L’évaluation formative est un levier pour améliorer l’apprentissage et l’enseignement. La fourniture de feedback aux étudiants et aux enseignants dans le but d’atteindre les objectifs d’apprentissage est au cœur de tout processus d’évaluation formative. Dans les contextes d’enseignement de masse, des systèmes technologiques sont apparus pour soutenir la mise en œuvre de processus d’évaluation formative. Ces systèmes génèrent des données qui peuvent servir de base pour améliorer ces processus et les services qu’ils offrent. Par conséquent, nous adressons les questions de recherche suivantes :

• Quelles informations utiles peut-on obtenir à partir de l’analyse d’un jeu de données collecté via l’utilisation en contexte réel d’un système d’évaluation formative ?
• Comment peut-on exploiter ces informations pour aider les enseignants à orchestrer leurs séquences d’évaluation formative ?

A partir de la littérature et d’un jeu de données collecté via l’usage d’un système d’évaluation formative nommé Elaastic, nous mobilisons les learning analytics pour apporter des connaissances sur les pratiques d’évaluation formative. Ces connaissances nous ont permis de concevoir (i) des recommandations pour les concepteurs de systèmes d’évaluation formative (ii) des recommandations pour les enseignants qui orchestrent des séquences d’ ́evaluation formative (iii) un modèle d’orchestration conçu pour aider les enseignants à prendre des décisions tout au long de la séquence.

Par la suite, Nous testons ce modèle d’orchestration en l’implantant dans Elaastic par le moyen de recommandations explicables et en collectant des données de son utilisation. L’analyse de ces données montre (1) que les enseignants ne suivent pas les recommandations et (2) que si ces recommandations avaient été suivies, les séquences auraient été significativement plus bénéfiques pour les apprenants. Les travaux futurs proposent des améliorations et extensions possibles de ce modèle d’orchestration.