Search

International audience; The rapid and intense development of distance learning in recent years has led to increasingly comprehensive solutions, recording students' activity in the form of learning traces. Adapted learning systems can exploit this data to analyze students' behavior and help them be more successful in their learning process. In this paper, we propose an approach that is new in data mining, which consists of representing the behavioral dynamics of a set of students through Behavioral Primitives. A Behavioral Primitive represents the temporal evolution of learning indicators to model the behavior of a group of students. The primitive then corresponds to a dynamic distribution, representing both the mean values and the variance of specific indicators over time. We experiment this method on a known, widely used, and open dataset (OULAD). Our results confirm the relevance of the proposed methodology to characterize students' behaviors intelligibly and visually while respecting each student's anonymity. Our work provides a powerful and explainable tool for educational actors. It allows them to analyze learners' behaviors and perform pedagogical actions.; Le développement rapide et intense de l'enseignement à distance ces dernières années a conduit à des solutions de plus en plus complètes, enregistrant l'activité des étudiants sous forme de traces d'apprentissage. Les systèmes d'apprentissage adaptatif peuvent exploiter ces données pour analyser le comportement des étudiants et les aider à réussir leur processus d'apprentissage. Dans cet article, nous proposons une approche nouvelle en fouille de données, qui consiste à représenter la dynamique comportementale d'un ensemble d'étudiants à travers des primitives comportementales. Une primitive comportementale représente l'évolution temporelle des indicateurs d'apprentissage pour modéliser le comportement d'un groupe d'étudiants. La primitive correspond ensuite à une distribution dynamique, représentant à la fois les valeurs moyennes et la variance des indicateurs spécifiques au fil du temps. Nous expérimentons cette méthode sur un ensemble de données connu, largement utilisé et ouvert (OULAD). Nos résultats confirment la pertinence de la méthodologie proposée pour caractériser les comportements des étudiants de manière intelligible et visuelle tout en respectant l'anonymat de chaque étudiant. Notre travail fournit un outil puissant et explicable pour les acteurs de l'éducation. Il leur permet d'analyser les comportements des apprenants et de réaliser des actions pédagogiques.

Over the past few decades, the adoption of e-learning has evolved rapidly and its use has been pushedeven further with the COVID-19 pandemic. The objective of this learning mode is to guarantee the continuity of the learning process. However, the online learning is facing several challenges, and the most widespread is the high failure rates among learners. This issue is due to many reasons such asthe heterogeneity of the learners and the diversity of their learning behaviors, their total autonomy, the lack and/or the inefficiency of the pedagogical provided follow-up. Therefore, teachers need a system based on analytical and intelligent methods allowing them an accurate and early prediction of at-risk of failure learners. This solution is commonly adopted in the state of the art. However, the work carried out does not respond to some particularities of the learning process (the continuity and evolution of learning, the diversity of learners and their total autonomy) and to some teachers expectations such as the alert generation. This thesis belongs to the field of learning analytics and uses the numeric traces of online learnersto design a predictive system (Early Warning Systems (EWS)) dedicated to teachers in online establishments. The objective of this EWS is to identify learners at risk as soon as possible in order to alert teachers about them. In order to achieve this objective, we have dealt with several sub-problems which have allowed us to elaborate four scientific contributions. We start by proposing an in-depth methodology based on the Machine Learning (ML) steps and that allows the identification of four learning indicators among : performance, engagement, reactivity and regularity. This methodology also highlights the importance of temporal data for improving prediction performance. In addition, this methodology allowed to define the model with the best ability to identify at-risk learners. The 2nd contribution consists in proposing a temporal evaluation of the EWS using temporal metrics which measure the precocity of the predictions and the stability of the system. From these two metrics,we study the trade-offs that exist between ML precision metrics and temporal metrics. Online learners are characterized by the diversity of their learning behaviors. Thus, an EWS should respond to this diversity by ensuring an equitable functioning with the different learners profiles. We propose an evaluation methodology based on the identification of learner profiles and that uses a wide spectrum of temporal and precision metrics. By using an EWS, teachers expect an alert generation. For this reason, we design an algorithm which, based on the results of the prediction, the temporal metrics and the notion of alert rules, proposes an automatic method for alert generation. This algorithm targets mainly at-risk learners. The context of this thesis is the French National Center for Distance Education (CNED). In particular, we use the numeric traces of k-12 learners enrolled during the 2017-2018 and 2018-2019 school years.; Pendant les dernières décennies, l'adoption de l'apprentissage en ligne a rapidement évolué et son utilisation a été encore plus poussée avec la pandémie de la COVID-19. L'objectif de ce mode d'enseignement est de garantir la continuité du processus d'apprentissage. Cependant, ce mode d'apprentissage connaît plusieurs défis, dont le plus répandu est les taux élevés d'échec. Ce problème est dû à de nombreuses raisons comme l'hétérogénéité des apprenants et la diversité de leurs comportements d'apprentissage, leur totale autonomie, le manque et/ou l'inefficacité du suivi pédagogique fourni. Par conséquent, les enseignants ont besoin d'un système basée sur des méthodes analytiques et intelligentes leur permettant une prédiction précise et au plus tôt des apprenants à risque d'échec. Cette solution est communément adaptée dans l'état de l'art. Cependant, les travaux réalisés ne répondent pas à certaines particularités de l'apprentissage (la continuité et l'évolution de l'apprentissage, la diversité des apprenants et leur totale autonomie) et certaines attentes des enseignants comme la génération d'alerte. Cette thèse s'inscrit dans le domaine de l'analyse de l'apprentissage et exploite les traces numériques des apprenants en ligne pour concevoir un système prédictif (Early Warning Systems (EWS)) dédié aux enseignants des établissements en ligne. L'objectif de ce EWS est d'identifier au plus tôt les apprenants à risque pour alerter les enseignants de ces derniers. Afin d'atteindre cet objectif, nous avons traité plusieurs sous-problématiques qui ont permis l'élaboration de quatre contributions scientifiques. Nous commençons par proposer une méthodologie en profondeur qui repose sur les étapes de l'apprentissage automatique (ML) et qui permet l'identification de quatre indicateurs d'apprentissage parmi : la performance, l'engagement, la réactivité et la régularité. Cette méthodologie met aussi en valeur l'importance des données temporelles pour l'amélioration des performances de prédiction. De plus, cette méthodologie a permis de définir le modèle avec la meilleure capacité à identifier les apprenants à risque. La 2ème contribution consiste à proposer une évaluation temporelle des EWS à l'aide des métriques temporelles qui mesurent la précocité des prédictions et la stabilité des systèmes. À partir de ces deux métriques, nous étudions les compromis qui existent entre les métriques de précision de ML et les métriques temporelles. Les apprenants en ligne se caractérisent par la diversité de comportements d'apprentissage. Ainsi, un EWS doit répondre à cette diversité en assurant un fonctionnement équitable entre les différents profils d'apprenants. Nous proposons une méthodologie d'évaluation qui se base sur l'identification des profils d'apprenants et utilise un large spectre de métriques temporelles et de précision. En utilisant un EWS, les enseignants s'attendent à une génération d'alerte. C'est pour cette raison,nous concevons un algorithme qui s'appuie sur les résultats de prédiction, les métriques temporelles et la notion des règles d'alerte pour proposer une méthode automatique de génération d'alerte. Le contexte applicatif de cette thèse est le Centre National d'Enseignement à Distance (CNED). Nous exploitons les traces numériques d'une population de collégiens inscrits en classe 3ème pendant les années scolaires 2017-2018 et 2018-2019.

