Projet Inspire (Moodle)
Présentation
Le “project Inspire” a été présenté la première fois au MoodleMoot Australia en 2016 par Elizabeth Dalton. Le projet est présenté comme étant le plan d’analyse de la plateforme Moodle.
Présentation de l'outil
Inspire vise à identifier et valider les indicateurs de l'engagement des étudiants, des enseignants et des établissements dans les activités éducatives. Ce plug-in dédié à l’analyse de l’apprentissage permet de fournir des “prédictions” sur la réussite de l’apprenant aux regard de ses résultats et “comportements” sur la plateforme Moodle sur laquelle il interagit dans le cadre de son apprentissage au sein de son institution. Cet outil pourra fournir des diagnostics, des prescriptions et des conseils aux apprenants et aux enseignants.
Fonctionnalité de l'outil
Les principales fonctionnalités de cette outil sont les suivantes ;
- La description et le diagnostic d'engagement d’apprentissage et de progrès
- La prédiction des progrès d’apprentissage
- Des recommandations visant à améliorer les progrès d’apprentissage.
L’outil est présenté comme permettant de déterminer quelles sont les “meilleures pratiques”, d'identifier et apporter un soutien aux élèves en difficulté ainsi qu’aider à la conception de cours.
Prédiction
Inspire permet d'identifier les étudiant présentant un risque de ne pas continuer/terminer un cours
L'outil se base sur trois élément pour cette identification ;
- L'engagement de l'étudiant
- La présence cognitive de l'étudiant
- La présence du professeur
Utilisateur
Inspire est essentiellement destin aux enseignants, administrateur et chercheurs.
Les apprenants bénéficieront ainsi de cours potentiellement plus adapté et optimisé grâce à l'utilisation d'Inspire par leurs enseignants.
Indicateur
Inspire vise à identifier et valider les indicateurs de l'engagement des étudiantes, des enseignants et des établissements dans les activités éducatives.
Voici quelques uns des indicateurs pouvant être utilisé ;
Analyse de l'outil
Nous analysons l’outils
Dans le cadre de l’analyse de l’apprentissage, Wenger (1987) et Balacheff (1994) proposent deux registres de modélisation des données relevées par l’outil :
Un registre comportemental, “où il s’agit de rendre compte des comportements de l’apprenant”, ici, pour Inspire, ces comportements pourraient être relevé suite à l’évolution (favorable ou non) des notes des élèves dans le temps suite à d’éventuels feed-back de la part des professeurs et actions entreprises de leur part qui auraient modifier le comportement de l’apprenant. Et cela grâce au modèle prédictif que pourrait apporter l’outil Inspire au professeur qui aura entrepris une démarche et éventuellement alerter l'apprenant.
Un registre épistémique, où “il s’agit d’attribuer une signification à ces comportements pour rendre compte des connaissances de l’apprenant qui sous-tendent le choix et le contrôle de la mise en œuvre d’une procédure donnée”. Dans le cas de l’outil “Inspire”, nous pouvons imaginer et interpréter les modifications de comportement des apprenants suite au feed-back donné par le professeur au regard de la dimension prédictive de l’outil. Cette dimension prédictive de l’outil offre un regard particulier dans ce registre puisque le professeur va choisir et mettre en oeuvre une procédure pour pallier, “éviter” que l’apprenant ne se retrouve dans une certaine situation qui n’existe pas encore, à savoir ses progrès ou non dans son apprentissage et ses ses éventuel mauvais résultats (qui justifie donc la mise en place de procédure de la part du professeur).
Concernant les méthodes d’analyse des données relevées par l’outil, Peraya & Luengo (2019) proposent deux types d’analyses :
Celles statistiques, tel que l’identification de patterns, à savoir quelles stratégies sont mises en place par les apprenants Nous pourrions imaginer ici, que grâce aux ordonnances (recommandations) faites par l’outil “Inspire” et que nous allons mettre en place par le biais de procédures ou de propositions, observer des changements dans les stratégies que vont mettre en place les apprenants dans leur engagement et leur apprentissage pour pallier à d’éventuels mauvais résultats par exemple. Dans le cadre de ces méthodes d’analyses statistiques, l’outil "Inspire" permet d’établir des relations et des corrélations grâce aux données récoltées, en effet l’outil pour proposer ses prédictions, va se baser sur les données qu’il a récoltées par le passé et faire le lien avec les données qu’il récolte en “temps réel” mais il permet aussi d'associer et d’établir des relations entre d’éventuels changements de comportements et l’évolution du niveau d’engagement de l’étudiant (et de ses résultats).
L’analyse algorithmique et la notion de prédiction associées aux comportements et la réussite des étudiants est évidemment centrale dans la récolte de données et l’utilisation de l’outil “Inspire” puisque celui-ci offre une dimension prédictive des progrès d’apprentissage de l’apprenant en offrant des diagnostics (et une description) de l’engagement et des progrès de ces apprenants, proposant ordonnances et recommandations pour l’amélioration des progrès d’apprentissage (et éventuellement l’amélioration des résultats de l’apprenant).
Limite de l'outil
Actuellement Inspire ne semble pas être disponible de manière native sur moodle. C’est pourtant ce qui était annoncé comme fonctionnalité prochainement disponible sur Moodle en 2017.
Cet outil nécessite que des cours aient déjà eu lieu. En effet les algorithmes de machine learning ont besoin de données complètes existantes pour pouvoir faire des prédictions sur de nouvelles données.
Les modèles et prédictions ne sont visibles que pour les enseignants.
Les limites que présentent cette outil peuvent également être éthique. En effet, Inspire repose sur la récolte massive de données d'utilisation et de données d'utilisateurs. Il est donc nécessaire de s'interroger sur l'accessibilité de ses données, sont-elles accessible uniquement pour le cor enseignant ou sont elle accessible à Moodle pour encore perfectionner ces algorithmes ? La gestion du stockage de ces données est également important car elles doivent être protéger au mieux afin d'éviter toute fuite ou cyberattaque.