Graphique vagues

Analyse de MOOC

Le parcours « Fabrication Numérique » de l’IMT proposé sur la plateforme FUN est composé de 3 MOOCs:

Il est intéressant de s’intéresser aux activités sur chacun d’eux, et de voir leur évolution.

Le suivi des cours avec IMT nous a fourni une expertise utilisable par tout organisme de formation. Le but est d’optimiser le taux de réussite des apprenants, en leur fournissant une expérience unique.

Nous avons privilégié une approche graphique permettant de mieux comprendre ce qui se passe au cours du MOOC. Ces graphs ont été réalisés grâce à des programmes en python ou R.

Nous nous sommes intéressés à la notion de parcours (qui regroupent plusieurs MOOC consécutifs), à la participation des apprenants au forum, et aux vidéos proposées.

Vue globale du forum de session en session

Les apprenants peuvent poster des messages dès qu’ils sont inscrit et que le MOOC est ouvert.

Sur les exemples ci-dessous, le cours est constitué de 4 semaines (donc 30 jours).

On remarque différentes choses:

  • Il y a un pic de messages sur les premières semaines, qui diminue ensuite.
  • Le confinement a eu un impact non négligeable (visible sur les sessions S09): il y a eu un allongement des périodes d’activité sur les forums
  • On note aussi une baisse globale de la participation pour un même cours, quand celui-ci n’évolue pas trop.
Graphique vagues
Graphique vagues

Vue globale du forum

La vue suivante présente de manière temporelle la quantité de messages postés par jour.

Voici quelques remarques:

  • Une baisse au cours du temps, expliqué majoritairement par la baisse du nombre d’inscrits
  • L’effet confinement visible en 2020-2021
  • Une interaction non prévue entre 2 cours traitant du même sujet: en 2017, la session S02 du MOOC POA (04017) a vu l’activité du forum chuter lors de l’ouverture du MOOC Art-duino

Les semaines des cours ouvrent le mardi.

On constate que les messages sont en général postés le mardi, pendant la semaine.

Contenu des messages

Comment trier les messages suivant leur contenu…

Pour cette analyse, nous utilisons un algorithme appelé « t-SNE » qui permet de faire une représentation 2D (ou 3D) à partir d’un espace à grande dimensions. L’apprentissage machine va nous aider à représenter les messages sur une carte (2D) en fonction du contenu des messages, et ainsi de pouvoir repérer des clusters !

Sur les cartes suivantes (MOOC 04017, 04026 et 04021) sont représentés les messages postés sur le forum:

  • points jaune: les messages de l’animateur
  • points verts: messages des apprenants ayant obtenu l’attestation (note >= 0.6)
  • points foncés: message des apprenants n’ayant pas obtenu d’attestation