Un bref résumé de ma thèse sur les MOOC

DiplomaDeux choses l’une après de si longs mois d’absence. Tout d’abord, ma thèse va bientôt être mise en ligne (je vous tiens au courant). Ensuite, j’en ai fait une petite synthèse pour ceux qui ne sont pas chauds pour la lire dans son ensemble. Il y a quelques mois, j’ai rédigé une synthèse de mon travail de thèse à la demande de mon collègue (et en quelque sorte encadrant) Georges-Louis Baron pour le portail Adjectif (un portail dédié aux TICE). Si vous voulez avoir accès à la synthèse dans son intégralité, je vous recommande d’aller sur le portail. Comme j’aime bien mettre tout ce que je fais sur un de mes blogs, je vous la découpe en morceaux. Le billet d’aujourd’hui en présente les grandes lignes, les deux prochains entreront plus dans les détails. Vous ne serez pas surpris que je m’y nounoie, comme c’est l’usage dans l’écriture académique.

C’est un constat partagé à travers le monde qui représente le point de départ de ce travail de recherche : les taux de certification des MOOC, compris comme le pourcentage des inscrits qui obtiennent l’éventuel certificat gratuit, sont généralement inférieurs à 10% (Koller et al., 2013 ; Ho et al., 2014). En d’autres termes, l’attrition des MOOC, définie comme la proportion des non-certifiés, est bien supérieure à celle observée dans le contexte de la formation à distance payante. La gratuité de ces cours, et par conséquent l’absence de perte économique que constitue un arrêt du suivi du MOOC, ne saurait constituer une explication pleinement satisfaisante de cet état de fait. Par ailleurs, cette caractéristique ne permet pas d’interpréter les différences de taux de certification observées d’un cours à l’autre.

Nous avons cherché, dans le cadre de cette thèse, à qualifier et quantifier les différentes formes d’attrition, c’est-à-dire des différents cas de figure correspondant à la non-obtention du certificat par un inscrit, ainsi qu’à identifier certains des mécanismes qui les sous-tendent. Ce faisant, nous réinvestissons et prolongeons un travail de typologisation des formes d’attrition qui a été entamé dans le contexte des universités nord-américaines (Eckland, 1964 ; Hackman & Dysinger, 1970), puis dans le contexte de la formation à distance (Orton, 1977 ; Terenzini, 1987). Nous nous basons sur des concepts issus de la littérature du webmarketing (Isaac & Voole, 2008) et des projets d’apprentissage de l’adulte (Tough, 1971) pour mieux appréhender certains des mécanismes à l’œuvre.

Données mobilisées

Nous avons mobilisé au cours de ce travail une grande diversité de données : traces d’activité, données d’inscription, questionnaires auto-administrés, entretiens semi-directifs, analyses de dispositifs, etc. Les traces d’activité sont définies ici comme l’ensemble des actions réalisées au sein d’un cours donné et capturées par la plate-forme l’hébergeant : visualisation ou téléchargement d’une vidéo pédagogique, soumission d’un devoir, réalisation d’un quiz, etc.

Les données d’inscription correspondent à l’ensemble des données relatives aux inscriptions des 380.000 utilisateurs répertoriées dans la plate-forme France Université Numérique (FUN) au moment de l’analyse : date, obtention du certificat, discipline correspondant au cours, etc. Par le syntagme comportement d’inscription, nous entendons la séquence des actions réalisées au sein d’une plate-forme donnée impliquant l’inscription à un cours, séquence dont nous étudions les différents axes de description : nombre, rythme, etc.

Structure du travail

Commençons par reprendre brièvement le contenu des chapitres qui composent le manuscrit avant d’entrer dans le détail des résultats de la thèse. Un certain nombre d’explications ont été avancées pour expliquer la forte attrition qui caractérise les MOOC. Nous prenons comme point de départ un article rédigé par l’un des acteurs majeurs du domaine, Daphné Koller (Koller et al., 2013), la fondatrice de la plate-forme Coursera. Cette plate-forme est la principale pourvoyeuse de MOOC à l’échelle internationale, tous indicateurs confondus. Après un chapitre introductif consacré à la description de l’écosystème international en général et du système français en particulier, nous nous sommes attachés à analyser sur la base de données de nature variée récoltées au sein de MOOC français les principaux arguments proposés par Koller et al.

Le premier de ces arguments est relatif aux objectifs des apprenants au moment de l’inscription. Selon Koller (2013), une partie considérable d’entre eux auraient un objectif relativement défini, maîtrise d’une compétence en particulier, visualisation des seules vidéos pédagogiques du cours. Lorsque cet objectif est incompatible avec l’obtention du certificat car un nombre insuffisant d’activités évaluées est réalisé, nous parlons de ciblage, et le participant est alors caractérisé comme un cibleur. Ce terme est la traduction de la notion d’attainer (Terenzini, 1987), proposée dès les années 1980 dans le cadre des travaux sur la formation à distance. Un cibleur dispose d’un objectif en termes d’actions réaliser, qui peut être défini en amont du lancement de la formation, ou forgé au fil des interactions avec le dispositif. Une fois celui-ci atteint, le participant en question cesse sa participation au MOOC, représentant ainsi un cas particulier de non-certifié. Nous remettons en cause partiellement la validité de cet argument sur la base des traces d’activité d’une demi-douzaine de MOOC français organisés sur Coursera.

Nous nous intéressons dans le chapitre qui suit aux principales formes d’attrition que sont le retrait volontaire, c’est-à-dire la décision positive d’interrompre sa formation après un certain investissement, et la non-participation, qui correspond au fait de ne pas s’investir dans la formation, ou de manière particulièrement réduite. Nous montrons que l’échec académique, compris comme l’incapacité non volontaire à satisfaire les critères d’obtention du certificat, semble relativement peu vraisemblable dans le cas de la plupart des MOOC de la plate-forme FUN.

Nous cherchons enfin à identifier les principaux mécanismes qui sous-tendent les formes d’attrition identifiées, en nous focalisant d’abord sur le comportement d’inscription, puis dans un second temps sur les données auto-déclarées relatives aux motivations qui sous-tendent l’inscription. Koller et al. (2013) constatent que les utilisateurs de Coursera sont inscrits à près de quatre cours en moyenne sur la plate-forme, et qu’il est probable que le temps qu’implique chacune des formations empêche de les suivre toutes. Nous nous basons sur les données de la plate-forme FUN, sur laquelle plus d’un million d’inscriptions ont été réalisées au cours de la période étudiée, pour montrer que le comportement d’inscription constitue un puissant prédicteur des taux de certification, et que son analyse est donc incontournable dans l’interprétation de la forte attrition qui caractérise les MOOC.

Le dernier chapitre est consacré à l’analyse des motivations qui sous-tendent l’inscription à un MOOC, analyse réalisée au prisme du travail sur les motifs d’entrée en formation de Carré (2002). Nous y montrons que la majorité des participants s’inscrivent à ces formations avec l’intention de réinvestir le contenu dans leur vie professionnelle ou personnelle. En d’autres termes, les motifs opératoires occupent une place prédominante dans la décision de suivre un cours. En sus de la prédominance du motif opératoire, le suivi d’un MOOC répond à la plupart des critères d’un projet d’apprentissage au sens de Allen Tough (1971), et nous discutons des conséquences de l’analyse des MOOC au regard des projets d’apprentissage. Maintenant que nous avons présenté les grandes lignes de la thèse, reprenons-en les différents résultats dans les billets qui viennent en entrant cette fois davantage dans les détails.

Leave a Comment

Filed under Non classé

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Vous pouvez utiliser ces balises et attributs HTML : <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>