Catégorie : Articles

Catégorie par défaut pour les articles non-classés

Oct31202331 octobre 202331 octobre 20230 Commentairepar Huwyler

Data Science for All – Des Vidéos pour Comprendre la Science des Données

Publié dans Articles

Vous êtes enseignant-e et vous souhaitez sensibiliser vos étudiant-es aux enjeux de la science des données ? Vous êtes étudiant-e et vous vous sentez un peu perdu-e dans le monde des statistiques ? Vous êtes doctorant-e et faites face aux défis de créer un Data Management Plan sans savoir par où commencer ? La plateforme de capsules vidéo « Data Science For All » est conçue spécialement pour vous aider !

Sur cette plateforme, découvrez plus de 50 capsules vidéo, disponibles en français et en anglais, pour se familiariser aux compétences et aux enjeux cruciaux liés à la science des données. Ces vidéos sont accompagnées de ressources d’approfondissement telles que des cours en ligne, des ateliers, du code open source, etc. Les vidéos sont également téléchargeables via MediaServer pour tou-tes les enseignant-es qui souhaiteraient les intégrer à leurs cours.

Vers la plateforme

Une grande variété de thèmes

Les vidéos abordent un large éventail de sujets : de l’anonymisation des données aux modèles statistiques, en passant par l’analyse stylométrique, les défis éthiques liés à l’intelligence artificielle et le traitement automatique du langage.

Utiliser les capsules vidéo de la plateforme Data Science for All, pour quoi faire?

Vous êtes enseignant-es :

Intégrez des capsules pertinentes pour votre cours dans les ressources que vous mettez à disposition de vos étudiant-es dans votre espace Moodle
Faites visionner une ou plusieurs capsules avant une séance de cours ou un TP, pour dégager plus de temps aux questions et à la pratique en classe.
Produisez vos propres capsules vidéo en faisant appel à l’aide de l’équipe de Data Science For All (jusqu’à fin 2024).

Vous êtes étudiant-es :

Vous hésitez à orienter votre parcours académique vers la science des données ? Visionnez quelques vidéos pour vous faire une meilleure idée de ce domaine.
Vous suivez des cours de statistiques ou d’informatique, mais vous vous sentez un peu perdu-e? Visionnez quelques-unes des vidéos récapitulant les concepts de base de cette discipline avec des exemples concrets.

Vous êtes doctorant-es :

Vous souhaitez optimiser vos méthodes d’analyse de données, en vous ouvrant à de nouvelles méthodologies? Découvrez des notions statistiques et des outils computationnels efficaces et pertinents pour votre recherche.
Dans le cadre de votre thèse, vous découvrez les contraintes auxquelles la recherche est désormais soumise, comme le partage de données ou la création d’un Data Management Plan, visionnez les vidéos sur ces sujets pour vous informer. Si nécessaire, inscrivez-vous ensuite via le lien sous les vidéos aux ateliers de la DIS pour approfondir vos connaissances.

Un projet interdisciplinaire et collaboratif

La plateforme Data Science For All est le fruit des efforts conjoints du Centre de Compétences en Science des Données et des nombreux experts et expertes intra-muros, issu-es d’un large éventail disciplinaire.

Découvrez dès maintenant le monde fascinant de la science des données sur Data Science For All !

Mai16202316 mai 202316 mai 20231 Commentairepar Birchmeier

ChatGPT pour la recherche académique

Publié dans Analyses & réflexions, Articles, Outils & services, Usages pédagogiques

Introduction

Le 30 novembre 2022, OpenAI lance ChatGPT. En seulement 5 jours, la plateforme atteint le million d’utilisateurs[1]. Cette intelligence artificielle a, en seulement quelques mois, bouleversé notre rapport à l’information et à la connaissance, créant pour beaucoup de professionnels de l’éducation des craintes sur l’avenir de leur discipline.

Je ne suis ni un professionnel de l’éducation, ni un expert de l’intelligence artificielle. Je suis un étudiant en Services et systèmes numériques, un passionné d’informatique et un paresseux aguerri. En décembre de l’année passée, je commençais à écrire ma thèse de Bachelor, sur laquelle je travaillais depuis déjà un certain temps. Ma curiosité, comme pour beaucoup d’autres, m’a poussé à explorer ChatGPT.

