et en observant les bateaux qui passent, peut-être que cet horizon à nouveau plus ouvert nous permet de nous demander comment nos enseignements pourraient mieux naviguer sur une mer parfois agitée?

Post Covid

Les publications se multiplient pour documenter ce qui s’est passé dans l’enseignement supérieur pendant la pandémie du COVID-19 . La plupart des hautes écoles ont fait des sondages auprès de leurs étudiant-e-s et parfois aussi auprès des enseignant-e et se mettent en devoir de tirer des leçons de la crise. La mise à distance de tous les enseignements a eu des conséquences très variables, mais avec une constante : elle s’est faite dans l’urgence, sans laisser le temps de vérifier la qualité de l’enseignement et encore moins d’intégrer des principes d’ingénierie techno-pédagogique. Cet enseignement à distance en urgence a un nom : « Emergency Remote Teaching » (ERT) et s’il a souvent représenté une prouesse, assurant une certaine continuité de l’enseignement, le danger est de le confondre avec une pédagogie en ligne fondée et de considérer la transposition en ligne d’un cours comme du eLearning (Hodges, Moore et al. 2020) alors qu’il s’agit d’une simple bouée de sauvetage. Certains n’ont pas attendu d’être au creux de la vague pour se demander comment éviter de se retrouver à s’accrocher à une solution aussi précaire et ont réfléchi à ce que pourrait être une pédagogie résiliente.



La vidéo pédagogique

Dans une époque où l’utilisation des nouvelles technologies augmente en continu, des nouvelles pratiques s’affirment également dans le contexte de l’enseignement, de l’éducation et de la formation.

L’adoption et l’intégration des technologies digitales s’étendent à l’ensemble des dispositifs de formation, de la formation initiale à la formation continue et professionnelle, et le recours à la vidéo dans ces différents contextes est de plus en plus fréquent.

Un certain nombre de capsules vidéo développées dans l’enseignement supérieur sont en libre accès sur internet, pour leur réutilisation simple. Ces productions donnent un bel aperçu des multiples possibilités de réalisation des vidéos et peuvent donner des indices pour la production d’un projet d’enseignement personnel.

La vidéo que l’on inclut dans l’enseignement n’a pas besoin d’être parfaite ni de couvrir entièrement le sujet enseigné. Elle peut juste servir d’amorce à la thématique que l’on aborde pour lancer un débat, favoriser l’interactivité avec les étudiant-es et déconstruire leurs représentations avant de leur transmettre le contenu du cours.

Le Pôle de soutien à l’enseignement et l’apprentissage (SEA) et le centre de compétences MédiasUnis des Activités culturelles s’unissent pour proposer une vidéo informative sur ce qu’est une (bonne) vidéo pédagogique.