La valeur stratégique de l'utilisation des données relatives aux élèves pour assurer leur réussite
La réussite des étudiants dans l'enseignement supérieur a pris de l'importance au cours des dix dernières années. Le développement de "centres" dédiés à la réussite des étudiants dans de nombreuses universités (principalement aux États-Unis) en témoigne, de même que l'attention accrue portée par les organisations gouvernementales aux niveaux national et régional au "rapport qualité-prix" de l'enseignement supérieur et aux "résultats" des étudiants. Il est loin le temps où la réussite des étudiants pouvait être considérée comme une simple fonction de l'étudiant individuel, où les établissements d'enseignement supérieur fournissaient les ressources, l'infrastructure et l'enseignement, laissant tout le reste à la charge des étudiants.
L'un des principaux moteurs de ce changement d'attitude a été la croissance inquiétante de l'endettement des étudiants. L'impact de la dette étudiante a été profond au niveau politique. Il a coûté à un homme politique 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 des vues sur la Maison Blanche se disputent pour savoir qui peut offrir l'accord le plus attrayant sur la réduction (ou même la suppression) de la dette étudiante.
Si je ne peux pas m'attaquer au niveau actuel de la dette étudiante, je peux en revanche montrer comment la réussite des étudiants (c'est-à-dire leurs résultats) peut être radicalement améliorée. Ceci, à son tour, réduira la probabilité d'accumulation de la dette étudiante comme conséquence de l'abandon des études ou de la prolongation des périodes d'études. La clé de cette réussite est d'une simplicité déconcertante et nous l'avons à portée de main depuis très longtemps : il s'agit des données vitales relatives aux étudiants. Le défi auquel nous sommes confrontés est de savoir quoi en faire et comment les traiter efficacement. C'est pourquoi les institutions 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 XXe siècle. Je l'ai utilisée de manière très générique à la fin des années 1980 et, au milieu des années 2000, je l'ai vraiment utilisée pour identifier les caractéristiques des étudiants qui échouaient ou avaient des difficultés dans leurs études. Les données et les analyses étaient extrêmement puissantes car elles mettaient en évidence les groupes d'étudiants les plus susceptibles de réussir et, à l'inverse, ceux qui étaient les plus susceptibles d'abandonner leurs études ou de ne pas progresser ou d'être diplômés.
Ces informations ont été utilisées pour formuler des recommandations sur les politiques de recrutement générales et spécifiques aux programmes. De manière critique, elles comprenaient des recommandations clés sur le développement d'interventions spécifiques pour aider des groupes d'étudiants clairement identifiés (c'est-à-dire ceux qui sont les plus susceptibles d'avoir des difficultés) à obtenir de meilleurs résultats. Il s'agissait de l'analyse des données éducatives de l'époque, extrêmement précieuse pour influencer la manière dont les futures cohortes d'étudiants seraient soutenues tout au long de leurs études. La valeur stratégique de ces informations pour l'établissement était évidente.
Cependant, l'inconvénient majeur est que, bien qu'il concentre les efforts sur le soutien aux futures cohortes d'étudiants, il ne fait absolument rien pour les étudiants qui ont été en difficulté et ceux qui ont échoué et/ou abandonné au cours de l'année académique examinée. En d'autres termes, le rapport ne disposait pas du temps nécessaire pour être utile aux étudiants actuels. Il y a deux raisons principales à cela :
Les données clés se trouvaient dans une série de silos organisationnels en dehors du système d'information sur les étudiants (dans une série de départements d'enseignement et/ou de services de soutien) qui étaient souvent difficiles, voire pratiquement impossibles, à accéder.
Il n'y avait aucun moyen de traiter les données de manière à ce que les interventions critiques et opportunes, si essentielles à l'amélioration des résultats, puissent être réalisées.
La bonne nouvelle, c'est qu'il en était ainsi à l'époque. Aujourd'hui, l'analyse des données de l'éducation peut surmonter ces obstacles majeurs avec une relative facilité. L'application des technologies de pointe de SEAtS signifie que l'extraction et le traitement des données peuvent être réalisés pratiquement en temps réel. Mieux encore, lorsqu'elles sont combinées à une série d'autres données en temps réel telles que les indicateurs de l'engagement des étudiants (y compris l'assiduité aux cours magistraux, aux travaux dirigés et aux classes de laboratoire, l'accès à l'environnement d'apprentissage virtuel et son utilisation), notre capacité à aider les étudiants s'en trouve réellement améliorée. Grâce à la plateforme SEAtS Student Success Solutions, les conversations et interactions cruciales 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 constitue un autre grand pas en avant dans l'application de ces analyses. En utilisant les résultats et les réalisations historiques des élèves, ainsi que les résultats actuels et les 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 à l'abandon. Les enseignements tirés peuvent ensuite être appliqués pour fournir des analyses de routine sur les étudiants individuels sur la base de leur dossier et de leurs profils d'activité en temps réel. Cela sous-tend les interventions précoces cruciales qui garantissent que l'aide, les conseils et l'orientation appropriés sont fournis aux étudiants lorsqu'ils en ont besoin.
Les solutions SEAtS pour la réussite des étudiants apportent une réelle valeur ajoutée aux institutions grâce à des solutions basées sur le cloud qui minimisent l'impact sur les infrastructures informatiques existantes. SEAtS peut accéder à de multiples sources de données de manière transparente, surmontant ainsi les problèmes d'organisation et de silos de données. Plus important encore, le traitement en temps réel de SEAtS fournit des interventions critiques en temps réel, personnalisées pour répondre aux exigences spécifiques de l'institution et de l'étudiant en matière de réussite.
En bref, l'analyse des données de l'éducation SEAtS vous aidera à obtenir une véritable réussite des étudiants, qui profitera à tout le monde.
A propos de l'auteur
Philip Henry est un ancien registraire et secrétaire d'université britannique qui a 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 au Royaume-Uni (membre fondateur du comité exécutif), 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 favoriser la réussite des étudiants et a soumis des articles à ce sujet au journal trimestriel College and University de l'AACRAO.
