THESE-QUELENNEC
Pour soutenir l’apprentissage, le tableau de bord d’apprentissage (TBA) est un outil présent dans la plupart des formations. En s’appuyant sur les traces d’apprentissage des apprenants, le TBA offre de nombreuses perspectives pour soutenir la réussite des étudiants. Cette thèse vient contribuer aux questions liées à l’adaptation des TBA à destination des étudiants dans le contexte de l’enseignement supérieur. Nous proposons trois contributions pour explorer des TBA adaptés, adaptables et adaptatifs. Dans un premier temps, nous abordons les méthodes de co-design en présentiel et à distance, pour concevoir des TBA adaptés à la cible étudiante, et à travers cette première contribution, l’adaptation des outils tangibles vers des outils numériques et la collaboration. Ensuite, nous nous intéressons aux éléments qui composent les TBA, les indicateurs et leurs visualisations, pour qu’ils soient adaptés et adaptables selon le domaine et l’année d’études. Enfin, nous explorons la question des TBA adaptatifs dans le temps, en fonction des attentes et usages des utilisateurs, avant de proposer un modèle de TBA adaptatif. Notre travail a permis concrètement de proposer les outils PADDLE et ePADDLE et ainsi de réaliser avec succès des sessions de co-design de n = 386 étudiants de différents profils. À partir des données recueillies, nous avons identifié différents besoins exprimés par les étudiants pour les indicateurs et les visualisations, selon plusieurs variables comme l’objectif des TBA, le type et niveau d’étude, le contexte d’apprentissage, et le temps. Plusieurs perspectives s’ouvrent pour la poursuite de ce travail, notamment l’implémentation du modèle de TBA adaptatif.
Student learning analytics dashboards: adapted, adaptable, and adaptive over time. From design to modelling
To support learning, Learning Analytics Dashboard (LAD) is a tool present in most training programs. By relying on learners’ learning traces, the LAD offers many perspectives to support students’ success. This PhD thesis contributes to questions related to the LAD adaptation for higher education students. We propose three contributions to explore LAD that are adapted, adaptable, and adaptive. First, we explore co-design methods, both in face-to-face and online, to design LAD adapted to the student target, and through this first contribution, the adaptation of tangible tools to digital tools and collaboration. Then, we focus on the elements that make up LAD, the indicators and their visualizations, to make them adapted and adaptable according to the field of study and the year of study. Finally, we explore the topic of adaptive LAD over time, based on users’ expectations and usage, before proposing an adaptive LAD model. Our work has concretely allowed us to propose the tools PADDLE and ePADDLE and thus allowing us to successfully conduct co-design sessions with n = 386 students from different backgrounds. Based on the data collected, we have identified various needs expressed by students for indicators and visualizations, according to several variables such as the objective of the LAD, the type and level of study, the learning context, and time. Several perspectives are opening up for the continuation of this work, including the implementation of the adaptive LAD model.
Thibault Carron
François Bouchet
Claire Pinçon
La soutenance aura lieu le jeudi 10 octobre 2024 à 14h en présentiel à Sorbonne Université. Je vous invite à la suivre en ligne à cette adresse : https://univ-lille-fr.zoom.us/j/94795737241?pwd=a18WKmAvJdbbcN6pEBRSuk5B...
• Nour El Mawas, professeure, Université de Lorraine, rapporteure
• Christine Michel, professeure, Université de Poitiers, rapporteure
• Ignacio Avellino, chargé de recherche, Sorbonne-Université, examinateur
• Yvan Peter, professeur, Université de Lille, examinateur
• Rémi Venant, MCF, Le Mans Université, examinateur
• Thibault Carron, MCF HDR, Sorbonne Université, directeur de thèse
• François Bouchet, MCF, Sorbonne Université, invité (co-encadrant)
• Claire Pinçon, MCF, Université de Lille, invitée (co-encadrante)
Dernière mise à jour : 7 octobre, 2024 - 11:48