Creative problem solving is a complex process that is being studied through a diversity of tasks. CreaCube is an open ill-defined task whereby the player is required to engage in a creative problem-solving activity (Romero et al., 2017) that we try to analyze with computational models (Alexandre, 2020a). To represent the behavior of the subject through the activity evolution, we analyze the activity through a coding schema considering the observables for this tangible problem solving activity. Observables correspond to different states of the artifact of behaviors of the participant at a given time. In this study we introduce the learning analytic strategy corresponding to a temporal sequence of observables. Through this sequence we aim to infer the participants’ internal state based on a different sequence of observables.Through this study we aim to advance in the learning analytics strategy of a tangible problem-solving task with educational robotics. Our main goal is to be able to both collect data more easily, avoiding as much as possible the manual analysis of the video recording of the activity, and propose enriched observables. To this end, we refined the observables’ model as detailed in (Mercier et al., 2021) and added new observables and decomposed existing ones into more specific ones based on the learner and task model. We distinguished observables with automatable data collection and those which require manual identification. In the end we discuss the relevance of this new version of CreaCube by discussing to what extent it offers additions to actual data analysis and ongoing research on this subject.; La résolution créative de problèmes est un processus complexe mis à l’étude via une grande variété de tâches. CreaCube est une tâche ouverte et mal-définie par laquelle une personne est engagée dans une activité de résolution créative de problème (Romero et al., 2017) que nous essayons de représenter et d’analyser avec des modèles informatiques (Alexandre, 2020a). Afin de représenter le comportement de la personne engagée dans l’activité, nous analysons le déroulement de celle-ci à travers un codage comportant différentes données nommées observables. Les observables correspondent aux différents états des artefacts observables lors de l’activité (comportements, émotions, matériel) à un moment donné. Dans cette étude, nos données d’apprentissage correspondent à des séquences d’ensembles d'observables. Via ces séquences, nous espérons pouvoir inférer l’état interne d’une personne engagée dans l’activité à partir de la séquence d’observables lui étant associée. Via cette étude, nous visons un approfondissement d’une stratégie d’analyse d’apprentissage pour CreaCube, une tâche de résolution de problème tangible avec de la robotique éducative. Notre objectif principal est d’être capable à la fois de collecter plus simplement et rapidement des données sur le déroulement de l’activité, en évitant autant que possible le recours à l’analyse manuelle des enregistrements vidéo de l’activité, et de proposer un nouveau cadre d’observables plus riche. Pour cela, nous proposons d’affiner le modèle des observables détaillé dans (Mercier et al., 2021) et d’ajouter de nouvelles observables relatives à l’évolution de la tâche extérieure à la personne engagée. Nous proposons également une distinction entre les observables dont la collecte lors des expériences peut être automatisée et celles dont la collecte requiert une identification manuelle. Enfin, nous discutons de la pertinence et de la faisabilité de ces changements en réfléchissant à une nouvelle version de CreaCube et ce qu’elle peut offrir de plus aux analyses sur les données actuellement menées sur le sujet.

CreaCube is a problem solving activity requiring both computational thinking and creative problem-solving, in which the subject tries to assemble four cubes into one structure with a specific performance. We made the assumption that device-related observables such as cubes position evolution in space may be used to automatically determine subject-related observables which can then be interpreted in relation to certain behaviors or emotions. This article details the design of new material for the CreaCube activity in order to create a new set of modular robotic cubes. This paper describes the analysis developed, step-by-step, and what pitfalls and failures we faced during the analysis of the requirements for developing new modular cubes. The goal of developing a new set of robotic cubes aims to facilitate automatic data collection but also to ensure a large diffusion of the task to collect more data automatically. First, the analysis of existing Human Robot Interactions (HRI) within the CreaCube task is developed through UML charts based on the instructions of the task and the anticipation of the HRI. Second, we discussed the physical elements of the new set of cubes, aiming at an easy open-source manufacturing for anyone interested in activities for the development of computational thinking. Third, we implemented a conditional statement algorithm trying to automatically collect device-related observables despite an unknown set of unpredicted but possible behaviors., CreaCube est une activité de résolution de problème qui requiert à la fois un recours à la pensée informatique et à la résolution de problème créatif, lors de laquelle le sujet doit assembler quatre cubes en une seule structure avec une propriété de mouvement. Nous avons fait l’hypothèse que les observables relatifs à l’état du support physique comme l’évolution de la position des cubes dans l’espace pourraient être utilisés pour déterminer automatiquement les observables relatifs au sujet comme les comportements ou les émotions. Ce rapport détaille le développement d’une nouvelle version de CreaCube. Il décrit pas à pas les étapes mises en place pour ce développement, en détaillant les différents obstacles qui se sont posés durant celui-ci. L’objectif est de développer un nouvel ensemble de cubes robotiques permettant de faciliter la collecte automatique des données. L’analyse de l’interaction homme-machine (IHM) de la tâche CreaCube est développée à travers des schémas UML basés sur les instructions de la tâche et l’anticipation de l’IHM. Ensuite, nous discutons des éléments physiques de nouveaux cubes, en visant une production facile et open-source pour un accès facilité pour une large diffusion de la tâche pour quiconque est intéressé dans le développement de la pensée informatique. Enfin, nous implémentons un algorithme conditionnel afin de déduire les observables relatifs au support à partir des données collectées par les nouveaux cubes, malgré un ensemble de conditions non exhaustif.

Educational institutions seek to design effective mechanisms that improve academic results, enhance the learning process, and avoid dropout. The performance analysis and performance prediction of students in their studies may show drawbacks in the educational formations and detect students with learning problems. This induces the task of developing techniques and data-based models which aim to enhance teaching and learning. Classical models usually ignore the students-outliers with uncommon and inconsistent characteristics although they may show significant information to domain experts and affect the prediction models. The outliers in education are barely explored and their impact on the prediction models has not been studied yet in the literature. Thus, the thesis aims to investigate the outliers in educational data and extend the existing knowledge about them. The thesis presents three case studies of outlier detection for different educational contexts and ways of data representation (numerical dataset for the German University, numerical dataset for the Russian University, sequential dataset for French nurse schools). For each case, the data preprocessing approach is proposed regarding the dataset peculiarities. The prepared data has been used to detect outliers in conditions of unknown ground truth. The characteristics of detected outliers have been explored and analysed, which allowed extending the comprehension of students' behaviour in a learning process. One of the main tasks in the educational domain is to develop essential tools which will help to improve academic results and reduce attrition. Thus, plenty of studies aim to build models of performance prediction which can detect students with learning problems that need special help. The second goal of the thesis is to study the impact of outliers on prediction models. The two most common prediction tasks in the educational field have been considered: (i) dropout prediction, (ii) the final score prediction. The prediction models have been compared in terms of different prediction algorithms and the presence of outliers in the training data. This thesis opens new avenues to investigate the students' performance in educational environments. The understanding of outliers and the reasons for their appearance can help domain experts to extract valuable information from the data. Outlier detection might be a part of the pipeline in the early warning systems of detecting students with a high risk of dropouts. Furthermore, the behavioral tendencies of outliers can serve as a basis for providing recommendations for students in their studies or making decisions about improving the educational process., Les établissements d'enseignement cherchent à concevoir des mécanismes efficaces pour améliorer les résultats scolaires, renforcer le processus d'apprentissage et éviter l'abandon scolaire. L'analyse et la prédiction des performances des étudiants au cours de leurs études peuvent mettre en évidence certaines lacunes d'une formation et détecter les étudiants ayant des problèmes d'apprentissage. Il s'agit donc de développer des techniques et des modèles basés sur des données qui visent à améliorer l'enseignement et l'apprentissage. Les modèles classiques ignorent généralement les étudiants présentant des comportements et incohérences inhabituels, bien qu'ils puissent fournir des informations importantes aux experts du domaine et améliorer les modèles de prédiction. Les profils atypiques dans l'éducation sont à peine explorés et leur impact sur les modèles de prédiction n'a pas encore été étudié dans la littérature. Cette thèse vise donc à étudier les valeurs anormales dans les données éducatives et à étendre les connaissances existantes à leur sujet. La thèse présente trois études de cas de détection de données anormales pour différents contextes éducatifs et modes de représentation des données (jeu de données numériques pour une université allemande, jeu de données numériques pour une université russe, jeu de données séquentiel pour les écoles d'infirmières françaises). Pour chaque cas, l'approche de prétraitement des données est proposée en tenant compte des particularités du jeu de données. Les données préparées ont été utilisées pour détecter les valeurs anormales dans des conditions de vérité terrain inconnue. Les caractéristiques des valeurs anormales détectées ont été explorées et analysées, ce qui a permis d'étendre les connaissances sur le comportement des étudiants dans un processus d'apprentissage. L'une des principales tâches dans le domaine de l'éducation est de développer des mécanismes essentiels qui permettront d'améliorer les résultats scolaires et de réduire l'abandon scolaire. Ainsi, il est nécessaire de construire des modèles de prédiction de performance qui sont capables de détecter les étudiants ayant des problèmes d'apprentissage, qui ont besoin d'une aide spéciale. Le deuxième objectif de la thèse est d'étudier l'impact des valeurs anormales sur les modèles de prédiction. Nous avons considéré deux des tâches de prédiction les plus courantes dans le domaine de l'éducation: (i) la prédiction de l'abandon scolaire, (ii) la prédiction du score final. Les modèles de prédiction ont été comparés en fonction de différents algorithmes de prédiction et de la présence de valeurs anormales dans les données d'entraînement. Cette thèse ouvre de nouvelles voies pour étudier les performances des élèves dans les environnements éducatifs. La compréhension des valeurs anormales et des raisons de leur apparition peut aider les experts du domaine à extraire des informations précieuses des données. La détection des valeurs aberrantes pourrait faire partie du pipeline des systèmes d'alerte précoce pour détecter les élèves à haut risque d'abandon. De plus, les tendances comportementales des valeurs aberrantes peuvent servir de base pour fournir des recommandations aux étudiants dans leurs études ou prendre des décisions concernant l'amélioration du processus éducatif.

