Analyses
Chaque étudiant peut réussir.
En surveillant les performances des étudiants dans votre cours, vous pouvez assurer que tous ont l'opportunité de réussir.
Dans une salle de classe traditionnelle, vous pouvez déterminer si les étudiants comprennent la matière enseignée grâce à des indices non verbaux, aux expressions faciales, à la participation des étudiants et aux étudiants qui posent des questions. Dans votre cours en ligne, vous pouvez évaluer les performances de l'étudiant à l'aide d'un ensemble d'outils Blackboard.
Commencez le plus tôt possible. Utilisez les outils pour constituer une ligne de base d'évaluation des performances des étudiants. Cette base est inestimable, car elle vous permet de comparer les performances de vos étudiants tout au long du cours. Vous identifierez ainsi des tendances et saurez quand il est nécessaire d'aider les étudiants en difficulté et d'éviter que les étudiants doués s'ennuient.
Les performances des étudiants fournissent également un aperçu de la conception et de l'efficacité globales d'un cours.
Vidéo sur les analyses
La vidéo commentée suivante offre une représentation visuelle et auditive de certaines des informations contenues dans cette page. Pour une description détaillée de ce qui est décrit dans la vidéo, ouvrez la vidéo sur Vimeon.
Utilisation des journaux et des données d'accès utilisateur pour les décisions concernant l'intégrité académique
Anthology recommande de ne pas vous fier uniquement aux journaux d'activités et d'accès pour prendre des décisions sur l'intégrité académique des étudiants. Il est techniquement possible de se baser sur l'analyse des données d'individus ou de petits échantillons de données pour prendre des décisions à grands enjeux (p ex. pour détecter la tricherie), mais ces types d'analyses sont souvent influencés par des biais courants, en particulier par le biais de confirmation et les amalgames entre corrélation et causalité. Voici deux exemples de biais d'analyse des données susceptibles d'engendrer des conclusions incorrectes :
La modification de l'adresse IP d'un étudiant au début d'un test peut indiquer une tricherie consistant à faire passer le test par un autre individu. Cependant, cela peut également indiquer que l'étudiant a dû redémarrer son routeur ou qu'il utilise un RPV pour sécuriser son accès à partir d'un réseau public.
Le démarrage d'un test par plusieurs étudiants simultanément peut indiquer une tricherie, consistant à se coordonner pour le passer en groupe. Cependant, cela peut également indiquer que ces étudiants ont simplement des emplois du temps personnels et professionnels similaires, ce qui les amène à commencer leurs devoirs au même moment.
Pour ces raisons, il n'est pas recommandé d'utiliser les analyses de journaux d'accès aux tests et autres analyses ponctuelles à partir des journaux d'accès et d'activités comme le seul moyen de déterminer l'intégrité académique, bien qu'elles puissent corroborer les conclusions d'enquêtes sur les mauvaises conduites. Les journaux d'accès et d'activité sont principalement conçus pour l'analyse agrégée et le dépannage des problèmes système et des utilisateurs. Certains rapports sont construits à partir de fichiers journaux système plutôt que de tables de base de données transactionnelles. Bien qu'ils soient rares, ces types de rapports présentent un risque accru d'exclusion ou de doublon de données, ce qui les rend peu fiables pour l'analyse d'échantillons de petite taille, par exemple pour l'analyse des données d'un individu portant sur un point temporel précis.
Si vous avez des inquiétudes concernant la tricherie ou l'intégrité académique, nous vous recommandons de vous adresser dans un premier temps au service de votre établissement chargé de gérer ces risques de mauvaises conduites. Il peut s'agir du service des affaires ou de la technologie académiques, par exemple. En règle générale, ils disposent de politiques et de procédures approuvées pour mener des enquêtes, que l'activité en question se soit produite en ligne ou non. L'utilisation d'un seul journal ou d'un petit ensemble de données d'activité pour identifier une faute est susceptible de provoquer plusieurs types de biais dans les données. Anthology ne recommande donc pas une telle utilisation des données uniquement pour conclure à une faute.