« I choose a lazy person to do a hard job. Because a lazy person will find an easy way to do it. » – Bill Gates

Je voulais tester ses capacités à traiter des sujets complexes, mais pour pouvoir correctement évaluer la qualité des réponses, il me fallait trouver un sujet que je maîtrise. 90% de mes pensées étant consacré à ma thèse, il m’a paru évident de le questionner sur ce sujet. Je me suis rendu compte du potentiel énorme de cet outil lorsque, en quelques interactions, l’IA est arrivée aux mêmes conclusions que moi après environ 10 mois de travail…

Après avoir remis en question mes trois dernières années de formations, j’ai pris du recul et compris que ces résultats n’étaient pas le produit d’une réflexion de la part de ChatGPT mais d’une agrégation très bien formulée de recherches menées par de brillants humains.

Après quelques heures d’utilisation, j’étais convaincu. J’allais utiliser ChatGPT pour écrire ma thèse. Laissez-moi maintenant vous expliquer pourquoi ce billet ne s’intitule pas “Comment j’ai utilisé une intelligence artificielle pour écrire mon travail de Bachelor à ma place”.

Définir un cadre et une méthodologie

ChatGPT n’ayant pas encore fêté ses 1 mois d’existence, il n’existait pas encore de cas concret de son utilisation dans le cadre de la recherche académique et donc pas de directives précises à suivre. Il était donc nécessaire, afin de légitimer mon travail, de définir un cadre et une méthodologie clairs, afin d’utiliser l’outil de manière responsable et éthique. Sous la supervision de Laurent Moccozet, j’ai défini quatre règles fondamentales à respecter:

I. Comprendre l’outil

ChatGPT est un outil performant, mais peut produire des informations erronées ou de mauvaises qualités, il est donc important de comprendre ses limites et son fonctionnement, afin de réduire ces risques. En se basant sur le nom du service, nous pouvons définir 2 méthodes, qui permettent d’améliorer la qualité et la pertinence des réponses, celles-ci sont les suivantes:

Chat : L’une des grandes forces de cet outil est sa capacité à adapter ses réponses, également appelées « prompts », en fonction des retours de l’utilisateur. Il est crucial d’utiliser cette fonctionnalité pour orienter l’IA vers la réponse la plus pertinente. Cette fonctionnalité a même entraîné l’émergence d’un nouveau domaine de recherche, appelé le « prompt engineering ». C’est-à-dire étudier la façon dont l’utilisateur interagit avec le programme et trouver les formulations les plus à même de produire des réponses pertinentes. Par exemple, lorsqu’on utilise une calculatrice, il est plus efficace d’écrire 3³ plutôt que 3×3×3 .

GPT (Generative Pre-trained Transformer) : GPT-3 et 4 sont ce qu’on appelle des LLM ou large language model. En d’autres termes, ce sont des systèmes capables de générer du texte sur une vaste quantité de sujets. Afin d’optimiser ses réponses, il est souhaitable de poser un cadre, en définissant le niveau de précision de ses réponses, ainsi que le contexte d’utilisation, par exemple: « Tu es un étudiant en Bachelor. Tu écris une thèse sur … ». Ce genre de méthodes rentre dans le domaine du prompt engineering et vaut la peine d’être étudié plus en détail afin de vraiment s’approprier l’outil.

II. Connaissances préliminaires

Pour assurer une utilisation efficace des capacités conversationnelles de ChatGPT, l’utilisateur doit posséder des connaissances préalables sur le sujet qu’il interroge, afin d’être en mesure de vérifier et de comprendre les informations données par l’IA.

Ce prérequis est essentiel pour assurer une utilisation optimale de ce service, en tant qu’outil de recherche.

III. Relecture et recherche additionnelles

Chaque réponse fournie par ChatGPT doit être examinée et soumise à une recherche supplémentaire pour vérifier son exactitude, sa pertinence et la source des informations présentées.

ChatGPT ne peut pas être référencé comme source de l’information qu’il fournit, il est donc essentiel de mener des recherches additionnelles, dans le but de soutenir ses affirmations avec des sources fiables.