Data exploitation is a growing phenomenon that is present in different scenarios, including the educational scenario, where it holds the promise of advancing our understanding and improving the learning process. From this promise emerged the learning analysis research field that, ideally, takes advantage of technology and educational theories to explore the educational data. On the technological side, we are interested in recommendation systems because they can help students, teachers and other stakeholders to find the best learning resources and thus achieve their learning goals and develop competencies in less time. On the theoretical side, we are interested in the social influence technique foot-in-the-door, which consists in making consecutive requests with an increasing cost. This technique seems particularly relevant to the educational context because it can not only be formalized into a recommendation system, but it is also compatible with the zone of proximal development that states that the challenge presented by the learning resources need to increase gradually in order to keep students motivated. However, we do not know to what extent explicitly applying this technique via recommendations can influence students. Therefore, in this thesis, we investigate such influences assuming that students’ effort is a good indicator of the cost of the requests, since not only every learning activity requires a certain level of effort and, but it is often cited as a key factor for students’ success. For this, we modeled the measurement and prediction of the students’ effort through machine learning models using data that can be used in real life and exploited it in order to explicitly apply the foot-in-the-door technique in a recommendation system. Our results show that, compared to recommendation models that do not formalize this technique, the proposed recommendation models have a positive influence on the students’ effort, compliance, performance and engagement. This suggests that this approach has the potential to improve the learning process as students will present the aforementioned behaviors.; L’exploitation des données est un phénomène croissant qui est présent dans différents scénarios, y compris le scénario éducatif, où il tient la promesse de faire progresser notre compréhension et d’améliorer le processus d’apprentissage. De cette promesse a émergé le domaine de recherche sur l’analyse de l’apprentissage qui tire idéalement parti de la technologie et des théories éducatives pour exploiter les données éducatives. Sur le plan technologique, nous nous intéressons aux systèmes de recommandation car ils peuvent aider les étudiants, les enseignants et les autres parties prenantes à trouver les meilleures ressources d’apprentissage, et ainsi atteindre leurs objectifs d’apprentissage et développer des compétences en moins de temps. Sur le plan théorique, nous nous intéressons à la technique d’influence sociale pied-dans-la-porte, qui consiste en faire des demandes consécutives avec un coût croissant. Cette technique semble particulièrement pertinente dans le contexte éducatif car elle peut non seulement être formalisée dans un système de recommandation, mais elle est également compatible avec la zone de développement proximal qui stipule que le défi présenté par les ressources d’apprentissage doivent augmenter progressivement afin de garder les étudiants motivés. Cependant, nous ne savons pas comment l’application de cette technique via des recommandations peuvent influencer les étudiants. Par conséquent, dans cette thèse, nous étudions ces influences en supposant que l’effort des étudiants est un bon indicateur du coût des demandes, car non seulement chaque activité d’apprentissage nécessite un certain niveau d’effort, mais il est souvent cité comme un facteur clé pour la réussite des étudiants. Pour cela, nous avons modélisé la mesure et la prédiction de l’effort des étudiants grâce à des modèles d’apprentissage automatique utilisant des données pouvant être utilisées dans la vie réelle, et les avons exploitées afin d’appliquer explicitement la technique du pied-dans-la-porte dans un système de recommandation. Nos résultats montrent que, par rapport aux modèles de recommandation qui ne formalisent pas cette technique, les modèles de recommandation proposés ont une influence positive sur l’effort, la conformité, la performance et l’engagement des étudiants. Cela suggère que cette approche a le potentiel d’améliorer le processus d’apprentissage, car les élèves présenteront les comportements susmentionnés.

Lors du colloque EDUsummIT 2019, un groupe de travail a mené une réflexion sur l’analyse de l’apprentissage. En tant que membres francophones de ce groupe, nous présentons et discutons dans cet article les recommandations du groupe de travail quant au déploiement de l’analyse de l’apprentissage dans les établissements d’enseignement dans un avenir rapproché. Certains éléments à considérer dans l’intégration de l’analyse de l’apprentissage, dont le rôle des fournisseurs de service, les compétences nécessaires pour interpréter les données et les effets potentiels de telles analyses sur la conception de l’apprentissage, sont abordés.

