Dans la continuité du dernier billet, je vous propose de continuer notre réflexion sur les méthodes mixtes en nous attardant sur une typologie proposée par Creswell, un des auteurs les plus prolixes en la matière.
Creswell et al. (2003) proposent quatre axes pour discriminer les différentes approches. Le premier est la séquentialité (Timing) ; il s’agit ici de déterminer l’ordre dans lequel seront récoltées données qualitatives et quantitatives, et le cas échéant, si elles seront collectées de manière concomitante. Le second est le poids respectif (Weighing) de la démarche quantitative et de la démarche qualitative. Il s’agit de (…)
Innovation Pédagogique et transition
Une initiative de l'Institut Mines-Télécom avec un réseau de partenaires
Matthieu Cisel
Articles de cet auteur (54)
-
Quatre axes pour distinguer les méthodes mixtes
-
Points de vue d’apprenants sur les interactions dans les MOOC : suite
Nous continuons aujourd’hui notre réflexion sur les points de vue de participants quant aux interactions qui se déroulent sur les forums. Aujourd’hui, j’aimerais vous présenter quelques autres raisons pour lesquelles il ne faut pas négliger ces interactions.
Cet article Points de vue d’apprenants sur les interactions dans les MOOC : suite est apparu en premier sur Blog de Matthieu Cisel.
L’une des premières raisons est que nombre de participants considèrent que le MOOC est justement une façon de rompre par rapport à l’isolement, comme cette doctorante en biologie.
J’ai toujours été une personne très curieuse. Je suis de nature un (…) -
Stratégies d’analyse et fouille de données éducatives : des modèles pour guider le travail de fouille
Je vous propose aujourd’hui de nous attarder sur deux éléments : la « distillation de données pour le jugement humain », et la fouille médiée par des modèles. Cet article s’inscrit dans une série de billets consacrés aux techniques d’analyse en Educational Data Mining (fouille de données éducatives). La lecture des articles précédents est nécessaire pour mieux comprendre la démarche.
Data distillation for Human Judgement
Dans certains cas, les humains peuvent faire des inférences à propos des données, lorsqu’elles sont présentées de manière appropriée, qui vont au-delà de méthodes de fouilles de données automatisées. Les méthodes de (…) -
MOOC et interaction entre apprenants : une petite revue de littérature
Comme vous l’avez constaté, je suis ces jours-ci dans une logique de valorisation d’articles publiés récemment. C’est que j’ai envie qu’ils soient lus, bon sang. Je me suis décarcassé pour les écrire, ce n’est pas pour qu’ils profitent à deux pelés et trois tondus. Ces derniers jours, je vous ai fait part de mes articles dans Education et Formation ; j’aimerais aujourd’hui revenir sur un article publié dans Distances et Médiations des Savoirs, centré quant à lui sur les interactions entre utilisateurs de MOOC. Le billet d’aujourd’hui présente une petite littérature sur le sujet, qui est bien loin d’être exhaustive, car je ne l’ai pas mise (…)
-
Comment mes questionnaires sur les MOOC ont évolué au fil du temps
Un articlerepris du blog de Mathieu Cisel et publié le 14 juin
Je trouve que l’on ne prend pas suffisamment en considération la façon dont les instruments de la recherche se construisent au fil du temps, quelles sont les influences qui se mettent en place, tout ça tout ça. Du coup, pour donner à voir ce qui se passe véritablement dans la tête d’un chercheur, je vous propose de décrire la démarche de construction de mes questionnaires adressés aux utilisateurs de MOOC, des questionnaires qui ont sensiblement évolué au fil des années. De vous à moi, si vous n’êtes pas chercheur, ce billet ne va probablement pas vous intéresser.
La mise (…) -
Stratégies d’analyse et fouille de données éducatives : le Relationship Mining
Dans le cas du Relationship mining, l’objectif est de découvrir des relations entre variables dans un jeu de données qui en comprend un nombre important. Cela peut conduire à chercher à identifier les variables qui sont le plus fortement associées avec une variable d’intérêt, ou à établir parmi l’ensemble de paires de variables celles dont la relation est la plus forte. Il existe grossièrement quatre types de Relationship mining : l’association rule mining, le correlation mining, le sequential pattern mining, le causal data mining. Cet article s’inscrit dans une série de billets consacrés aux techniques d’analyse en Educational Data (…)
-
Méthodes mixtes et recherche en technologies éducatives : une illustration de la stratégie explicative séquentielle
Ce billet fait partie d’une série d’articles sur les méthodes mixtes en éducation. La lecture des articles précédents est nécessaire pour comprendre le billet du jour, consacré à l’approche séquentielle explicative. L’approche séquentielle explicative (sequential explanatory) est particulièrement populaire chez les tenants de l’approche quantitative. Dans cette configuration, la première phase de la recherche est caractérisée par la collecte et l’analyse de données quantitatives, qui informe la collecte de données qualitative, qui est alors secondaire.
Les deux formes de données sont séparées mais connectées. Le qualitatif a souvent (…) -
Développer l’éducation par la recherche avec un carnet numérique
Élèves Savanturiers en pleine expérience, mai 2017. Savanturiers, CC BY-NC-SA
Dans la plupart des pays développés, l’enseignement des sciences poursuit sa lente mutation. Les considérations méthodologiques occupent dans les discours une place croissante. Au moins sur le papier, les nouvelles générations d’enseignants sont encouragées à mettre davantage l’accent sur l’appropriation de la démarche scientifique, du raisonnement, et moins sur la mémorisation de faits ou de lois.
On rappelle à loisir que les enjeux dépassent la formation des futures générations de scientifiques, car il s’agit aussi, au travers de la maîtrise de la démarche (…) -
Modélisation prédictive et découverte de structure, deux classiques de la recherche en Educational Data Mining
Le billet d’aujourd’hui est consacré à deux approches utilisées en EDM lors d’analyses quantitatives : la modélisation prédictive d’une part, et la découverte de structure d’autre part. Cet article s’inscrit dans une série de billets consacrés aux techniques d’analyse en Educational Data Mining (fouille de données éducatives). La lecture des articles précédents est nécessaire pour mieux comprendre la démarche.
Modélisation prédictive
Dans le cas de la modélisation prédictive (predictive modeling), l’objectif est de développer un modèle qui infère sur un aspect particulier des données, comme une variable dite « dépendante », à partir (…) -
Le MOOC, un projet d’apprentissage ?
Je fais régulièrement le lien entre le suivi d’un MOOC et ce que l’on nomme les projets d’apprentissage, un vieux concept, puisqu’il est proposé dès 1971 par Allen Tough. Néanmoins, il me faut souligner que les éventuels projets d’apprentissage correspondant aux MOOC se distinguent à bien des égards de ceux que décrit Tough dans ses travaux séminaux. Quelques mots sur la question …
Pour l’auteur, un projet d’apprentissage dure en moyenne une centaine d’heures et mobilise en moyenne une dizaine de personnes-ressources. Or les MOOC de FUN ne nécessitent qu’une vingtaine d’heures en moyenne si l’on se base les estimations fournies par les (…)