Il est important de préciser que ChatGPT, contrairement à Bing ou Google, n’est pas un moteur de recherche. Bien qu’il soit capable de générer des informations sur une variété de sujets, il ne vérifie pas leurs exactitudes et véracité car il n’a pas la capacité de précisément déterminer l’origine des informations utilisées pour produire ses réponses. Il reste néanmoins un bon complément aux moteurs de recherche pour donner une direction et/ou afin d’expliquer des concepts résultants de recherches classiques.

Ce processus peut être facilité par l’utilisation de Bing, qui a récemment intégré GPT-4 à son moteur de recherche et qui inclut directement dans ses réponses les sources utilisées. La vérification de la fiabilité de ces références, ainsi que la recherche de sources supplémentaires restent néanmoins nécessaire.

IV. Documentation de l’utilisation

Bien que les réponses de ChatGPT ne puissent pas être directement utilisées comme références, il est important de documenter toutes les discussions pertinentes au travail qu’il a aidé à écrire. Cela permet de légitimer le travail de l’auteur et de prouver l’authenticité du résultat final.

Cette étape est particulièrement importante, car elle permet de soutenir l’utilisation éthique de l’IA pour la recherche académique, mais également de créer un précédent dans un contexte où il s’agit encore d’une technologie émergente et controversée.

Applications concrètes

La versatilité des LLM et la vitesse phénoménale de l’innovation dans le domaine permettent d’innombrables cas d’utilisation. J’ai, pour ma part, identifié 4 applications qui ont servit à la rédaction de mon travail de Bachelor, et pour lesquelles j’ai appliqué la méthodologie décrite ci-dessus.

I. Collecte d’informations

J’ai utilisé ChatGPT pour trouver et comprendre des informations sur des articles, des algorithmes, des concepts mathématiques et d’autres sujets plus ou moins complexes. L’avantage de combiner cet outil avec des moteurs de recherches classiques est qu’il permet d’obtenir des informations très précises, basées sur différentes sources agrégées en réponses digestes et compréhensibles pouvant ensuite être développées plus profondément grâce à la fonctionnalité de chat.

Pour assurer l’exactitude des informations collectées, j’ai utilisé des sources alternatives de vérification Si aucune source fiable n’a pu être identifiée, les informations n’ont pas été utilisées.

II. Description des algorithmes

J’ai fourni à ChatGPT des extraits de mon code, dûment annoté, afin qu’il me génère des descriptions des algorithmes utilisés. Les réponses produites, bien que partiellement correctes, m’ont permis de gagner du temps sur la rédaction ainsi qu’à mettre des mots sur des concepts complexes qui ne sont pas toujours évidents à traduire en langage naturel.

III. Amélioration de la qualité d’écriture

L’utilisation régulière de ce nouvel outil a impacté ma façon de rédiger. Là où auparavant je prenais soin de bien formuler chaque phrase les unes après les autres au fur et à mesure que j’écrivais, avec ChatGPT j’ai pu me concentrer sur le contenu et lui déléguer (partiellement) la forme. J’ai rapidement pris l’habitude de rédiger mes idées directement dans le chat sous forme de note afin qu’il me génère des phrases cohérentes et bien écrites.

IV. Utilisation de ChatGPT comme point de départ

Je me suis ensuite servi des réponses de ChatGPT comme fondation pour ma thèse en apportant les modifications nécessaires et en les ordonnant de sorte à former un tout qui soit cohérent et fidèle à mes idées.

Dans certains cas, les phrases générées par ChatGPT étaient suffisamment bonnes pour être utilisées (presque) telles quelles, mais dans la grande majorité des cas, la plupart du contenu a été modifié pour s’adapter à la structure globale du document ainsi qu’à mon propre style d’écriture. Je pense qu’il est important de ne pas trop se reposer sur les formulations produites par le LLM afin d’éviter que la forme rédactionnelle ne devienne trop impersonnelle.

Comme je l’ai précisé plus haut, la conversation utilisée pour générer ce texte a été mise à disposition dans les annexes de mon travail afin qu’elle puisse servir d’exemple de comment utiliser l’IA efficacement pour la rédaction.