In the context of human resources management in companies, continuing training becomes a strategic action for the development of professional careers. Among the existing training methods, the training session through a face-to-face training group is a privileged mode of action for the exchange of professional experiences between peers. In practice, training session planning consists of reconciling multiple criteria (educationnal, social and organizational) formed around a training group in face-to-face. In this context, our research project aims to develop an IT system for the management of continuing education consists of developing a system of support for the management of continuing training that will facilitate the operational tasks of the training manager : the planning of training sessions and the research and analysis of data related to the training activity. The management tools are consisted by multiple dashboards associated with visualization techniques to facilitate data interpretation.To respond to our problem, the system for planning training sessions is based on a principle request-response. At the processing level, two approaches are proposed in order to solve this combinatorial decision making problem. On the one hand, a meta-heuristic-type processing method (and more precisely a genetic algorithm) aims to simplify the operational tasks of the training manager by generating a list of potential training groups associated with a node-link representation. On the other hand, an analytical approach aims to define the characteristics of the train-ing groups that favorably condition the social interactions between the participants. The results obtained are based on a statistical analysis of the data from the satisfaction questionnaires.The experiment distinguishes two levels of evaluation : the results generated by the GA and the perfor-mance of the application prototype. GA results are measured according to the accuracy rate from a collection of queries and a dataset. The performance of the application prototype is evaluated from functional, technical and user tests.; Dans le cadre des politiques des ressources humaines en entreprise, la formation continue devient un levier d’action stratégique pour l’évolution des carrières professionnelles. Parmi les modes de formation existants, la session de formation à travers un groupe de formation en présentiel est un mode d’action privilégié pour l’échange d’expériences professionnelles entre pairs. En pratique, la planification d’une session de formation consiste à concilier des multiples critères (pédagogiques, sociaux et organisationnels) constitué autour d’un groupe de formation en présentiel. Dans ce contexte, notre projet de recherche consiste à développer un système d’aide à la gestion de la formation continue visant à faciliter les tâches opérationnelles du gestionnaire de formation dont la planification de sessions de formation ainsi que la recherche et l’analyse des données liée à l’activité de formation. Les outils de gestion sont instrumentés par des tableaux de bords multiples associés à des techniques de visualisation pour faciliter l’interprétation des données.Pour répondre à notre problématique, le système d’aide à la planification des sessions de formation repose sur un principe de requête-réponse. Au niveau du traitement, deux approches sont proposées afin de résoudre ce problème de décision de type combinatoire. D’une part, une méthode de traitement de type méta-heuristique (et plus précisément un algorithme génétique, noté AG par la suite) vise à simplifier la tâche opérationnelle du gestionnaire de formation en générant une liste de groupes de formation potentiels associés à une représentation graphique de type nœud-lien. D’autre part, une approche analytique vise à définir les caractéristiques des groupes de formation qui conditionnent favorablement les interactions sociales entre les participants. Les résultats obtenus sont basés sur une analyse statistique des données issues des questionnaires de satisfaction.L’expérimentation distingue deux niveaux d’évaluation : les résultats générés par l’AG et la performance du prototype d’application. Les résultats de l’AG sont mesurés selon le taux de précision à partir d’une collection de requêtes. La performance du prototype d’application est évaluée à partir de tests fonctionnels, techniques et utilisateurs.

National audience; Since the beginning of coronavirus pandemic (COVID-19), many countries have adopted online education as an alternative to traditional classroom courses. As a result, a new awareness has emerged of the importance of analyzing the learning data collected from students to improve and evaluate the learning process. This article presents the results of a study conducted on a group of 26 second-year engineering students from a higher education institution in Morocco, all of them taking a blended-mode course on the Moodle platform. This study focuses on a tool for teachers and students to help track and monitor the learning process, the results show that this tool improved student engagement and success rates.; Depuis le début de la pandémie de COVID-19, de nombreux pays ont adopté l'enseignement en ligne comme alternative aux cours en présentiel. Cette situation a accentué la prise de conscience de l'importance d'analyser les données d'apprentissage laissées par les élèves, pour améliorer et évaluer le processus d'apprentissage. Cet article expose les résultats d'une étude conduite sur une classe de 26 élèves de deuxième année du cycle ingénieur d'un établissement supérieur au Maroc, suivant tous un cours en modalité mixte sur la plateforme Moodle. Cette étude porte sur un outil destiné aux enseignants ainsi qu'aux élèves afin de faciliter le suivi et le contrôle du processus d'apprentissage, les résultats montrent que l'outil a permis d'améliorer l'engagement et le taux de réussite des élèves. Mots-clés : Visualisation de l'information, analyse de l'apprentissage, tableau de bord, apprentissage autorégulé, environnements d'apprentissage en ligne.

We report on a new setup allowing us to collect learning analytics (LA) during computational thinking unplugged or tangible playful activities. We target the development of computational thinking (CT) competency, including the initiation to informatics (i.e., computer science and technology), with the goal to evaluate and analyze the development of CT. Collecting LA is mandatory in this case and if adaptive learning is targeted. While collecting LA during online interactions is rather straightforward, automatically collecting LA when manipulating tangible objects is more challenging, especially in a context where low-cost greenIT material is required.The key idea here, contrary to usual “black-box” systems working (more or less) automatically, is to change the learning paradigm and involve the learner in the data collection, making the process transparent and allowing her or him to also learn how to learn. This is particularly pertinent here since we use Informatics tools in order to … initiate to Informatics and CT. This means that we have to redesign the activity scenario including its didactic and revisit the underneath pedagogy, which turns to be an interesting and innovative challenge.; Nous décrivons ici un montage original nous permettant de collecter des traces d'apprentissage (learning analytics (LA)) lors d'activités débranchées ou tangibles d'initiation ludique à la pensée informatique (computational thinking (CT)). Nous ciblons le développement de compétences en CT, y compris l'initiation à l'informatique (c'est-à-dire l'informatique en tant que science et technologie), dans le but d'évaluer et d'analyser le développement de la CT. La collecte de LA est indispensable pour évaluer cet apprentissage, avec comme champ applicatif l'apprentissage adaptatif. Bien que la collecte de LA lors d'interactions en ligne soit plutôt simple, la collecte automatique de LA lors de la manipulation d'objets tangibles est plus difficile, en particulier dans un contexte où du matériel à faible coût et tenant compte de contraintes écologiques est requis.L'idée clé ici, contrairement aux systèmes habituels de «boîte noire» fonctionnant (plus ou moins) automatiquement, est de changer le paradigme d'apprentissage et d'impliquer l'apprenant dans la collecte de données, rendant le processus transparent et lui permettant également d'apprendre comment apprendre. Ceci est particulièrement pertinent ici puisque nous utilisons des outils informatiques pour … nous initier à l'informatique et à la CT. Cela signifie que nous devons repenser le scénario de l'activité, y compris sa didactique, et revisiter la pédagogie sous-jacente, qui s'avère être un défi intéressant et innovant.

