Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
Accompagnerlatransformationnumériquedansl’enseignementsupérieur
etlarecherche
ChristophePORLIER,VéroniqueSEBASTIEN
dansunétablissementd’enseignementsupérieuretderecherche
CréerunObservatoiredesUsagesduNumérique
Guideméthodologique
Remerciements
Lesauteurs tiennentà remercier laMissionde lapédagogieetdunumériquepour l’enseignementsupérieur(MIPNES)duministèredel’enseignementsupérieur,delarechercheetdel’innovation,poursonsoutiendanslacréationdel’ObservatoiredesUsagesduNumériquedel’UniversitédeLaRéunionetlaréalisationdeceguideméthodologique,quipermettradecapitalisersurlesactionsetprojetsquiyontétémenésdepuis2015.
Nos remerciements vont également à l’Université de La Réunion, aux équipes présidentielles enparticulier,quiont soutenuceprojetd’innovationdès sesprémices jusqu’àce jour,et favorisé lesnombreuses collaborations avec ses instances, ses laboratoires (LIM, CEMOI, ICARE, LCF) et sesservices(DUN,DSI,DSVE).
Lesauteurs remercient l’ensembledes ingénieurs,enseignantset chercheursquiontparticipéà laréussite de ce projet : Noël Conruyt, Jean Simon, Christian Ollivier, Aurélie Gaudieux, PhilippeNarassiguin,FreddyHuet,Jean-PierreTang-Taye,OlivierSébastien,GeorgesDalleau,ThierryBrugnon,Mylène Eyquem, Nathalie Noël Cadet, Flavie Plante, Didier Sébastien, Philippe Letellier, VincentCarpier, Jephté Clain, Quentin Millerioux, Mamy Haja Rakotobe, Loïc Mousselet, Pierre Payet,FanjanirinaRabetsivalaka,etenparticulier,IliasTimolpoursesrelecturesetsesconseilsaviséssurcedocument.
Enfin,lesauteursremercienttouteslespersonnesquiontcontribuédeprèsoudeloinàlaréalisationde ce projet de guide méthodologique, dont la démarche empirique, construite autour desinteractionsavecdenombreuxacteurs,apermisd’aboutiràcedocument,quinous l’espérons,nedemandera qu’à s’enrichir des expériences d’autres contributeurs de la communauté universitairedanslesmoisouannéesàvenir.
TabledesMatières
1.Préambule...........................................................................................................................................5
1.1.Objectifsduguideméthodologique.............................................................................................5
1.2.Périmètre......................................................................................................................................5
1.3.Destinatairesduguide..................................................................................................................5
1.4.Méthodologieadoptéepourlaconceptionduguide...................................................................5
2.Introduction........................................................................................................................................6
2.1.Contexte.......................................................................................................................................6
2.2.Intérêtetapportsd’unOBSUNpourunétablissementd’enseignementsupérieur....................6
2.3.Structureduguide........................................................................................................................7
3.Démarcheetapprochesméthodologiques.........................................................................................8
3.1.Faireunétatdeslieuxsurlenumérique......................................................................................8
3.2.Identifierlesproblématiques.....................................................................................................12
3.3.Démarcheprojet........................................................................................................................13
3.4.Descriptionsynthétiquedelaméthodologie.............................................................................13
4.Structure,acteursetfonctionnementd’unOBSUN..........................................................................15
4.1.Lesacteurs:services,laboratoires,enseignants,collectivités...................................................15
4.2.Choixd’unestructure,avantagesetinconvénients...................................................................15
4.3.MiseenréseaudesOBSUN........................................................................................................16
5.Collecter,traiter,analyseretrestituerdesdonnées.........................................................................17
5.1.Approchesquantitatives............................................................................................................175.2.Approchesqualitatives...............................................................................................................43
6.Rechercheetgouvernancedunumériquedansl’ESR.......................................................................49
6.1.Soutenirlesprogrammesderechercheetprojetsinnovants....................................................49
6.2.Unappuiàlagouvernance.........................................................................................................50
7.Aspectsjuridiquesetprotectiondelavieprivée..............................................................................51
7.1.IdentifierlesproblématiquesInformatiqueetLiberté...............................................................51
7.2.DéclarationsetautorisationsCNIL.............................................................................................51
7.3.Déclarationd’unentrepôtdedonnées......................................................................................51
8.Conclusionsetperspectives..............................................................................................................53
9.Bibliographie.....................................................................................................................................54
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
5
1. Préambule
1.1. Objectifsduguideméthodologique
Ceguideméthodologiqueapourobjectifdeconstitueruneaideàlamiseenplaced’ObservatoiresdesUsagesduNumérique(OBSUN)danslesétablissementsd’enseignementsupérieur.Cetteapproche,pour les établissementsqui souhaiteraient l’adopter, peut s’inscriredansunedémarchequalité etconsolider une ambition évaluative des politiques numériques mises en œuvre dans cesétablissements. Elle ambitionnepar ailleurs de répondre aux questionnements des établissementspourcequiconcerneladéfinitiondesstratégiesàmettreenœuvreetdeleursévaluations,maisaussiàlaquestiondelarecherchesurlesapportsdunumériqueauxmétiersdel’enseignementsupérieuretleurévolution.Lesétablissementsd’enseignementsupérieurdoiventêtrelesacteurscentrauxdela préparation et de la formation des générations futures et des acteurs d’aujourd’hui à latransformationnumériquedelasociété,ilsontàévoluerdansleursprocessus,leursméthodes,leurorganisation pour répondre à une demande sociétale sur la formation qui s’intensifie et dont onperçoit plus précisément aujourd’hui les impacts dans les jeux et enjeux politiques, culturels,économiques et scientifiques de la mondialisation. Observer, c’est donner aux établissements lesmoyensdecomprendre lesrésultatsdesactionsengagées,c’estprévoiretdéciderenétantapteàmesureretanticiperlesopportunitésetmenacesenprésencetoutcommelesforcesetfaiblessesdesscénariienvisagésoudesactionsengagées.Lamiseenplaced’unobservatoireestdoncindispensableàl’innovationdanslesétablissementsd’enseignementsupérieurpourunmanagementstratégiqueetopérationneléclairé.
