Analyses statistiques exploratoires de données en éducation : principes, concepts et implémentation - Le cas de l’adaptation des primo-entrants en IUT après la réforme du baccalauréat et du BUT
Notice bibliographique
Résumé
À l’ère de la massification des données, la disponibilité croissante d’informations numériques constitue une tendance majeure, y compris en sciences de l’éducation. Les technologies utilisées dans les enseignements en ligne permettent désormais d’enregistrer l’ensemble des activités des étudiants. Cette accumulation de données offre indéniablement une richesse d’informations, mais rend les données complexes et difficiles à analyser. Les méthodes statistiques exploratoires sont utiles pour identifier des liaisons latentes entre les variables ou entre les individus. Cependant, leur utilisation nécessite une compréhension des concepts statistiques mobilisés pour garantir une implémentation appropriée. Cet article propose de clarifier les concepts statistiques sous-jacents et de guider, étape par étape, les praticiens dans leurs analyses statistiques exploratoires. Nous montrons, à partir d’une étude menée auprès d’étudiants primo-entrants en IUT, de quelle manière ces méthodes peuvent contribuer à une compréhension holistique de leurs difficultés d’adaptation en IUT.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,127 | 0,338 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,009 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,014 | 0,008 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».