The current learning landscape is evolving in terms of what is learned and the context in which learning takes place. This can largely be related to the continuously changing requirements of today’s labor market. Additionally, the availability of information technology has changed the traditional educational boundaries of time, space, and informational access. From an instructional design perspective, the combination of both phenomena poses a great challenge for researchers and instructional designers to implement instruction that meets the requirements of the current learning landscape (Ng, 2015). A research-based instructional design model that has proven to be effective in promoting complex learning is the four-component instructional design model (4C/ID-model; van Merriënboer et al., 2002). Nonetheless, offering an online learning environment based on a research-based instructional design model is not necessarily a guarantee for its effectiveness. As the learner is an active agent in the online learning process, the effectiveness of learning environments largely depends on student cognitive and motivational-affective characteristics. In order to investigate characteristics that can influence the effectiveness of a 4C/ID-based online course and how effectiveness can be facilitated, the current research project was divided into respectively research track 1 and 2. On the basis of three studies, research track 1 examined the influence of students’ cognitive and motivational-affective characteristics. More particularly, Study 1 and 2 investigated the influence of students’ technology acceptance and students’ perceptions of instructional quality. Additionally, study 3 investigated the influence of students’ prior knowledge and motivational characteristics. Findings of study 1 and 2, reveal the importance of students’ technology acceptance and perceived instructional quality on respectively the quantity and quality of use and students’ learning outcomes. Additionally, findings of study 3 indicate that (1) students’ prior knowledge and task value can influence differences in use and that (2) students’ prior knowledge and differences in use positively influences students’ learning outcomes. As a result, research track 1 indicates that individual differences can influence the effectiveness of a 4C/ID-based online course. Nonetheless, former research indicates that the influence of individual differences can be reduced by aligning the learning environment with students’ learning needs. In order to align the online course with students’ learning needs, we should be able to detect learning process during online complex learning. Consequently, research track 2 explored in two studies whether physiological measures such as skin response measures (Study 4 and 5) and cardiovascular measures (Study 5) can be used to assess cognitive load during the online problem-solving process. Findings of study 4 reveal that changes in cognitive load can be detected by electrodermal activity when differences in cognitive load are high. Findings of study 5 appear to indicate that cognitive overload induces stress which was assessed via skin temperature and heart rate.; L’éducation change en termes de ce qui est appris et de contexte dans lequel l'apprentissage a lieu. Cela peut être en grande partie lié aux exigences en constante évolution du marché du travail actuel. En outre, la disponibilité des technologies de l'information a modifié les limites traditionnelles de l'éducation en matière de temps, d'espace et d'accès à l'information. Du point de vue de la pédagogie, la combinaison de ces deux phénomènes constitue un grand défi pour les chercheurs et les pédagogues qui doivent mettre en œuvre une pédagogie qui réponde aux exigences du contexte actuel de l'apprentissage (Ng, 2015). Le modèle de conception pédagogique à quatre composantes (modèle 4C/ID; van Merriënboer et al., 2002) est un modèle de conception pédagogique basé sur la recherche qui s'est avéré efficace pour promouvoir l’ apprentissage complexe. Néanmoins, offrir un environnement d'apprentissage en ligne basé sur un modèle de conception pédagogique basé sur la recherche n'est pas nécessairement une garantie de son efficacité. Comme l'apprenant est un agent actif dans le processus d'apprentissage en ligne, l'efficacité des environnements d'apprentissage dépend largement des caractéristiques cognitives et motivationnelles-affectives de l'étudiant. Afin d'étudier les caractéristiques qui peuvent influencer l'efficacité d'un cours en ligne basé sur les 4C/ID et la manière dont l'efficacité peut être facilitée, le projet de recherche actuel a été divisé en deux pistes de recherche. Sur la base de trois études, la première piste de recherche a examiné l'influence des caractéristiques cognitives et motivationnelles-affectives des étudiants sur l'efficacité des environnements d'apprentissage en ligne. Plus particulièrement, les études 1 et 2 ont examiné l'influence de l'acceptation de la technologie par les étudiants et la perception de la qualité de l'enseignement par les étudiants. En outre, l'étude 3 a examiné l'influence des connaissances antérieures et des caractéristiques motivationnelles des élèves sur les différentes utilisations des composantes et les résultats de l'apprentissage. Les résultats des études 1 et 2 révèlent l'importance de l'acceptation des technologies par les étudiants et de la perception de la qualité de l'enseignement sur respectivement la quantité et la qualité de l'utilisation et les résultats d'apprentissage des étudiants. En outre, les résultats de l'étude 3 indiquent que (1) les connaissances antérieures et la motivation intrinsèque des étudiants peuvent influencer les différences d'utilisation et que (2) les connaissances antérieures des étudiants et les différences d'utilisation des composantes influencent positivement les résultats d'apprentissage des étudiants. Par conséquent, la piste de recherche 1 indique que les différences individuelles peuvent influencer l'efficacité d'un environnement d'apprentissage en ligne. Néanmoins, des recherches antérieures indiquent que l'influence des différences individuelles peut être modéré en alignant l'environnement d'apprentissage sur les besoins d'apprentissage des étudiants. Afin d'aligner le cours en ligne sur les besoins d'apprentissage des étudiants, nous devrions être en mesure de détecter le processus d'apprentissage au cours de l'apprentissage complexe en ligne. Par conséquent, la deuxième piste de la recherche a examiné dans deux études si des données physiologiques liées à la peau (études 4 et 5) et les données physiologiques cardiovasculaires (étude 5) peuvent être utilisées pour évaluer la charge cognitive pendant le processus de résolution de problèmes en ligne. Les résultats de l'étude 4 révèlent que les changements de charge cognitive peuvent être détectés par l'EDA lorsque les différences de charge cognitive sont élevées. Les résultats de l'étude 5 semblent indiquer que la surcharge cognitive induit un stress qui a été évalué via la température de la peau et la fréquence cardiaque.

Les MOOC sont des innovations pédagogiques qui sont souvent présentées comme radicales. Pour leurs promoteurs, ces innovations ont l’avantage de favoriser une véritable démocratisation des savoirs. Au regard de la littérature scientifique, cette promesse pourrait constituer un des mythes qui sous-tendent le développement des technologies numériques au sein de la sphère éducative. Afin de mieux identifier et comprendre comment les usages des MOOC peuvent ou non participer à la production d’inégalités, nous proposons dans cet article d’explorer l’influence des facteurs sociodémographiques sur les parcours de formation en ligne. Pour ce faire, nous nous appuierons sur l’analyse des traces d’activité produites par les utilisateurs du cours « Manage your prices » qui est hébergé par la plateforme d’éducation numérique FutureLearn. Notre objectif sera de montrer comment les usages que les e-apprenants font de ce cours sont façonnés par le poids des structures sociales. The MOOC constitute pedagogical innovations that are often presented as radical. For their promoters, these innovations have the advantage of promoting a real democratization of knowledge. Considering the scientific literature, this promise could be one of the myths that underlies the development of digital technologies in the educational sphere. Thus, in order to better identify and understand how the uses of MOOC may or may not participate in producing inequality, we propose to explore the influence of socio-demographic factors on on-line training courses. To do this, we will rely on the analysis of traces of activity generated by users of the course “Manage your prices” which is hosted by digital education platform FutureLearn. Our goal will be to show how the uses that e-learners make of this course are shaped by the weight of social structures.

Providing high-quality content is of utmost importance to drive successful reading. Besides, designing documents that are received the way the author wishes has always been difficult, and the digital world increases this difficulty by multiplying the possibilities related to mixed medias and interactivity. This compels authors to continuously review the delivered content to meet readers’ needs. Yet it remains challenging for them to detect the comprehension barriers that may exist within their documents, and to identify how these latter can be improved accordingly. This compels authors to continuously review the delivered content to meet readers’ needs. Yet it remains challenging for them to detect the comprehension barriers that may exist within their documents, and to identify how these latter can be improved accordingly. In this thesis, we focus on an educational context, where reading is a fundamental activity and the basis of many other learning activities. We propose a learning analytics approach for assisting course authors to maintain their courses to sustain learning. The proposals are based on theoretical background originated from research on learning analytics, reading comprehension and content revision. We advocate “usage-based document reengineering”, a process defined as a kind of reengineering that changes document content and structures based on the analysis of readers’ usages as recorded in their reading traces. We model reading activity using the concept of reading-session and propose a new session identification method. Using learners’ reading sessions, a set of indicators related to different aspects of the reading process are computed and used to detect comprehension issues and to suggest corrective content revisions. The results of the analytics process are presented to authors through a dashboard empowered with assistive features. We instantiate our proposals using the logs of a major European e-learning platform, and validate it through a series of studies. The results show the effectiveness of the approach and related dashboards to enhance authors awareness learners’ needs, and to provide them with guidance in improving their courses accordingly., Dans le contexte éducatif la qualité des contenus offerts est d'une importance capitale pour la réussite de l'acte d'apprentissage moyennant des ressources écrites. Les auteurs sont donc appelés à veiller sur la qualité de leurs contenus, et à les réviser en permanence, pour mieux répondre aux besoins des lecteurs. Cependant, il est difficile de détecter les obstacles à la compréhension inhérents aux documents et d'identifier comment ces derniers peuvent être améliorés en conséquence. Dans cette thèse, une approche basée sur l'analyse de l'apprentissage est proposée pour assister les auteurs dans la révision de leurs dans le but de faciliter l'apprentissage. Cette approche s'appuie sur une base théorique issue de la recherche en learning analytics, la compréhension de la lecture et la révision de contenus. Elle introduit un processus de réingénierie documentaire basée sur les usages dans le but de modifier le contenu et les structures documentaires en fonction du comportement des lecteurs. Un algorithme de détection de séance de lecture à partir des traces des apprenants est introduit. À partir de ces séances, un ensemble d'indicateurs liés aux différents aspects du processus de lecture sont calculés et utilisés pour identifier les problèmes de compréhension et proposer des suggestions pour des modifications au contenu. Les résultats sont présentés aux auteurs moyennant des tableaux de bord dotés de fonctions d'assistance. Les propositions sont implémentées à l'aide des traces collectées sur une importante plateforme européenne d'e-learning. Les propositions sont évaluées à travers une série d'études dont les résultats montrent l'efficacité de l'approche et des tableaux de bord associés pour fournir aux auteurs un plus grand niveau de connaissance leur permettant d'entreprendre des actions de révision à même d'améliorer leurs cours et de de répondre aux besoins des apprenants.

