Il y a bien longtemps, dans la préhistoire de l’apprentissage, un petit groupe d’individus décidaient sans consulter personne de l’intégralité des programmes scolaires et des méthodes pédagogiques.
Le programme était TOUT. L’apprenant n’était rien.
Mais ça, c’était avant !Aujourd’hui, ce qui intéresse un responsable de formation, un organisme de formation ou un collaborateur, c’est d’acquérir de nouvelles compétences.
Pour cela, l’apprentissage a opéré sa révolution copernicienne. Au lieu de tourner autour d’un programme, une formation doit être centrée sur l’apprenant.
C’est là qu’interviennent les data !
Qu'est-ce que le big data ?
Les data, c’est un terme latin (et anglais) pour dire « les données » ou « les informations ». signifie « gros ».
On pourrait traduire par :
L’expression désigne un grand volume de données. Le développement d’internet et des outils de mesure digitaux ont permis de recueillir et d’analyser une quantité formidable d’informations.
La gestion de ces données offre des possibilités de personnalisation permettant par exemple d’améliorer l’expérience client.
En e-learning, les big data représententl’ensemble des données générées par les apprenants lorsqu’ils suivent un module ou une formation à distance. Lorsqu’un collaborateur visionne un module sur les consignes de cybersécurité, son parcours, sa progression, les résultats obtenus dans les évaluations et toutes autres interactions avec la formation sont enregistrés. Elles constituent des mégadonnées.
Le Learning Management System (LMS) ou plateforme d’apprentissage en français, l’outil de création de contenu e-learning, les supports multimédias, etc. recueillent ces données. Pour quoi faire ?
Les avantages insoupçonnés du big data
Pourquoi s’intéresser aux données ? Pour éviter de faire comme le ministère de l’Éducation nationale. Pour comprendre le comportement des apprenants.
On peut utiliser de diverses façons ces données. Voici quelques exemples :
En fonction du parcours des apprenants, du temps passé sur chaque cours, des résultats obtenus à la suite de quiz ou d’évaluations, on peut voir ce qui est efficace et ce qui pose problème.
Les données montrent que les évaluations d’un cours donnent de mauvais résultats, comparés aux résultats des autres cours. L’ingénieur pédagogique sait immédiatement ce qu’il doit revoir.
On peut même comparer les données recueillies lors d’une formation (sur le pitch commercial par exemple) et les performances de ventes des collaborateurs après cette formation. On peut alors directement mesurer l’efficacité de l’apprentissage.
On peut identifier, en regardant le comportement des apprenants, les méthodes pédagogiques les plus efficaces. On peut même avoir une analyse plus fine et personnaliser l’apprentissage. Certains apprenants vont préférer des dispositifs de gamification. D’autres préféreront avoir des phases d’accompagnement avec un formateur.
On peut voir si les connaissances sont vraiment assimilées, si les compétences sont acquises, les dispositifs les plus performants et les modules de formation à améliorer.
L’analyse des données permet aussi de gagner du temps. Comme elles sont reçues en temps réel, vous pouvez rapidement améliorer un cours qui pose des difficultés aux apprenants sans attendre des semaines, voire des mois.
Vous pouvez ainsi optimiser la stratégie de développement des compétences de l’entreprise.
Comment utiliser les données pour améliorer l’expérience apprenant ?
Étape 1 : quels sont les objectifs visés ?
Qu’est-ce que vous souhaitez comprendre ou améliorer pour le développement des compétences au sein de votre entreprise ?
Cette étape est indispensable, car on peut facilement se perdre dans la foule de possibilités offerte par le big data. Une bonne stratégie est de mener un projet, de choisir un objectif et d’observer les gains de performance avant d’élargir l’utilisation des data.
Commencez donc par définir des objectifs. Par exemple, vous souhaitez améliorer les compétences de votre équipe marketing dans la génération de leads. Il faut donc mettre en relation des formations reçues sur le marketing digital et les résultats obtenus.
En déterminant un objectif, vous saurez quelles informations chercher et quels KPI (Key performance indicators ou indicateurs de performance clé) vous devez récolter. Exemple de KPI : taux d’achèvement (ou taux de complétion), taux d’abandon, temps passé, heure de connexion, format visionné, etc.
Étape 2 : recueillir les données
De quelles façons pouvez-vous recueillir les fameuses data ?
Effectivement, sans données recueillies, vous ne pouvez pas faire d’analyse.
C’est généralement votre plateforme d’apprentissage qui peut recueillir ces informations, mais cela peut être Google analytics ou d’autres outils. Pour cette étape, vous pouvez faire appel à des professionnels et techniciens informatiques, voire à un data analyste ou data scientist. Ils pourront paramétrer au mieux les requêtes analytiques et algorithmes.
D’ailleurs, l’intervention de professionnels de la data vaut autant pour le recueil des données que pour leur arrangement dans une grille de lecture claire et accessible ou sous forme de graphiques statistiques parlant. Les données doivent être mises en forme.
En paramétrant soigneusement le recueil de données, vous faciliterez l’analyse qui s’ensuivra.
Si nous voulons analyser dans quelle mesure une formation améliore les compétences de l’équipe marketing dans la génération de leads, nous allons comparer les data du LMS dans lequel se trouve la formation et les performances en génération de lead (à travers l’évolution du nombre de formulaires reçus par le site internet de l’entreprise par exemple).
Étape 3 : analyser les données
Qu’est-ce que les données nous révèlent ?
Recueillir les données pour ensuite les mettre de côté, ça n’a pas beaucoup d’intérêt. C’est l’étape d’analyse et d’interprétation des données qui apporte la réelle valeur ajoutée du processus.
Avec la grille de lecture ou les graphiques statistiques, vous pouvez voir ce qui se passe. Une analyse pourrait faire ressortir que les membres de l’équipe marketing ayant suivi un module sur l’inbound marketing obtiennent de meilleures performances et plus de leads qualifiés que ceux qui n’ont pas suivi ce module.
Ou bien, l’analyse pourrait montrer qu’il n’y a aucune progression du nombre de leads générés avant et après la formation. Il faudrait donc revoir complètement les modules e-learning sur le marketing digital.
Photo de Stephen Dawson sur Unsplash
Étape 4 : mettre en place une stratégie
Quelles sont les décisions qui découlent de l’analyse des données ?
Les data vous permettent de piloter l’optimisation de vos plans de formation et l’amélioration des formations e-learning.
Vous pouvez ainsi obtenir de meilleurs résultats au fil du temps, renforcer ce qui marche et abandonner ce qui ne marche pas. La collecte et l’analyse de données permettent d’identifier très exactement les problèmes et les résoudre.
Le mot de la fin
L’utilisation du big data dans le domaine de l’e-learning peut avoir de nombreuses applications. Vous pouvez identifier quelle est la meilleure heure pour dispenser de la formation, quel est le meilleur support (ordinateur, tablette ou smartphone), quel cours est le plus consulté, quel cours est celui que les apprenants abandonnent le plus en cours de route, etc.
Mais ce qu’il permet surtout, c’est d’adapter vos formations aux apprenants afin de garantir une véritable acquisition des compétences et de meilleurs résultats pour l’entreprise.