1.2. Périmètre
Ceguideprésenteraparticulièrementlesdémarchesopérationnellesetméthodologiquespour:
• Concevoir,mettreenœuvreleprojetetidentifierlesacteurs, • Proposer un cadre méthodologique et des dispositifs techniques et technologiques pour
l’observationdesusagesdunumérique, • Structurerleprojetpourenassurersapérennisationdansl’organisation, • S’assurer de la conformité réglementaire des actions engagées, notamment en matière
d’informatiqueetdeliberté.
1.3. Destinatairesduguide
Ceguideestdestinéauxétablissementsd’enseignementssupérieurs,universités,grandesécolesetauxacteursdecesorganismesenchargedelagouvernancestratégiqueetopérationnelle.Ilavocationàproposeruncadred’actionauxéquipesenchargedesquestionsdunumérique: VP-Numérique,Chargés demissions,Directeurs dunumérique, responsables et acteurs dunumérique. Il est aussidestinéauxchercheursdésireuxd’initieroudecollaboreràlacréationd’unobservatoiredesusagesdunumérique.
1.4. Méthodologieadoptéepourlaconceptionduguide
L’élaborationdeceguideestissuedel’expérience.Nousavonsoptépourunedémarcheempiriquequiapermisladécouverteetlarésolutiondesproblèmesaucoursdelacréationdel’observatoiredesusagesdunumériquedel’universitédeLaRéunion.Ceguideestdonclerésultatdirectdenotrepropredémarche,cequiparailleursenconstitueaussisaproprelimite,ilauradoncvocationàévolueraugrédesprojetsquisemettrontenplacedanslesétablissements.Nousavonsdèslelancementduprojet
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
6
tissédesliensavecd’autresacteurssurcesquestionsd’observation.Raressontcependantàcejourlesétablissementsayantengagédesmoyenssurcesmissions.
2. Introduction
2.1. Contexte
Lenumériqueprovoquedenombreuxchangementsdemodèles,sociétaux,économiques,culturelsetle secteur de la formation n’est pas épargné par les bouleversements en cours. Ces processus dechangements,mêmes’ilsétaientprévisiblesdepuisunevingtained’années,ontsurprisparlarapiditéà laquelle ils s’imposaient dans unmonde enmutation, globalisé, confronté à de nombreux défisidentitaires,philosophiquesetidéologiques.Lespolitiquespubliquesencouragentlesétablissementsd’enseignements supérieur à se saisir de cette question, les enjeux sont considérables et lestransformations attendues et prévisibles pourraient remettre en cause notre modèle social etdémocratique.Lesétablissementsd’enseignementsupérieurontàopérerleurmétamorphose,carils’agitbiendemettreenplace lesconditionspourquenos formationspréparent les futursacteurséconomiquesauxnouveauxmodèlesémergents,qu’ilssoientenmesure,toutau longde lavie,des’adapter aux évolutions à cycles courts dont nous sommes déjà les témoins. Les établissementsd’enseignements supérieurs ont à se moderniser dans leurs processus de gestion, intégrer plusglobalementlae-administration,maisilsontparticulièrementàs’interrogersurlavaleurdeleuroffre,surlesservicesproposésauxusagersauxprofilsmultiples,delaformationinitialeàlademandedesséniors.Or, pour envisager une telle transformation, il convient demettre enplace les conditionsfavorisant la créativité,quece soit auniveauorganisationnel,pédagogique,de la rechercheoudel’insertionprofessionnelle,notammentdel'entrepreneuriatuniversitaire.
2.2. Intérêt et apports d’un OBSUN pour un établissement d’enseignementsupérieur
L’avisduconseilnationaldunumériquedemai2016préconise les12pointsclefs suivantspour latransformationnumériquedesuniversités:
1. « Faciliter la mutation des lieux d’étude en lieux d’apprentissage coopératif pour des étudiants qui veulent travailler ensemble et partager leurs engagements. Avec les bibliothèques, sur les campus et en dehors, avec les collectivités et tous les espaces publics.
2. Accueillir les initiatives contributives des étudiants pour favoriser leurs apprentissages et développer découvertes et solidarités.
3. Ouvrir les accès à la littératie numérique et proposer des formations diverses, des sciences informatiques aux cultures numériques, aux humanités numériques et au “pouvoir d’agir”, pour tous les acteurs de l’Enseignement supérieur et de la recherche, étudiants, enseignants, chercheurs, administratifs.
4. Affirmer le rôle de l’Université pour le développement et la protection des Communs des sciences et des savoirs.
5. Élaborer une politique de standards ouverts et évolutifs, normes et référentiels pour tous les documents utilisés et créés, condition de la valeur des plateformes documentaires et d’une politique des données.
6. Faire de la Formation Tout au Long de la Vie la clé de voûte de la pédagogie universitaire, englobant réellement la Formation Initiale.
7. Développer la recherche de l’Université sur elle-même, c’est-à-dire enrichir la stratégie prospective des universités et écoles par les recherches transdisciplinaires portant sur l’éducation et l’apprentissage.
8. Développer ces recherches-actions en partenariat avec la R&D des industries numériques explorer les pédagogies numériques (jeu, réalité augmentée, sciences participatives), créer des incubateurs universitaires centrés sur l’éducation.
9. Créer une nouvelle fonction décisionnaire de “responsable de la transformation numérique” pour une synergie entre l’enseignement et l’administration.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
7
10. S’appuyer sur le design pour la conception de services numériques améliorant le bien-être et l’efficacité à l’université.
11. Affirmer la responsabilité de l’Enseignement supérieur et de la recherche au cœur d’une société qui évolue et crée de la valeur par le partage des savoirs de recherche.