International audience; The MOOC constitute pedagogical innovations that are often presented as radical. For their promoters, these innovations have the advantage of promoting a real democratization of knowledge. Considering the scientific literature, this promise could be one of the myths that underlies the development of digital technologies in the educational sphere. Thus, in order to better identify and understand how the uses of MOOC may or may not participate in producing inequality, we propose to explore the influence of socio-demographic factors on on-line training courses. To do this, we will rely on the analysis of traces of activity generated by users of the course “Manage your prices” which is hosted by digital education platform FutureLearn. Our goal will be to show how the uses that e-learners make of this course are shaped by the weight of social structures.; Les MOOC sont des innovations pédagogiques qui sont souvent présentées comme radicales. Pour leurs promoteurs, ces innovations ont l’avantage de favoriser une véritable démocratisation des savoirs. Au regard de la littérature scientifique, cette promesse pourrait constituer un des mythes qui sous-tendent le développement des technologies numériques au sein de la sphère éducative. Afin de mieux identifier et comprendre comment les usages des MOOC peuvent ou non participer à la production d’inégalités, nous proposons dans cet article d’explorer l’influence des facteurs sociodémographiques sur les parcours de formation en ligne. Pour ce faire, nous nous appuierons sur l’analyse des traces d’activité produites par les utilisateurs du cours « Manage your prices » qui est hébergé par la plateforme d’éducation numérique FutureLearn. Notre objectif sera de montrer comment les usages que les e-apprenants font de ce cours sont façonnés par le poids des structures sociales.

National audience; Cet article a pour objectif de présenter notre méthodologie employée pour l’étude des liens entre les comportements d'apprenants et la progression de leurs scores à une évaluation pré/post des effets de l’usage du micromonde PrOgO sur l'apprentissage des fondamentaux de la Programmation Orientée-Objet. Cette méthodologie relève de l'analyse de l'apprentissage par la collecte et l'analyse de traces d'interaction. Nous nous basons sur l'Analyse en Composante Principale pour le calcul des corrélations entre les actions d'apprenants dans l'interface de PrOgO et la progression de leurs scores observée lors d'une évaluation pré/post. Nous concluons sur les actions d'apprenants qui peuvent influencer l'acquisition des connaissances et en particulier l’importance de celles qui concernent l’édition de code.

Programming microworlds are small and interactive environments, in which the learner learns from his interactions with visual or tangible entities having a strong semantic link with formal programming concepts. They promote knowledge assimilation and abstract programming concepts understanding by the use of visual metaphors and play. This thesis attempts to contribute to theoretical and methodological advances regarding the design and the assessment of such environments, which are known to have a great potential on learning without any evidence on that.As microworlds are game based learning environments, we first examined the gaming issue and its relation to learning. Based on a literature review, we emphasized as some authors, the need to distinguish between the game (the computing artefact) and the play (the situation that is triggered by the interactions with the game). The purpose is to analyze learning and establish concepts that will guide the design and the evaluation of learning. Then we reviewed some research on Computer Science Education, with the view to identify some widespread teaching approaches that address beginners’ difficulties in learning Object-Oriented Programming (OOP). We defined a new didactic approach for OOP introduction. We then defined the design dimensions of a microworld, we refer to as a transitional representation system, in which the learner develops knowledge on programming abstract and formal concepts, as a result to his interactions with the microworld interface.We have implemented the theoretical and methodological advances we provided, in a new OOP microworld based on a 3D constructive and animation game called PrOgO. PrOgO implements a transitional representation system, in which basic OOP concepts are depicted with visual and interactive 3D graphics. It enables play that arises from the learner’s interactions with its interface. Playing with PrOgO involves to imagining, creating and animating significant 3D constructions. PrOgO can be also deployed within a multi-device classroom through the Tactileo framework, we designed for that purpose. In the evaluation of learning, we use methods belonging to learning analytics by the collection and the analysis of digital interaction logs, with the view to classify and characterize learners. In addition to this, we examine the state of learners’ knowledge through test knowledge verifications. We also attempt to examine through statistical analysis, the learners’ actions and behaviours that affect their progress in pre/post evaluations of gained knowledge., Les micromondes de programmation sont des environnements restreints et interactifs, dans lesquels l’apprenant apprend en interagissant avec des entités visuelles ou tangibles, sémantiquement liées à des concepts de programmation formels. Ils favorisent l’assimilation de connaissances et la compréhension de concepts abstraits de programmation au moyen de métaphores visuelles et d’expériences ludiques. Cette thèse tente d’apporter des avancées théoriques et méthodologiques sur la conception et l’évaluation de tels environnements, qui sont connus pour avoir un grand potentiel sur l’apprentissage sans que cela ne soit démontré.Les micromondes étant des environnements d’apprentissage par le jeu, nous avons tout d’abord examiné la question du jeu et son lien à l’apprentissage. En nous appuyant sur une revue de la littérature, nous avons souligné au même titre que certains auteurs, la nécessité de distinguer le jeu-game (l’artefact informatique) du jeu-play (la situation qui découle des interactions avec le jeu-game). Le but étant de situer l’apprentissage et d’aboutir à des éléments de conception et d’évaluation de l’apprentissage. Nous nous sommes ensuite intéressés aux recherches en didactique de l’Informatique, afin d’identifier les approches d’enseignement les plus répandues visant à palier les difficultés d’apprentissage de la Programmation Orientée-Objet ( POO ) rencontrées par des débutants. Nous avons défini une nouvelle approche didactique pour l’introduction de la POO . Suite à cela, nous avons défini les dimensions de conception d’un micromonde, que nous désignons comme un système de représentation transitionnel, dans lequel l’apprenant développe des connaissances sur les concepts formels et abstraits de la programmation, suite à ses interactions avec l’interface du micromonde. Les avancées théoriques et méthodologiques apportées ont été mises en œuvre dans un nouveau micromonde de POO fondé sur un jeu de construction et d’animation 3D appelé PrOgO. PrOgO implémente un système de représentation transitionnel, dans lequel les concepts fondamentaux de la POO sont représentés par des graphiques 3D visuels et interactifs. Il crée un jeu-play qui découle des interactions de l’apprenant avec son interface. Jouer avec PrOgO consiste à imaginer, créer et animer des constructions 3D significatives. PrOgO peut également être déployé dans une classe multi-dispositifs, grâce au framework Tactileo conçu à cet effet. Dans l’évaluation de l’apprentissage, nous utilisons des méthodes relevant de l’analyse de l’apprentissage, par la collecte et l’analyse de traces d’interaction pour la classification et la caractérisation des apprenants. En complément à cela, nous examinons l’état des connaissances d’apprenants, au travers de tests de vérification de connaissances. Nous tentons également d’identifier par l’analyse statistique, les actions et les comportements d’apprenants qui déterminent leur progression dans l’évaluation pré/post de l’acquisition des connaissances.