“Du coup c’est le robot qui a fait le travail à ta place ?”

C’est la question que tout le monde se pose, et c’est légitime. ChatGPT est un outil incroyable et bien qu’il m’ait aidé à améliorer considérablement ma productivité, il n’a pas inventé les algorithmes présentés dans ma thèse.

Comme on ne remet pas en question le travail d’un mathématicien qui utiliserait une calculatrice, l’utilisation de ChatGPT ne devrait pas non plus remettre en question mon travail. Il est vrai que certains pourraient utiliser cet outil sans documentation ou de manière inappropriée pour accomplir leur travail à leur place. Mais le fait est que les IA existent, continueront d’exister et de s’améliorer. Aujourd’hui, ChatGPT offre un avantage concurrentiel et il serait contre-productif de l’interdire. Au contraire, nous avons l’opportunité de l’intégrer dans le système éducatif, d’offrir aux étudiants un tuteur capable de s’adapter à leur besoin, disponible à tout moment pour répondre à leurs questions et sans crainte d’être jugé.

Je suis profondément convaincu qu’un tel outil, correctement adapté, a le potentiel d’améliorer l’apprentissage des étudiants à chaque étape du système scolaire. Sal Khan, le fondateur de la Khan Academy, a déjà intégré un tel outil à sa plateforme d’apprentissage en ligne et les résultats sont encourageants.

[jwplayer mediaid= »13985″]

Ce nouvel outil et les intelligences artificielles de manière générale ne sont cependant pas sans risques. Au-delà des inquiétudes autour de l’insurrection des machines, les capacités génératives des IA modernes posent de sérieux risques autour de la falsification des informations, et de l’incapacité de ces machines à évaluer les risques liés aux réponses produites. Il est crucial de continuer à améliorer ces systèmes plutôt que d’essayer de les interdire, afin de minimiser les risques et de garder un certain contrôle quant à leurs utilisations.

Le changement est inévitable, autant en faire partie.

[1] Buchholz, K. (2023) ‘ChatGPT Sprints to One Million Users’, Statista, 24 janvier. Disponible à: https://www.statista.com/chart/29174/time-to-one-million-users/ (consulté le 24 mars 2023).

Mai0920239 mai 20239 mai 20230 Commentairepar Bah

Créer et partager facilement du contenu H5P avec LUMI

Publié dans Articles, Outils & services, Usages pédagogiques

Introduction

La transformation digitale dans le domaine de la formation marque l’émergence de nouveaux outils pédagogiques interactifs comme H5P. Le fonctionnement simple de H5P, ainsi que le large éventail d’activités qu’il permet de créer séduisent de plus en plus les enseignant-es.
Cependant, ils/elles sont confronté-es particulièrement à un problème d’accès à H5P, son utilisation nécessitant un système d’hébergement et son plugin n’étant intégré que sur quelques plateformes comme Moodle.

Au CFCD un certain nombre de questions sur l’outil H5P revient très souvent : comment rendre une formation interactive et plus attrayante avec H5P ? Comment rendre un contenu H5P utilisable hors ligne pour des étudiant-es qui ont des problèmes de connexion internet ?

C’est dans le cadre de notre veille, et pour répondre aux demandes des équipes pédagogiques que nous avons découvert l’application Lumi. Dans ce billet, nous allons partager avec vous les raisons pour lesquelles il pourrait être utile de créer son contenu H5P avec Lumi, ainsi que les étapes pour y parvenir. Nous vous montrerons également comment intégrer les activités H5P dans un padlet ou un projet storyline.

À propos de H5P et Lumi

H5P signifie HTML 5 package, c’est un logiciel multiplateforme, basé sur du HTML 5 et du JavaScript. Il permet de créer des activités d’apprentissage interactives et de les intégrer dans votre espace de cours Moodle. Son succès s’explique par le fait que son utilisation ne demande pas des compétences techniques avancées, il est à la portée de tous et toutes.