12. Développer une stratégie de recherche et de pédagogie sur les données qui se constituent dans les apprentissages, leur portée, leur potentiel, leur valeur. »
L’observationdesusages,dansunedynamiquedetransformationnumériquedupaysageuniversitaire,estunenécessitéenparticulierpourlesaspectssuivants:
• Pourlagouvernancedesétablissements,laproductiond’indicateurspertinentspermettantd’évaluer les résultats des efforts et moyens engagés, la conformité et l’alignementstratégique,
• Pourlamesuredel’efficacitédesdécisionsprisesentermed’usages,lesuividesdispositifspédagogiques, de diffusion des savoirs, administratifs, de recherche et d’insertionprofessionnelle,
• Pour l’accompagnementdes innovations,de l’expérimentationà ladiffusionet l’adoption,pourqu’àchaqueétapedeprocessus,soientmisenœuvrelesfacteurslesfavorisantetquedes éléments tangibles et mesurés soient produits en permettant ainsi l’améliorationcontinue,
• Pourlarecherche,parcequelesusagesdunumériquesontomniprésentsdanslarecherche,quelaquestiondelaR&Dsurlesquestionsd’éducationetdepédagogie(learninganalytics)sont essentiels aumaintien de la compétitivité de l’offre universitaire et de notremodèled’enseignement public. A l’ère de la désintermédiation des offres de services par lenumérique,del’émergenced’unesociéténumériquedontpersonnenepeutenvisagerlaoulesnouvellesformesàmoyenetlongterme,ilestplusquesouhaitabledemenercestravauxpouryêtrepréparéplutôtquedesubirles(r)évolutionsàvenir,
• Pourl’informationetlaveille,l’ensembledesmétiersestimpactéparlenumérique.Celaneconcernepasseulement laquestiondesoutilsnumériques,quisontaujourd’hui largementutilisés,maisprincipalementlesméthodesetprocessushabituelsd’exercice,largementremisen question par les possibilités et modalités offertes par le numérique. Il est doncindispensable demener une veille stratégique et opérationnelle sur ces questions et d’endiffuserl’informationauplusgrandnombre,
• Pour la sensibilisationet l’impulsiondesélémentsde changement, lamétamorphosedesétablissementsd’enseignementsupérieurnepourraêtreeffectivequ’enpréparantlesacteursàl’évolutiondeleurspratiques,enlessensibilisantauxchangementsdeparadigmesencours.Les cycles de changement actuels imposent demener les politiques de transformation enprenantencomptelesstadesdesensibilisationdeleursacteurs.Lechangementnepeutsedécréterdanslesétablissementsaurisqued’échouer,lerôled’unOBSUNtrouveicitoutesonutilité.
2.3. Structureduguide
Leguideméthodologiqueproposeuneapprocheglobaledesquestionsposéespar lamiseenplaced’unobservatoiredesusagesdunumérique.Ilexploreradonclesdifférentsaspectsméthodologiquespour ce qui concerne lamise en place de l’équipe de lancement, les acteurs, les partenariats, lestravaux, les liens avec la gouvernance des établissements, avec la recherche, avec les services etdirectionsopérationnelles.Serontabordéslesélémentstechniquesettechnologiquesnécessairesàlamise en œuvre de récoltes, traitements et analyses de données qui peuvent être massives, lesméthodologiesderecherchequantitativesetqualitatives,lesquestionsrelativesaurespectdelavieprivéeetàlaréglementationsurl’informatiqueetleslibertés,ainsiquelespossibilitésd’organisationpourlagouvernance.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
8
3. Démarcheetapprochesméthodologiques
3.1. Faireunétatdeslieuxsurlenumérique
Lamiseenplaced’unObservatoiredesUsagesduNumérique(OBSUN)auseind’unétablissementd’enseignementsupérieurpeutnécessiterlaréalisationd’unétatdeslieuxgénéraldelasituationdunumérique,de sesusagesau seinde l’organisation.Cetétatdes lieux,outre le fait d’identifier lesproblématiquesd’étudeàmettreenœuvre,permet,peudetempsaprèslelancementduprojet,deproduiredesrecommandationsinitialesàlagouvernancedel’établissementspourl’améliorationdesservicesproposésàlacommunautéuniversitaire,desonderlesattentesdespersonnelsetétudiants,demettreenlumièrelesdifficultésetfreinsaudéploiementetàl’adoptiondunumériquedanslespratiques.
L’étatdeslieuxpeutportersurlespointssuivants:
Pourlespersonnels:
Thème Sujets
Lesusagers,profils,usages
ÂgeGenreStructurederattachementDisciplineStatutHabitudedetransportdomicile/travailDistancelieudetravail/lieud’exerciceTyped’équipementpersonnelSystèmed’exploitationéquipementpersonnel
Lesinfrastructuresetservicesnumériques
WifiSallesinformatiquesSauvegardedesdonnéesprofessionnellesMessagerieélectroniqueServicedelistedediffusionServicedechiffrementdesdonnéesServiceVPNServicevisioconférenceServicedewebconférenceServicedemessagerieinstantanéeServicedePlateformecollaborativeServicedetransfertdefichiersvolumineuxL’environnementnumériquedetravail(ENT)LesservicesdePodcastetdediffusionvidéo-multimédiaLesservicesmétiers
Lesressourcesdocumentaires
Revuesenligne:CairnDallozScienceDirectBasesdedonnéesLivresélectroniques...CataloguedesBU
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
9
Lesressourcesetplateformespédagogiques
Typedesupportutiliséspourlescours:Papier,numérique,autreOutilsutilisés:Vidéoprojecteur, rétroprojecteur, Paperboard, tableau noir, tableau ou tabletteinteractiveFormatsdescours:pdf,ppt,vidéo,audio,autresPlateformepédagogique:TypedeplateformeFonctionnalitésutilisées:Dépôtdedocuments,forum,chat,scénarisation,QCM,glossaire,atelier,test,devoir,wikiProportiondessupportsmisàdispositiondesétudiants:Totalité,⅔,⅓,trèspeu,...Autresmoyensdecommunicationdesressources:Site web établissement, page personnelle, espace partagé, site externe, courrierélectronique,...Fréquenced’utilisationdelaplateformepédagogiqueSatisfactionetcausesd’insatisfactionsurlaplateforme:Indisponibilité,ergonomie,esthétique, fonctionnalitésetbesoins,vélocité,habitudes,maîtrised’usage,intérêtetvaleurperçue,oppositionauprincipeUtilisationderessourcespédagogiquestierces:UNTs, Canal-U, FUN, opencourseware, autres ressources universitaires ouacadémiques,ressourcesnonacadémiques.