Programming microworlds are small and interactive environments, in which the learner learns from his interactions with visual or tangible entities having a strong semantic link with formal programming concepts. They promote knowledge assimilation and abstract programming concepts understanding by the use of visual metaphors and play. This thesis attempts to contribute to theoretical and methodological advances regarding the design and the assessment of such environments, which are known to have a great potential on learning without any evidence on that. As microworlds are game based learning environments, we first examined the gaming issue and its relation to learning. Based on a literature review, we emphasized as some authors, the need to distinguish between the game (the computing artefact) and the play (the situation that is triggered by the interactions with the game). The purpose is to analyze learning and establish concepts that will guide the design and the evaluation of learning. Then we reviewed some research on Computer Science Education, with the view to identify some widespread teaching approaches that address beginners’ difficulties in learning Object-Oriented Programming (OOP). We defined anew didactic approach for OOP introduction. We then defined the design dimensions of a microworld, we refer to as a transitional representation system, in which the learner develops knowledge on programming abstract and formal concepts, as a result to his interactions with the microworld interface.We have implemented the theoretical and methodological advances we provided, in a new OOP microworld based on a 3D constructive and animation game called PrOgO. PrOgO implements a transitional representation system, in which basic OOP concepts are depicted with visual and interactive 3D graphics. It enables play that arises from the learner’s interactions with its interface. Playing with PrOgO involves to imagining, creating and animating significant 3D constructions. PrOgO can be also deployed within a multi-device classroom through the Tactileo framework, we designed for that purpose. In the evaluation of learning, we use methods belonging to learning analytics by the collection and the analysis of digital interaction logs, with the view to classify and characterize learners. In addition to this, we examine the state of learners’ knowledge through test knowledge verifications. We also attempt to examine through statistical analysis, the learners’ actions and behaviours that affect their progress in pre/post evaluations of gained knowledge., Les micromondes de programmation sont des environnements restreints et interactifs, dans lesquels l’apprenant apprend en interagissant avec des entités visuelles ou tangibles, sémantiquement liées à des concepts de programmation formels. Ils favorisent l’assimilation de connaissances et la compréhension de concepts abstraits de programmation au moyen de métaphores visuelles et d’expériences ludiques. Cette thèse tente d’apporter des avancées théoriques et méthodologiques sur la conception et l’évaluation de tels environnements, qui sont connus pour avoir un grand potentiel sur l’apprentissage sans que cela ne soit démontré.Les micromondes étant des environnements d’apprentissage par le jeu, nous avons tout d’abord examiné la question du jeu et son lien à l’apprentissage. En nous appuyant sur une revue de la littérature, nous avons souligné au même titre que certains auteurs, la nécessité de distinguer le jeu-game (l’artefact informatique) du jeu-play (la situation qui découle des interactions avec le jeu-game). Le but étant de situer l’apprentissage et d’aboutir à des éléments de conception et d’évaluation de l’apprentissage. Nous nous sommes ensuite intéressés aux recherches en didactique de l’Informatique, afin d’identifierles approches d’enseignement les plus répandues visant à palier les difficultés d’apprentissage de la Programmation Orientée-Objet (POO) rencontrées par des débutants. Nous avons défini une nouvelle approche didactique pour l’introduction de la POO. Suite à cela, nous avons défini les dimensions de conception d’un micromonde, que nous désignons comme un système de représentation transitionnel, dans lequel l’apprenant développe des connaissances sur les concepts formels et abstraits de la programmation, suite à ses interactions avec l’interface du micromonde.Les avancées théoriques et méthodologiques apportées ont été mises en oeuvre dans un nouveau micromonde de POO fondé sur un jeu de construction et d’animation 3D appelé PrOgO. PrOgO implémente un système de représentation transitionnel, dans lequel les concepts fondamentaux de la POO sont représentés par des graphiques 3D visuels et interactifs. Il crée un jeu-play qui découle des interactions de l’apprenant avec son interface. Jouer avec PrOgO consiste à imaginer, créer et animer des constructions 3D significatives. PrOgO peut également être déployé dans une classe multi-dispositifs, grâce au framework Tactileo conçu à cet effet. Dans l’évaluation de l’apprentissage, nous utilisons des méthodes relevant de l’analyse de l’apprentissage, par la collecte et l’analyse de traces d’interaction pour la classification et la caractérisation des apprenants. En complément à cela, nous examinons l’état des connaissances d’apprenants, au travers de tests de vérification de connaissances. Nous tentons également d’identifier par l’analyse statistique, les actions et les comportements d’apprenants qui déterminent leur progression dans l’évaluation pré/post de l’acquisition des connaissances.

Usually, Virtual Learning Environments (VLEs) in university ambiances, due to their novelty, did not profit from a pedagogical nor a technical usage analysis at the moment of their implementation. Once their adoption is cemented within the university community, it becomes necessary to gauge how its usage corresponds with three aspects: (a) either its original purpose, (b) the actual needs of the community and, (c) the current mission and goals of the institution. By effectuating a usage analysis on the implementation of a VLE and by proposing a categorization of this usage, we intent to provide statistical insight for VLE characterization and informed decision making. Thus, this research consists of developing a Typology of Pedagogical Practices based on the usage of a Virtual Learning Environment by members of Virtual Communities (VC) in a university ambiance. This quantitative research applies Log Analysis (LA) and Data Mining (DM) to Big Data. In order to conceive the Typology, we comb through arrays of metadata associated with the events generated by the users while interacting with the VLE. Our study features then (a) a Typology of Pedagogical Practices of a VLE which comprises five categories of usage and (b) preliminary diagnostic usage results characterizing the VLE studied. However, we consider that further exploration in the form of a qualitative analysis is needed to refine and give a human dimension to this Typology. Geralmente, os Ambientes Virtuais de Aprendizagem (AVA) em contextos universitários não se beneficiam nem de uma análise de uso técnica e nem de uma análise de uso pedagógico no momento da sua implementação. Uma vez que sua adoção encontra-se sedimentada dentro da comunidade universitária, faz-se necessário mensurar a correspondência do seu uso real com três outros aspectos: (a) o seu propósito original, (b) as necessidades reais da comunidade, e (c) a missão atual e os objetivos institucionais. Por meio de uma análise da implementação de um AVA e de uma proposição de categorização do seu uso real, nós pretendemos fornecer, a partir de uma introspecção estatística, um esquema de caracterização de AVA e argumentos para tomada de decisões. Assim, esta pesquisa consiste em desenvolver uma Tipologia de Práticas Pedagógicas baseada no uso de um AVA por membros de Comunidades Virtuais (CV) num contexto universitário. A pesquisa quantitativa aplica Log Analysis (LA) e Mineração de Dados (MD) ao Big Data. A concepção da Tipologia deu-se através de matrizes de metadados associados aos eventos gerados pelos usuários ao interagir com o AVA. Nosso estudo apresenta então (a) uma Tipologia de Práticas Pedagógicas de um AVA que compreende cinco categorias de uso e (b) resultados de uso preliminares de diagnósticos que caracterizam o AVA estudado. Contudo, consideramos que uma exploração adicional na forma de uma análise qualitativa faz-se necessária para refinar e dar uma dimensão mais humana a esta Tipologia. Comúnmente, los Entornos Virtuales de Aprendizaje (EVA) en ambientes universitarios, debido a su novedad, no beneficiaron de un análisis de uso ni técnico ni pedagógico al momento de su implementación. Una vez que su adopción ya se encuentra cimentada dentro de la comunidad universitaria, es necesario calibrar cómo su uso real corresponde con tres aspectos: (a) su propósito original, (b) las necesidades actuales de la comunidad y, (c) la misión actual y los objetivos institucionales. Por medio de un análisis de uso sobre la implementación de un EVA y de una propuesta de categorización de su uso real, tenemos la intención de proveer, a partir de una vision estadística, un esquema de de caracterización de EVA y argumentos para toma de decisiones. Así, esta investigación consiste en desarrollar una Tipología de Prácticas Pedagógicas basada en el uso de un Entorno Virtual de Aprendizaje por miembros de las Comunidades Virtuales (CV) que lo conforman, en un ambiente universitario. Adicionalmente, este estudio se encuentra inscrito dentro de un proyecto de mayor alcance conducido por la Universidad de Poitiers, enmarcado por el trabajo del Observatoire du Numérique à l’Université de Poitiers (ONUP). Esta investigación cuantitativa aplica Análisis de Logs (AL) y Minería de Datos (MN) a Big data: registramos minuciosamente arreglos de metadatos asociados a los eventos generados por los usuarios al interactuar con el EVA para concebir la Tipología. Nuestro estudio presenta entonces (a) una Tipología de Prácticas Pedagógicas de un EVA que comprende cinco categorías de uso y (b) resultados preliminares de diagnóstico que caracterizan al EVA analizado. Sin embargo, consideramos que una exploración adicional en la forma de un análisis cualitativo es necesaria para refinar y dar una dimension más humana a esta Tipología. Souvent, les Environnements Numériques de Travail (ENT) à l’université n’ont pas bénéficié d’une analyse ni pédagogique ni technique au moment de leur implémentation. L’usage des ENT étant ancré dans la communauté universitaire, il devient necessaire de jauger la correspondence entre leur usage et trois aspects: (a) leur propos originnel, (b) les besoins réels de la communauté, (c) la mission et les objectifs actuels de l’institution. En réalisant une analyse d’usages sur l’implémentation d’un ENT et en proposant une catégorisation de cet usage, nous avons l’intention de fournir une vision statistique pour la caractérisation d’un ENT et pour une prise de décision informée. Ainsi, cette recherche consiste à développer une Typologie de Pratiques Pédagogiques basée sur l’usage d’un Environnement Numérique de Travail par les membres des Communautés Virtuelles (CV) à l’université. En outre, cette recherche est réalisée dans la cadre de l’Observatoire du Numérique à l’Université de Poitiers (ONUP). Cette recherche quantitative applique l’Analyse de Traces (AT) et l’Exploration de Données (ED) au Big Data: nous sillonnons des tableaux de métadonnées associées aux événements générés par les utilisateurs en interagissant avec l’ENT afin de concevoir la Typologie. Notre étude fait figurer (a) une Typologie de Pratiques Pédagogiques d’un ENT comprenant cinq categories d’usage et (b) les résultats d’usage préliminaires de diagnostic caractéristiques de l’ENT étudié. Toutefois, nous considérons qu’une exploration approfondie sous la forme d’une analyse qualitative est nécessaire pour raffiner et donner une dimension plus humaine à cette Typologie.