Désormais, l’application Lumi que vous pouvez installer sur votre ordinateur vous permet de créer, éditer, visualiser et partager votre contenu H5P avec vos étudiant-es. Cette application fonctionne sans connexion internet, elle est gratuite et open source.
À présent, vous savez ce que permet Lumi, voyons ensemble comment elle peut vous faciliter la création de vos contenus H5P.

Pourquoi utiliser Lumi ?

L’application Lumi est intéressante et pratique pour les raisons suivantes, d’une part elle est simple à installer, son interface est intuitive et facile à prendre en main. Dorénavant, quand vous travaillez avec H5P et que vous souhaitez visualiser ou tester votre création H5P, vous n’êtes plus obligé-es de l’enregistrer comme dans Moodle, Lumi offre une fonctionnalité importante qui vous permet d’avoir un aperçu rapide de votre création, elle accélère considérablement le temps de conception. Elle est idéale aussi pour créer plusieurs activités H5P au même moment.
D’autre part, elle prend en charge tous les types de contenus H5P, elle peut être utile si vous souhaitez créer une activité H5P non-disponible sur Moodle.unige.ch comme par exemple le livre interactif ou tant d’autres de la bibliothèque H5P, ou si vous souhaitez partager votre contenu H5P avec vos étudiant-es afin qu’ils/elles puissent le consulter, et interagir avec eux/elles directement sans avoir recours à une plateforme en ligne. Elle offre la possibilité d’exporter votre contenu sous forme de fichiers HTML 5 ou paquet SCORM. De plus, elle propose une fonctionnalité Analytics, que vous pouvez activer pour insérer un outil de rapport afin de permettre à vos étudiant-es de sauvegarder leurs résultats et de vous les envoyer. Ce rapport contient des traces d’apprentissage que vous pouvez analyser pour améliorer votre formation.

Nous l’avons testé, le livre interactif s’est révélé utile dans différents contextes, notamment pour développer un Module au format e-Learning, ou pour créer un tutoriel comme ce guide que nous avons conçu pour un atelier de formation. Actuellement, nous menons aussi une réflexion sur comment utiliser le livre interactif pour présenter les tutoriels de manière structurées, et pour proposer un parcours d’auto-apprentissage afin d’offrir une plus grande autonomie aux étudiant-es et aux enseignant-es dans la prise en main de la nouvelle version de Moodle, et plus largement des outils/logiciels institutionnels.
Maintenant, intéressons-nous de plus près au potentiel pédagogique du livre interactif.

Qu’est-ce que le livre interactif ?

C’est un contenu H5P qui vous permet de créer un support pédagogique sous forme de livre avec plusieurs pages interactives, de les organiser en chapitres et sous-chapitres. Dans votre livre, vous pouvez présenter des éléments théoriques, ajouter des fichiers multimédias et des contrôles de connaissances ou des quiz à la fin des chapitres. Ainsi vos étudiant-es pourront parcourir les chapitres du livre tout en réalisant différentes activités interactives ou en regardant des vidéos, en écoutant des enregistrements audio. Présenter un contenu léger sous une double modalité visuelle et auditive favorise un meilleur apprentissage, et permet de s’adapter aux besoins de vos étudiant-es.

Nous avons récemment utilisé le livre interactif pour développer un module de formation en ligne pour le programme Master of Advanced Studies in European and International Governance. Dans cet extrait vidéo ci-dessous, vous trouverez quelques activités que nous avons intégrées pour donner un rôle actif aux participant-es, et pour renforcer les apprentissages clés :

À présent, regardons ensemble la liste complète des types de contenus que vous pouvez utiliser dans un livre :