L’accompagnementdesusagers
FormationAccompagnementdivers:StageouformationcollectiveAtelierThématiqueFormationindividualiséeOutilsd’autoformationCommunautédepratique…Lieuxd’accompagnementsouhaités
SitesWebetIntranetAttentesetrecherchesprivilégiéesCausesdesatisfactionetd’insatisfaction
SiteWeb:InformationsadministrativesInformationspratiquesInformationsculturelleInformationsgénéralesdel’établissementInformationgénéralesdesstructuresAccèsdirectauxservices(ENT,annuaire,EDT,Podcast,plan)Ressourcespédagogiques,didacticiels,outilsd’autoformationInformationssurlarechercheInformationsurl’insertionprofessionnelleetl’orientationInformationsurlesformationsSiteIntranet:Informationsadministratives(CA,CFVU,CHSCT,…)
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
10
InformationspratiquesInformationsgénéralesdesservicescentrauxAccèsdirectauxservices(demandesdetravaux,archives,...)ActualitésRessourcesencommunication(chartegraphique,logos,cartedevisitepapeterie)Informationsurlarecherche
Expressiondesbesoinsetattentesdesusagers
EspacesdetravailenligneDémarchesadministrativesenligneOuvragesnumériquesenligneCommunicationVisioconférence,WebconférencesurpostedetravailValorisationdel’expérience,descompétences(Portfolios,..)GestiondeclassevirtuelleAntiplagiatEspacesd’échangesaveclemondedel’entrepriseBasesdedonnéesenlignedesentreprisesetpartenairesBasesdedonnéesenlignedesanciensétudiantsEspaced’expressionlibreenligneEspace,bornes,hubsinternetsurlecampusTableauxblancsoutablettesinteractivesdanslessallesdecoursetamphithéâtresPointsd’alimentationélectriquedanslessallesdecoursetamphithéâtresConnectionauréseauentoutpointdel’universitéImprimer,scannerentoutpointdel’universitéOutildegestiondestageSystèmed’informationpédagogie,insertionprofessionnelAutres...
Tableau1:Étatdeslieuxsurlesusagesdunumériquedespersonnels
Pourlesétudiants:
Thème Sujets
Les usagers, profils,usages
ÂgeSexeUFR(s)d’appartenanceDomained’étude(s)NiveaudeformationTypedeformationSitedeformationSuividescertifications,B2i(s),C2i(s)ActivitésalariéeMoyensdetransportsDistancedomicileétablissementTyped’équipementpossédéSystèmed’exploitationConnexioninternetprivéeDébitdelaconnexionHabitudesdetravailQuelusagedel’internet:Messagerie, réseaux sociaux, chat, webconférence, navigation, loisirs, visionner ouécouterdesvidéos,del’audio,despodcasts,servicesnumériquesagenda,notes,rendez-vous,démarchesadministratives,seformeretapprendre,examensenligne,recherchedocumentaire,recherched’emploi,information,travailler,jouer,publier,blog,wiki,etc.EnregistrementdescoursLieuxdetravail:Domicile,sallesinformatiques,salled’études,cafétéria,autres…
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
11
Satisfactionetinsatisfactionsurlessallesdetravail:horaires,servicesproposés(impressionparexemple,confort,fiabilitéetfonctionnalitédes équipements, aide et assistance, disponibilité, offre applicative, équipementpersonnel,…
Les infrastructureset servicesnumériques
Wifi:Fréquenced’usage,Satisfactionetcausesd’insatisfaction:Efficacité du service, aide et assistance, complexité, disponibilité, performances,couverture,pointsd’accès,…Espacenumériquedetravail:Fréquenced’usageSatisfaction:Disponibilité, ergonomie, esthétiques, utilité perçue, adéquation aux besoins,compatibilité,facilitéd’utilisation,performance,habitudesTypedeservicemessagerieAnnuaire,agendaStockagedesfichiersCoursenligneRessourcesvidéodel’ENTSitewebdel’universitéetautressitesdel’université:Fréquenced’usage,Typesd’informationscherchées:Sur la formation, l'administration, scolarité, calendrier d’examen, les activitésculturelles et sportives, spectacles, sports, les informationspratiques, actualitéde lacomposante, activités de recherche, information professionnelle, stages, emplois,débouchés, supports pédagogiques, services numériques de l’établissement, ENT,Moodle,autres...Satisfactionetcausesd’insatisfaction:Facilité d’usages, efficacité, ergonomie, esthétique, disponibilité du service, intérêt,utilitéperçue, richessedes contenus,niveaud’accessibilité, collaborationpossibleausiteetcontribution
Les ressourcesdocumentaires
UtilisationducataloguedelaBUCausedesatisfactionetd’insatisfactionsurlecatalogue:Indisponibilité, complexité, aide et assistance, ergonomie, performances, habitudes,utilitéperçue…Utilisationdesrevuesenligne:ScienceDirect,Cairn,Persée,Springer,Dalloz
Les plateformes etressourcespédagogiques
Plateformepédagogique:typedeplateformeFonctionnalitésutilisées:Dépôtdedocuments,forum,chat,scénarisation,QCM,glossaire,atelier,test,devoir,wikiSatisfactionetinsatisfaction:Disponibilité,ergonomie,facilitéd’usage,esthétique,qualitédesressourcesproposées,accompagnementsur l’outil,versionmobilede laplateforme,animationdesespacespédagogiques,intérêtetvaleurpourlaformationconcernée,vélocitédelaplateforme,complexité,fiabilité,offrederessourcesAutresmoyensdecommunicationdesressources:
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
12
Site web établissement, page personnelle, espace partagé, site externe, courrierélectronique,...Fréquenced’utilisationdelaplateformepédagogiqueUtilisationderessourcespédagogiquestierces:UNTs, Canal-U, FUN, opencourseware, autres ressources universitaires ouacadémiques,ressourcesnonacadémiques.Typederessourcesvidéosattendues:Colloques et conférences, cours magistraux, tutoriels, présentations de filières, vieassociative,vieétudiante(concerts,spectacles)
Attentes Besoinsetattentes:Coursenligne,espacesdetravail,e-administration,ouvragesnumériques,planningdescours, recherche de stages ou d’emplois, espaces d’autoformation , espace devalorisation des compétences et expériences, espace d’échange avec le monde del’entreprise,basededonnéedesentreprisesetinstitutionspartenaires,basededonnéesdes anciens étudiants, espace d’expression libre, espace de petites annonces,information sur les cursus, information sur les bourses et autres services d’aide, vieétudiante...Servicesetusagesattendus:Visioconférence sur poste de travail, outil de gestionde classe virtuelle, outil d’anti-plagiat,outilsd’autoformationenlangueetautres,informationsetalertessurmobile,bornesdeconsultation internetsur lecampus, tableaux interactifsdans lessallesetamphithéâtre, validation des informations sur portfolios, connexion au réseauélectrique et au réseau informatique en tout point du campus, impression, copies,scannersentoutpointducampus,prêtd’ordinateurs.
