La valeur stratégique de l’utilisation des données relatives aux élèves pour atteindre la réussite des élèves
La réussite des étudiants dans l’enseignement supérieur a pris de l’importance au cours des 10 dernières années. La croissance des « centres » dédiés à la réussite étudiante dans de nombreuses universités (principalement aux États-Unis) en témoigne, ainsi que l’attention accrue des organisations gouvernementales aux niveaux national et régional sur le « rapport qualité-prix » et les résultats des étudiants de l’enseignement supérieur. Il est loin le temps où la réussite des étudiants pouvait être considérée simplement comme une fonction de l’étudiant individuel, les établissements d’enseignement supérieur fournissant les ressources, l’infrastructure et l’enseignement, laissant tout le reste aux étudiants.
L’un des principaux moteurs de ce changement d’attitude a été la croissance inquiétante de la dette étudiante. L’impact de l’endettement étudiant a été profond sur le plan politique. Cela a coûté à un politicien britannique de premier plan (vice-premier ministre) son siège au Parlement lors des élections générales de 2016. Aux États-Unis, les politiciens démocrates qui ont les yeux rivés sur la Maison-Blanche se disputent une position pour voir qui peut offrir l’accord le plus attrayant pour réduire (ou même éliminer) la dette étudiante.
Bien que je ne puisse pas aborder le niveau actuel de la dette étudiante, ce que je peux faire, c’est montrer comment la réussite des étudiants (c’est-à-dire les résultats réussis) peut être radicalement améliorée. Cela réduira la probabilité d’accumulation de dettes étudiantes en raison du décrochage des étudiants ou de la prolongation des périodes d’études. La clé est d’une simplicité stupéfiante et nous l’avons à portée de main depuis très longtemps : des données vitales sur les élèves. Le défi auquel nous avons été confrontés est de savoir quoi en faire et comment le gérer efficacement. C’est pourquoi les établissements ont besoin d’une stratégie d’analyse des données sur l’éducation.
L’analyse prédictive dans l’enseignement supérieur existe depuis au moins la fin du 20e siècle. Je l’utilisais de manière très générique à la fin des années 1980 et, au milieu des années 2000, je l’utilisais sérieusement pour identifier les caractéristiques des étudiants qui échouaient ou avaient de graves difficultés dans leurs études. Les données et les analyses étaient extrêmement puissantes parce qu’elles mettaient en évidence les groupes d’étudiants les plus susceptibles de réussir et, inversement, ceux qui étaient plus susceptibles d’abandonner ou de ne pas progresser ou d’obtenir leur diplôme.
Cette information a servi à formuler des recommandations sur les politiques de recrutement générales et propres aux programmes. Il comprenait des recommandations clés sur l’élaboration d’interventions précises pour aider les groupes d’élèves clairement identifiés (c’est-à-dire ceux qui sont les plus susceptibles d’avoir des difficultés) à obtenir de meilleurs résultats. C’était l’analyse des données sur l’éducation de l’époque; extrêmement précieux pour influencer les façons dont les futures cohortes d’étudiants seraient soutenues par leurs études. La valeur stratégique de cette information pour l’institution était évidente.
Cependant, un énorme inconvénient est que, bien qu’elle ait concentré ses efforts sur le soutien des futures cohortes d’étudiants, elle n’a absolument rien fait pour les étudiants qui avaient été en difficulté et ceux qui avaient échoué ou abandonné au cours de l’année universitaire à l’étude. En termes simples, le rapport n’avait pas l’impératif de temps critique pour être bénéfique pour les étudiants actuels. Il y avait deux raisons principales à cela :
Les données clés se trouvaient dans une gamme de silos organisationnels à l’extérieur du système d’information sur les étudiants (dans divers départements d’enseignement ou services de soutien) qui étaient souvent difficiles d’accès et parfois pratiquement impossibles d’accès.
Il n’y avait aucun moyen de traiter les données de manière à ce que les interventions essentielles et opportunes si essentielles à l’amélioration des résultats puissent être réalisées.
La bonne nouvelle, c’est que c’était à l’époque. Aujourd’hui, l’analyse des données en éducation peut surmonter ces obstacles majeurs avec une relative facilité. L’application de technologies de pointe SEAtS signifie que l’extraction et le traitement des données peuvent être réalisés en temps pratiquement réel. Mieux encore, lorsqu’il est combiné à une gamme d’autres données en temps réel, comme des substituts pour l’engagement des étudiants (y compris la participation à des cours, des tutoriels ou des cours de laboratoire, l’accès et l’utilisation de l’environnement d’apprentissage virtuel), il y a un véritable changement radical dans notre capacité d’aider les étudiants. Avec la plateforme SEAtS Student Success Solutions en place, les conversations et les interactions critiques avec les étudiants peuvent avoir lieu dans un délai qui garantit que les étudiants reçoivent l’aide dont ils ont besoin au moment où ils en ont le plus besoin : maintenant!
L’application de l’analyse des données éducatives SEAtS offre un autre bond en avant majeur dans l’application de ces analyses. À l’aide des résultats et des réalisations historiques des élèves, ainsi que des résultats actuels et des données statistiques sur l’engagement en temps réel, l’apprentissage automatique peut révéler des modèles d’activité qui contribuent à la réussite et, inversement, à l’échec ou au retrait. Les leçons apprises peuvent ensuite être appliquées pour fournir des analyses de routine sur chaque élève en fonction de leur dossier et de leur profil d’activité en temps réel. Cela sous-tend les interventions précoces cruciales qui garantissent que l’aide, les conseils et les orientations appropriés sont fournis aux élèves lorsqu’ils en ont besoin.
Les solutions SEAtS Student Success offrent une réelle valeur ajoutée aux établissements grâce à des solutions infonuagiques qui minimisent l’impact sur les infrastructures informatiques existantes. SEAtS peut accéder à plusieurs sources de données de manière transparente, surmontant ainsi les problèmes d’organisation et de silo de données. Plus important encore, le traitement en temps réel SEAtS fournit des interventions critiques en temps réel personnalisées pour répondre aux exigences spécifiques de l’établissement et des étudiants pour réussir.
En bref, l’analyse des données éducatives SEAtS vous aidera à atteindre une véritable réussite étudiante gagnant-gagnant pour tous.
À propos de l’auteur
Philip Henry est un ancien registraire et secrétaire universitaire du Royaume-Uni avec près de 40 ans d’expérience dans l’enseignement supérieur au Royaume-Uni et à l’étranger. Il a été un membre actif de l’AHUA, de l’ARC et de l’AUA (membre fondateur du comité exécutif) du Royaume-Uni, ainsi que de l’AACRAO et de l’ARUCC en Amérique du Nord. Il est toujours engagé dans le secteur en tant que défenseur passionné des initiatives visant à soutenir la réussite des étudiants et a soumis des articles à la revue trimestrielle des collèges et universités de l’AACRAO à ce sujet.