Quelques pistes pédagogiques

L’application Lumi vous permet de créer un module d’apprentissage autonome sur une partie d’un cours en combinant différents types de contenus interactifs comme des présentations, des quiz, des vidéos interactives sur plusieurs pages, consultez ce livre interactif que vous pouvez réutiliser et adapter.
Elle peut être aussi utilisée en pédagogie inversée pour intégrer des activités interactives dans le contenu d’apprentissage asynchrone, par exemple une classe inversée basée sur des vidéos que vos étudiant-es doivent visionner avant le cours, vous pouvez les enrichir par des quiz pour leur permettre de vérifier la bonne compréhension du message pédagogique diffusé. Vous pouvez également chapitrer les vidéos, ou insérer à des points précis de la vidéo des résumés, et des liens web vers des ressources complémentaires pour renforcer les connaissances et les compétences impliquées.
Elle vous offre la possibilité de construire des activités de mise en situation avec branching scénario, comme dans l’exemple de ce précédent billet blog des cas cliniques ont été développés par les enseignant-es, les étudiant-es sont mis-es en situation clinique qu’ils/elles doivent gérer.
Elle aide à transformer votre contenu statique et long afin d’éviter une surcharge d’information.
Elle permet de créer des visites virtuelles d’un laboratoire ou d’un site historique avec l’activité “virtual tour 360”. Vos images 360 (équirectangulaires) et normales, peuvent être enrichies d’interactivités telles que des vidéos, des explications audios et des questions interactives. Ce type de contenu est utilisé pour donner une impression d’exploration et d’apprentissage dans un environnement réaliste. (source H5P.org)
Nous vous invitons à explorer le laboratoire du Cambrian College.
Elle peut être utile si vous souhaitez mettre en place des activités pédagogiques qui stimulent et renforcent la production orale chez vos étudiant-es.
Elle permet de mettre à disposition de vos étudiant-es des contenus interactifs formatifs, ils/elles peuvent les réaliser plusieurs fois avec des rétroactions instantanées afin de les permettre de corriger leurs erreurs, et de consolider leurs connaissances, comme dans cet exemple de quiz sur les objectifs de développement durable.
Elle permet de proposer des expériences d’apprentissages ludiques et variées, consultez cette activité proposée lors de notre atelier H5P.

Où trouver des exemples d’activités H5P ?

Nous vous suggérons de consulter les pages web ci-dessous, selon vos besoins, vous pouvez affiner votre recherche en utilisant le filtre par activité H5P ou par domaine d’enseignement :

le catalogue eCampus Ontario
les ressources de la plateforme learnful et celles de l’application Lumi
les exemples officiels sur h5p.org

Comment fonctionne Lumi ?

Installation

Pour commencer, connectez-vous sur le site web de Lumi, téléchargez la version qui correspond à votre système d’exploitation et installez Lumi sur votre ordinateur.

Démarrer

Ensuite, vous devez lancer l’application, pour cette action aucune connexion internet n’est requise, après vous pouvez choisir soit d’ouvrir une activité existante avec l’extension de fichier .h5p pour l’adapter ou la modifier, ou de créer une nouvelle activité.

Le fonctionnement de cet éditeur de contenu H5P est identique aux interfaces H5P des plateformes en ligne, vous devez tout d’abord choisir le type d’activité, par contre certains contenus h5p ne sont pas activés, il faudra les installer, puis créer votre contenu. Comme mentionné précédemment la fonctionnalité intéressante de cet éditeur, c’est la possibilité d’avoir un aperçu direct et rapide de vos créations en cliquant tout simplement sur le bouton “vue”.

Sauvegarde et exportation

Après la conception de votre contenu H5P, il est enregistré par défaut au format .h5p, ce qui vous permet de le modifier ou de l’afficher directement sur Moodle si l’activité H5P est installée. Si ce n’est pas le cas, vous pouvez aussi exporter votre contenu H5P au format HTML 5, le sauvegarder localement sur votre ordinateur et le partager sous forme de pièce jointe avec vos étudiant-es par courriel ou le déposer comme un fichier sur Moodle. Par contre, en déposant votre contenu H5P sous forme de fichier sur Moodle, vous ne pouvez pas le lier au carnet de notes.

L’exportation est également possible sous forme de paquet SCORM, imaginez que vous souhaitez partager votre contenu H5P dans une autre université et sur leur plateforme le plugin H5P n’est pas installé, alors vous pourrez simplement partager le paquet SCORM qui est accepté par la plupart des LMS (learning management system). En plus, cela empêche les problèmes de lecture de votre contenu H5P attribuables aux mises à jour du logiciel, nous avons pu constater que certaines mises à jour risquent de rendre votre contenu non fonctionnel.