Tableau2:Étatdeslieuxsurlesusagesdunumériquedesétudiants
3.2. Identifierlesproblématiques
L’étaped’étatdeslieuxgénéralestutilepourl’identificationdesproblèmes,pourlaconnaissancedela population spécifique de l’établissement, pour lamise en évidence des attentes exprimées desusagersetacteursde l’université,pourqualifier lesélémentsdesatisfactionetd’insatisfactiondespersonnelsetétudiants.
L’identificationdesproblématiquesenrésulte,parexemple:
• Puis-jemettreenœuvrelagénéralisationdel’usagedelaplateformepédagogiquesisonusageestconsidérécommedifficile?
• La couverture Wifi partielle des campus est source d’insatisfaction, l’augmentation de lacouvertureWifisurlescampusest-elleunpréalableaudéveloppementdel’usagedesservicesnumériques?
• Lademandepouruneaugmentationdeladistributionélectriquedanslesamphithéâtresestimportante,quelssontlesmoyensnécessairesàlamiseenœuvredeceprojet?
• L’enregistrementdescoursmagistrauxenvidéoestuneattentefortedesétudiants,quellessontlesconditionsnécessairesàlamiseenœuvredecettemédiatisation?
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
13
3.3. Démarcheprojet
Entermed’organisation, ladémarcheprojetprésente l’avantagedefédérerunensembled’acteursconcernésparlesproductionsdel’observatoire.Ils’agitd’incubereninternelacréationd’unenouvellestructure qui intervient de façon transversale aux limites et en complément d’entités souventpréexistantes:cellulesd’aideaupilotage,servicesoudirectionsenchargedunumérique,équipesderechercheouchercheursactifssurlesthématiquesdel’observatoire.
Ladémarchepermetparailleursdecalerunefeuillederouteàcourt(2ans)etmoyen(5ans)termesenfixantdesobjectifsstratégiquesclairementidentifiés.
L’étatdeslieuxinitialseradoncprioritairementintégrécommeundespremiersprojetsdelaphaseàcourtterme.
3.4. Descriptionsynthétiquedelaméthodologie
Laméthodologiepour la réalisationd’unétatdes lieuxgénéral consisteàprivilégieruneapprochequantitativeàpartird’unquestionnairediffuséàl’ensembledelacommunautéinterrogée.
Lareprésentationfigurativedelaméthodologieestlasuivante:
Figure1:Méthodologied'étatdeslieuxsurlesusagesdunumérique
Lequestionnaireestréalisépourobtenirunétatdeslieuxgénéral.Encesens,iln’estpasconçupourrépondre à une question spécifique, à une problématique et ne nécessite pas, à ce stade de laconception,unmodèlederecherchespécifique.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
14
LesrésultatsobtenussonttraitésetanalysésavecExcelouunoutild’analysespécifiquetelque SPSS ou R, ce qui permet d’obtenir lespremières statistiques descriptives desréponses aux questions posées. En fonctiondes problématiques identifiées, les donnéespeuvent être exploitées pour répondre auxquestionséventuellesquiseposentencoursd’analyse. L’utilisation d’un système detableaudebordinteractifetdynamique(data-visualisation)està ce stade intéressantpourexplorer graphiquement les données
obtenues.Al’issuedecettephase,ilestutiled’élaborerunesériederecommandationsdestinéesàlagouvernancedel’établissementetpermettantlesprisesdedécisionsstratégiques.
Figure2:Exempledetableaudebordinteractif
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
15
4. Structure,acteursetfonctionnementd’unOBSUN
4.1. Lesacteurs:services,laboratoires,enseignants,collectivités
UnObservatoiredesUsagesduNumériqueestnaturellementpositionnéaucœurdesdifférentscorpsagissantsdel’organisationuniversitaire.Ilestamenéàproduire,traiter,analyser,diffuserdesdonnéesissuesdes recueilsd’informationsqu’ilgénère luimêmeàpartirdesopérationsderécoltessur lesplateformes de l’établissement ou lors d’enquête spécifiques et de travaux d’observations. Il peutaccompagnerlesstructuresdansl‘exploitationdesdonnéesqu’ellesproduisentparailleurs.
Lesacteurseninteractionssontnaturellement:
• La direction de l’établissement, pour la production d’indicateurs stratégiques sur l’activiténumériquedel’établissement,
• Lesservicescentrauxetcommuns,quiproduisentdesdonnéesetsouhaitentlesexploiterdansuneperspectivedécisionnelle,
• Leslaboratoiresderechercheetleschercheurs,quisontaussid’importantsproducteursdedonnéesetquiontbesoindelesentreposeretlestraiterpourmeneràbienleuractivitéderecherche,
• Lesdépartementsd’enseignementetlesbesoinsd’observationdespratiques,desusages,àpartirdesdonnées issuesdesplateformesetde l’observationdesactivitésenseignantesetétudiantes.
L’observatoire peut être dotée d’une équipe permanente et d’acteurs associés, notamment leschercheursdépendantdelaboratoiresetd’équipesquitravaillentsurlesquestionsdesusagespourlapédagogie,larechercheoul’administration.
4.2. Choixd’unestructure,avantagesetinconvénients
Compte tenu des travaux et missions variés portés par un OBSUN, l’organisation de sa structuredépendradurôlequel’onentendluifairejouer.Ilestcependantindispensabled’ancrersonactivitédans la recherche, qui permettra de garantir une production labellisée, de publier et diffuser sestravauxdanslesréseauxnationauxetinternationaux,d’assurersondéveloppementcommeuncentreproducteurdeconnaissanceetd’éloignertoutrisqued’assimilationàunservicesupport.