Creative problem solving is a complex process that is being studied through a diversity of tasks. CreaCube is an open ill-defined task whereby the player is required to engage in a creative problem-solving activity (Romero et al., 2017) that we try to analyze with computational models (Alexandre, 2020a). To represent the behavior of the subject through the activity evolution, we analyze the activity through a coding schema considering the observables for this tangible problem solving activity. Observables correspond to different states of the artifact of behaviors of the participant at a given time. In this study we introduce the learning analytic strategy corresponding to a temporal sequence of observables. Through this sequence we aim to infer the participants’ internal state based on a different sequence of observables.Through this study we aim to advance in the learning analytics strategy of a tangible problem-solving task with educational robotics. Our main goal is to be able to both collect data more easily, avoiding as much as possible the manual analysis of the video recording of the activity, and propose enriched observables. To this end, we refined the observables’ model as detailed in (Mercier et al., 2021) and added new observables and decomposed existing ones into more specific ones based on the learner and task model. We distinguished observables with automatable data collection and those which require manual identification. In the end we discuss the relevance of this new version of CreaCube by discussing to what extent it offers additions to actual data analysis and ongoing research on this subject., La résolution créative de problèmes est un processus complexe mis à l’étude via une grande variété de tâches. CreaCube est une tâche ouverte et mal-définie par laquelle une personne est engagée dans une activité de résolution créative de problème (Romero et al., 2017) que nous essayons de représenter et d’analyser avec des modèles informatiques (Alexandre, 2020a). Afin de représenter le comportement de la personne engagée dans l’activité, nous analysons le déroulement de celle-ci à travers un codage comportant différentes données nommées observables. Les observables correspondent aux différents états des artefacts observables lors de l’activité (comportements, émotions, matériel) à un moment donné. Dans cette étude, nos données d’apprentissage correspondent à des séquences d’ensembles d'observables. Via ces séquences, nous espérons pouvoir inférer l’état interne d’une personne engagée dans l’activité à partir de la séquence d’observables lui étant associée. Via cette étude, nous visons un approfondissement d’une stratégie d’analyse d’apprentissage pour CreaCube, une tâche de résolution de problème tangible avec de la robotique éducative. Notre objectif principal est d’être capable à la fois de collecter plus simplement et rapidement des données sur le déroulement de l’activité, en évitant autant que possible le recours à l’analyse manuelle des enregistrements vidéo de l’activité, et de proposer un nouveau cadre d’observables plus riche. Pour cela, nous proposons d’affiner le modèle des observables détaillé dans (Mercier et al., 2021) et d’ajouter de nouvelles observables relatives à l’évolution de la tâche extérieure à la personne engagée. Nous proposons également une distinction entre les observables dont la collecte lors des expériences peut être automatisée et celles dont la collecte requiert une identification manuelle. Enfin, nous discutons de la pertinence et de la faisabilité de ces changements en réfléchissant à une nouvelle version de CreaCube et ce qu’elle peut offrir de plus aux analyses sur les données actuellement menées sur le sujet.

We report on a new setup allowing us to collect learning analytics (LA) during computational thinking unplugged or tangible playful activities. We target the development of computational thinking (CT) competency, including the initiation to informatics (i.e., computer science and technology), with the goal to evaluate and analyze the development of CT. Collecting LA is mandatory in this case and if adaptive learning is targeted. While collecting LA during online interactions is rather straightforward, automatically collecting LA when manipulating tangible objects is more challenging, especially in a context where low-cost greenIT material is required.The key idea here, contrary to usual “black-box” systems working (more or less) automatically, is to change the learning paradigm and involve the learner in the data collection, making the process transparent and allowing her or him to also learn how to learn. This is particularly pertinent here since we use Informatics tools in order to … initiate to Informatics and CT. This means that we have to redesign the activity scenario including its didactic and revisit the underneath pedagogy, which turns to be an interesting and innovative challenge.; Nous décrivons ici un montage original nous permettant de collecter des traces d'apprentissage (learning analytics (LA)) lors d'activités débranchées ou tangibles d'initiation ludique à la pensée informatique (computational thinking (CT)). Nous ciblons le développement de compétences en CT, y compris l'initiation à l'informatique (c'est-à-dire l'informatique en tant que science et technologie), dans le but d'évaluer et d'analyser le développement de la CT. La collecte de LA est indispensable pour évaluer cet apprentissage, avec comme champ applicatif l'apprentissage adaptatif. Bien que la collecte de LA lors d'interactions en ligne soit plutôt simple, la collecte automatique de LA lors de la manipulation d'objets tangibles est plus difficile, en particulier dans un contexte où du matériel à faible coût et tenant compte de contraintes écologiques est requis.L'idée clé ici, contrairement aux systèmes habituels de «boîte noire» fonctionnant (plus ou moins) automatiquement, est de changer le paradigme d'apprentissage et d'impliquer l'apprenant dans la collecte de données, rendant le processus transparent et lui permettant également d'apprendre comment apprendre. Ceci est particulièrement pertinent ici puisque nous utilisons des outils informatiques pour … nous initier à l'informatique et à la CT. Cela signifie que nous devons repenser le scénario de l'activité, y compris sa didactique, et revisiter la pédagogie sous-jacente, qui s'avère être un défi intéressant et innovant.