H5P avec Storyline et Padlet

Avez-vous déjà pensé à utiliser une activité H5P dans votre projet storyline ? Ou peut-être vous vous êtes demandé-es comment ajouter un exercice interactif dans votre Padlet ?

Grâce à Lumi, vous pouvez maintenant compléter votre contenu pédagogique créé sur Storyline ou sur votre Padlet par une activité H5P. Il vous suffit d’exporter votre activité au format HTML 5 tout-en-un, ce format est largement accepté par presque toutes les plateformes et vous l’intégrez dans l’une des applications ci-dessus sous forme de fichier HTML. Vous pouvez consulter ce guide qui vous accompagne étape par étape.

Conclusion

En somme, nous pouvons retenir que l’éditeur H5P change la façon de présenter le savoir, nous passons à des contenus statiques que l’étudiant-e consulte de manière passive à des supports d’apprentissage interactifs, engageants et attrayants qui permettent d’offrir une expérience d’apprentissage optimale. Il permet aussi de donner une dimension ludique à votre enseignement. Néanmoins, il est conseillé d’ajouter un contenu interactif dans vos présentations à condition qu’il apporte vraiment une plus-value pédagogique à votre cours, sinon il risque d’être un distracteur et d’avoir un effet négatif sur l’attention.

La facilité de prise en main de H5P, associée aux nouvelles fonctionnalités proposées par Lumi pour créer du contenu H5P rend cette application particulièrement utile pour les enseignant-es.

Toutefois, il est important de souligner que la personnalisation des contenus H5P est limitée, la traduction en français est également incomplète, les résultats des activités reliés au carnet de notes Moodle ne sont pas détaillés. Ces aspects restent encore à améliorer.

Par ailleurs, l’équipe H5P continue de créer de nouveaux contenus interactifs actuellement en version béta. Les versions officielles pourraient-être publiées prochainement, la mise à jour de l’application Lumi vous permettra de bénéficier de ces contenus.

En espérant que ce billet vous a donné des idées pour vos cours, comment pensez-vous créer votre contenu H5P avec Lumi ? Nous vous invitons à partager votre expérience dans les commentaires.

Avr25202325 avril 202325 avril 20230 Commentairepar Mellifluo

Rédiger un travail académique en groupe: nouveau module InfoTrack

Publié dans Articles, Outils & services

InfoTrack, la plateforme de formation aux compétences informationnelles mise à disposition par la Bibliothèque de l’UNIGE, continue à se développer et à s’adapter aux nouvelles pratiques d’enseignement dans l’enseignement supérieur. Le nouveau module Rédiger un travail académique en groupe, ou de l’art de bien travailler ensemble, articulé autour d’une vidéo de 5 minutes, apporte un cadre aux étudiant-es qui préparent un travail académique collaboratif. Il pose les bases pour une mise en route efficace. La vidéo introduit les éléments théoriques qui sont complétés dans la section « À retenir » par une sélection d’outils disponibles à l’UNIGE (sous licence institutionnel ou gratuits). Les étudiant-es ont besoin d’une dizaine de minutes pour visualiser la vidéo, faire le quiz et parcourir les contenus du module.

Comme tous les contenus d’InfoTrack, ce module est diffusé sous licence CC BY-NC-SA 4.0 et peut donc être réutilisé sans autorisation préalable dans les limites imposées par cette licence (pas d’utilisation commerciale et partage à l’identique).

Enfin, notons que, au fil des ans, de nombreux billets de ce blog ont déjà passé en revue des outils utiles pour la collaboration en ligne :

À noter : ce module InfoTrack a été partiellement financé par le Rectorat UNIGE dans le cadre du projet « Make-it-easy » lui-même financé par le programme « P-8 Renforcement des digital skills dans l’enseignement » de swissuniversities.

Avr14202314 avril 202318 avril 20230 Commentairepar Sugar Chmiel

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

Publié dans Analyses & réflexions, Articles

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 :

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.
Analyse des données de fréquentation des cours pour identifier les étudiants qui manquent régulièrement les cours et leur fournir un soutien supplémentaire.
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.
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.
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.
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.
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.
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.
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.
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.

Articles précédents

Articles suivants