LesformesorganisationnellespossiblespourunOBSUNsontlessuivantes:
Avantages Inconvénients
Typedestructure
Projet
FacilitédemiseenplaceStructuretransversaleAllocationsderessourcescadréesdansletempsOpérationnalitéTypesd’acteursvariés:ingénieurs,enseignants-chercheurs
PérennitéConflitsd’intérêtspossiblesentrelesactivitésdeslaboratoiresderattachementetlesactivitésdel’OBSUNDétachementdesressourceshumainesauprojetpouvantsusciterdestensionsinternesàl’organisation
ServiceStructureancréedansl’organisationadministrativeAllocationderessourcespermanentes
Typesd’acteurslimités:ingénieursAxerecherchesecondaireRisqued’êtreassimiléàunservicesupport
LaboratoireStructurederechercheAccèsauxfinancementsrechercheTypesd’acteursvariés:ingénieurs,enseignants-chercheurs,doctorants
InertiepotentiellepourlamiseenplaceConflitsd’intérêtspossiblesaveclesautreslaboratoires
Tableau3:Structured'unOBSUN:avantagesetinconvénients
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
16
4.3. MiseenréseaudesOBSUN
La mise en réseau d’observatoires des usages du numérique dans les établissements pourraitpermettre de constituer un réseau national des OBSUN. Cela permettrait une mutualisation desactionsengagéesetdespratiques,desenquêtesàportéenationale,ladéfinitiond’axesderecherchenationaux.Peud’établissementssontàcejourdotésd’observatoiresdesusagesdunumérique,maisilestprobablequedetelsoutilspermettantdemesurerl’activiténumériquedesétablissementsetdeproduiredelaconnaissanceautourdecesactivitésdeviennentindispensablesàcourtterme.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
17
5. Collecter,traiter,analyseretrestituerdesdonnées
LacollectededonnéesestaucœurdesréflexionsmenéesdansunOBSUN.Ellepermetdeproduiredes indicateurs pertinents sur les usages et pratiques numériques des acteurs de l’enseignementsupérieuretdelarecherche(ESR),àdestinationdesgouvernancesetservicesdunumériquecommedeschercheursintéressésparcesquestions.Elleconditionnelamiseàdispositiond’outilsperformantspourl’aideaupilotagestratégiqueetl’explorationdequestionsderechercheportantsurlenumériquedansl’ESR.
Danscecontexte,l’OBSUNestamenéàcollecteretmanipulerdeuxtypesdedonnées.Ils’agitd’unepartdedonnéesquantitatives,issuesdessystèmesd’informationdel’établissement,desplateformesnumériques déployées, ou encore d’enquêtes à grande échelle, et d’autres parts, de donnéesqualitatives, issues par exemple d’entretiens menés avec les usagers, spécialistes ou non dunumérique.Ilestessentielderecoupercesdeuxsourcesdedonnéescomplémentairesafindebâtirunevision clairedes comportementsetmotivationsdesusagersdunumérique.Ainsi, lesdonnéesquantitatives,permettentparexempledemesurerletauxd’utilisationd’unservicenumérique,maispasd’expliciteravecprécisionsesdifférentsusages,dequellesfaçons,àquellesfins,oubienl’absenced’utilisation.Delamêmefaçon,desdonnéesqualitativespermettentderépondreàcesquestionspourcertainsprofilsd’utilisateurs,maissanspossibilitédegénéralisationàl’ensembledelacommunautéuniversitaire.
Laméthodologieproposéeci-aprèss’appuiedoncsurlamiseenplaced’unentrepôtdédiéàlacollecteet au stockage de données quantitatives et qualitatives sur les usages du numérique, et audéploiementd’outilsd’analyseetd’explorationdecesdonnées.Cetentrepôtpermetaussibienunsuivirégulierd’indicateursévoluantdansletemps,qu’unemobilisationponctuelledesesressourcesdanslecadred’uneétudeoud’unprojetparticulier.
5.1. Approchesquantitatives
5.1.1. ConstruireetexploiterunentrepôtdedonnéesLesentrepôtsdedonnéesdeviennentincontournablesdanslessociétésprivées,maisrestentencorepeuexploitésdans lesétablissementsd’ESR,à l’exceptiondeprojetstrèsdélimitésessentiellementaxéssurlarecherche.L’Agencedemutualisationdesuniversitésetdesétablissements(AMUE)notedanssonrapportn°2010-002l’intérêtstratégiqued’unentrepôtdedonnéesdédiéauxuniversitésàl’heuredurenforcementdeleurautonomie,maisaussilesdifficultéspolitiquesettechniquesàlamiseenœuvredetelsprojetsdanslesétablissements.Unprojetd’innovationtelqu’unOBSUNsembledoncconstituer un environnement propice pour l’expérimentation de tels entrepôts, avant un éventueldéploiementmassifinscritdanslastratégiegénéralededéveloppementdel’établissement.
L’entrepôtdedonnéessedistinguedelatraditionnellebasededonnéesparplusieurséléments:
• Sonobjectif:l’entrepôtsertspécifiquementàlaréflexionetàlaprisededécision,etnonàl'opérationnalisationd’unetâche.Encela,ilsedistinguenettementdesbasesdedonnéesdesapplicationsusuellesdesétablissements(APOGEE,HARPEGE,COCKTAIL,etc.),
• Son positionnement spatial : l’entrepôt est central au sein de l’organisation, il permet decentraliser des données issues de plusieurs applications et sources diverses, y compris defichiers,voiredesourcesextérieures.Acetitre,ilrequiertuntravaild’intégrationimportant,
• Son positionnement temporel : l’entrepôt joue également un rôle d’archive, puisque lesdonnées qui y sont écrites sont historisées, et donc jamais supprimées. L’objectif est depouvoirainsisuivredesphénomènesdansletempsdefaçontrèsprécise.Lesdonnéesquiysontécritesnesontdoncpasmodifiables.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
18
L’entrepôtàconstruiredansunOBSUNsecentresurlaquestiondesusagesdunumérique,maispeutévoluerafinderépondreàd’autrestypesdequestions,danslamesureoùilagrègeprogressivementdesindicateursenlienavecl’ensembledesbasesdedonnéesmétiersdel’établissement.Ilproposedansunpremiertempslesfonctionnalitéssuivantes:
• Collecteretarchiverquotidiennementlestracesd’usagesdesservicesnumériquesdéployés, • Collecteretarchiverrégulièrement lesdonnéesmétiers issuesdusystèmed’informationet
desservicesnumériques, • Collecter et archiver ponctuellement les données produites à partir d’enquêtes et
d’entretiens, • Construiredesindicateursprécisàpartirdecesdonnées, • Visualiserlesdonnéesetindicateurs, • Réaliserdesanalysesstatistiquesetdefouillesurdegrandsvolumesdedonnées(BigData).
a) Fluxdesdonnées
Lachaînedetraitementpermettantd’alimenterpuisd’exploiterl’entrepôtestdécritdanslaFigure3.
Figure3:Chaînedetraitementdesdonnéesd'unentrepôt
1. Lesdonnéessourcessonttoutd’abordextraitesdesdifférentesbasesdedonnées(BDD)oufichiersmétiersdel’établissement.CetteextractionestorchestréepardesscriptsplacéssurlesserveurscontenantcesBDDoufichiers.Laportéeanalytiquedel’entrepôtnerequiertpasunmoissonnageentempsréeldesdonnées.UneplanificationdetypeCRONpourradoncêtrecrééeafindedéfinirlapériodicitédurecueildedonnées(exemple:récoltequotidiennedeslogsdelaveille,dumpsdeBDD,etc.).Delamêmemanière,lesserveursderéplicationserontprivilégiés en tant que sources de données, afin d’éviter de surcharger les serveurs deproduction.
2. Ces données sont ensuite traitées par un script ETL (Extract Transform Load), réalisé parexemple avec l’outil Talend. Ce processus permet d’extraire les données de sourceshétérogènes (Extract), de les transformer et de les assembler dans un format adapté auxrequêtesetauxindicateursàproduire(Transform),etdechargerlesdonnéesrésultantesdansl’entrepôt(Load).Ilestimportantdeconserverlesdonnéesbrutesauseindel’entrepôt,encasdedéfaillancedesscriptsETL,ousidenouveauxtraitementsetindicateursdoiventêtredéfinisdanslefutur.Lestraitementsclassiquesd’unETLsont:
a. Croiserdifférentessourcesdedonnéeseneffectuantdesjointuressurdesidentifiantscommuns,
b. Filtrerdesdonnéesincomplètesoucorrompues,
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
19
c. Créerdenouveauxchampsàpartirdefonctions(exemple:âgeàpartirdedatesdenaissance,extractiond’unepartied’unedate,d’unlabel,calculd’unemoyenne),
d. Réaliser des requêtes sur diverses sources de données (internes ou externes àl’entrepôt)afind’enrichirlesindicateurs,
e. Anonymiserdesindicateurs:ils’agitparexempled’appliquerunalgorithmeSHA1surdes noms d’utilisateurs, de supprimer des champs permettant d’identifier unepersonne,d'agrégerdeschampsenréalisantdescalculsdemoyenne,etc.Lapartie7surlesaspectsjuridiquesdétailleceséléments.
3. L’architecture et le modèle de données de l’entrepôt permettent à l’ETL d’y charger lesindicateursrésultantdesestraitements.Lesystèmerépartitautomatiquementlesdonnéesphysiquessurlesdifférentsnœudsdesonarchitectureetassurel’intégritédecesdernières.
4. Enfin,desapplicationsdécisionnellespeuventseconnecteràl’entrepôtafindevisualiseretd’analyserlesindicateursproduits.Ilestégalementpossiblederéaliserdesexportsdefichiersde données directement à partir de l’entrepôt, par exemple à destination de chercheursassociésàl’OBSUNdisposantdeleurspropresoutilsd’analyse.
b) Modélisationdesdonnées
L’entrepôtd’unOBSUNpeutsefondersurunmodèlededonnéesenétoiles.LaFigure4représenteuntelmodèleappliquéàl’étudedesusagesdunumériqueauseind’unétablissementd’ESR.Diversdatamarts(sous-ensemblededonnéesspécifiquesàuneactivité)sontintégrésaufuretàmesuredel’ajoutdenouvellessourcesdedonnéesàl’entrepôt.Cesderniersconstituentlestablesdedimensionscontenantlesaxesdedescriptiondesfaitsarchivésdansl’entrepôt.Lemodèlesepartagedoncentretablesdefaits,listantlesmesureshistoriséessurlesusagesdunumérique,ettablesdedimensions,caractérisant ces mesures suivant divers axes d’études (exemple : niveau, filière des étudiants,structurederattachement,catégoriepourlespersonnels,etc.).Lesdimensionsconsistentaussibienen desmétadonnées issues des applicationsmétiers du SI (exemple : annuaire des personnels etétudiants, gestion financière, etc.) que des services numériques ouverts à l’ensemble de lacommunautéuniversitaire(exemple:métadonnéesdescoursd’uneplateformepédagogique),voiredesdonnéesexternespermettantd’enrichirlesindicateurs(exemple:labelsdescodesSISE,donnéeséconomiques, etc.). La partie d) sur la typologie des indicateurs donne des exemples demesurespouvantêtreenregistréesquotidiennementdanslestablesdefaitsdel’entrepôt.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
20
Figure4:Modèlededonnéespourl'étudedesusagesdesplateformesnumériquesdansl'ESR
c) Architecturedel’entrepôt
L’entrepôt de données dispose d’une architecture distribuée lui permettant de gérer de grandsvolumes de données de manière performante en parallélisant les traitements. Cette architecturepermet également de faciliter les passages à l’échelle lors des augmentations de charge sur lesserveurs.Eneffet, l’approchegénéraleestdefairetravaillerenparallèleplusieursnœudslégersenclustersévolutifs,plutôtqu’unseulnœudpuissant,maisrapidementobsolète.
L’OBSUNde l’UR s’est dotéd’un entrepôt expérimental fondé sur la suiteHadoop. Cette dernières’appuiesurlesystèmedefichiersdistribuéHDFS(HadoopDistributedFileSystem)instanciédansladistributionHadoopClouderaCDH5.LechoixdeHadoopClouderareposesurlesdifférentsélémentssuivants:
• Des outils open-source pour la plupart, issus de la fondation Apache, et donc gratuits, etdocumentés,
• Une suite d’outils et d’interfaces disponibles pour la maintenance de l’entrepôt etl’exploitationdesdonnées(ClouderaManager,Hue,Impala,etc.)
• Compatibilitéaveclesoutilsdevisualisationinteractivedesdonnées(voirpartiee))• Adaptéàl’analysededonnées«froides»(unseultraitementvolumineuxsurdesblocsmassifs
dedonnéeshistorisées,aucontrairedeplusieurspetitesrequêtesentempsréeldanslecasd’uneapplicationWebparexemple)
Biensûr,d’autresdistributionsetd’autresoutilspeuventêtreenvisagés,telsqueCassandrapourleNoSQL. Lanaturedesdonnéescollectéesnepermetpasd’envisageruneexternalisationdel’entrepôtdanslesclouds d’Amazon,Microsoft ouGoogle. C’est pourquoi unpetit cluster de deuxou troismachinesvirtuelleseninternepeutsuffiredansunpremiertemps.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
21
d) Typologiedesindicateurssurlesusagesdunumérique
Unefoisconstituéetrégulièrementalimenté,l’entrepôtpermetd’extrairedifférentsindicateurssurlesusagesnumériquesdelacommunautéuniversitaire.LeTableau4recensequelquesexemplesnonexhaustifsdetelsindicateurspartype,sourceetdestinataires.
Indicateur Type Typedesource
Temporalité Destinataires Apport
NombredeconnexionsauserveurCASparjour
Traced’usaged’uneplateforme
Fichierdelog Quotidienne Servicesopérationnels
EstimationetprévisiondechargesurleserveurCAS,Accessibilitéetqualitéduservice
NombredeconnexionsparjouràunservicenumériquevialeserveurCAS
Traced’usaged’uneplateforme
Fichierdelog Quotidienne Servicesopérationnels,décideurs
Tauxd’utilisationd’unservicenumérique
NombredeconnexionsparjouràunservicenumériquevialeserveurCASenfonctiondelastructurederattachement
Traced’usaged’uneplateforme
Fichierdelog Quotidienne Servicesopérationnels,décideurs
Comparaisondesusagesd’unservicenumériqueenfonctiondelastructurederattachement
Nombredecoursactifssuruneplateformepédagogiqueparjour
Suividescontenuscréésparlacommunauté
Basededonnéesd’uneapplication
Quotidienne Servicesopérationnels
Evolutiondel’usaged’uneplateformepédagogique,identificationdesressourcespopulaires,nonutilisées,pasassezvalorisées,etc.
NombredeconnexionsaucoursXd’uneplateformepédagogiqueparjour
Traced’usaged’uneplateforme
Fichierdelog Quotidienne Servicesopérationnels,enseignantsducoursX,chercheursenlearninganalytics
Evolutiondel’usaged’uncoursenligneparlesétudiants,suividesprescriptionsd’unenseignant,etc.
Nombredeconnexionsàl’activitéYducoursXd’uneplateformepédagogiqueparjour
Traced’usaged’uneplateforme
Fichierdelog Quotidienne Servicesopérationnels,enseignantsducoursX,chercheursenlearninganalytics
Evolutiondel’usaged’uneactivitéd’uncoursenligneparlesétudiants,suividesprescriptionsd’unenseignant,etc.
Nombredepostscrééspardesétudiantsdansunforumd’uncoursenligne
Suividescontenuscréésparlacommunauté
Basededonnéesd’uneapplication
Annuelle EnseignantsducoursX,chercheursenlearninganalytics
Investissementdesétudiants,appropriationd’uneactivité,travailcollaboratifenligne,interactions
Espacedisqueoccupéparutilisateurdansl’ENT
Tauxd’usaged’unservice
Basededonnéesd’uneapplication
Annuelle Servicesopérationnels
Tauxd’usagedel’ENTsurlafonctionnalitéstockagededocuments
Nombredegroupesparutilisateurdansl’ENT
Tauxd’usaged’unservice
Basededonnéesd’uneapplication
Annuelle Servicesopérationnels
Tauxd’usagedel’ENTsurlafonctionnalitégroupesdetravail
Tableau4:Exemplesd'indicateursextraitsd’unentrepôtdedonnées
L’observation des accès à un serveur d’authentification permet d’obtenir rapidement un premierpanoramadesusagesdesservicesnumériquesinternes.Ilpermetainsidecorroborerunepartiedesrésultatsd’uneenquêtedetype«étatdeslieux»tellequedécritedanslapartie3.1.Uncroisement
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
22
decesdonnéesavecdeschampscomplémentaires,parexempleissusdel’annuaireLDAPauformatSUPANN,permetdemieuxcernerlescatégoriesd’usagersetleurspratiques(voirpartief)surleprojetAgimus-NG).Onpeutainsirépondreàdesquestionsdutype:
• Quelssontlesserviceslesplusutilisésparlesétudiants?parlespersonnelsBIATSS?parlesenseignantsetenseignants-chercheurs?
• Quelssontlesserviceslesplusutilisésenfonctionduniveaud’étude?• Quelssontlesserviceslesplusutilisésparfaculté?• Commentévoluel’usaged’unserviceaucoursd’uneannéescolaire?
Lesfichiersdelogsdesserveurspermettentégalementd’obtenirdesinformationssurlesterminauxetnavigateursdesusagers.Onpeutseservirdecesdernièresafindeconcevoirunindicateursurlamobilitédelacommunautéuniversitaire.L’adresseIPdel’usagerpeutégalementêtreexploitéeafindedéterminersil’accèssefaitàl’extérieurouàl’intérieurducampus. Les croisements de champs peuvent être réalisés avec des logs issus de toute autre applicationrequérantuneauthentificationeninterne:plateformepédagogique,ENT,etc.
Lescontenuscrééspar lesusagerssontégalementporteursd’informations intéressantes :coursetactivitéssurlesplateformespédagogiques,fichiersdéposéssurlesENT,groupescréés,etc.Outrelesusagesnumériquesdelacommunauté,cesderniersdénotentdel’organisationdutravailauseindecettedernière(lesgroupes«prédéfinis»sont-ilsutilisés?Ya-t-ildesgroupescréésspontanément?pourquelsbesoins?sont-ilsplusutilisésquelesgroupesprédéfinis?).
Les usages pédagogiques du numérique intéressent tout particulièrement les enseignants engagésdans l’innovation pédagogique par le numérique et les chercheurs en learning analytics. Desindicateursprécisautourd’uncoursoudesesactivitéspeuventêtredéfinisaveceux :nombredevisites d’un cours oud’une activité par jour, participationdes étudiants sur un forum (nombredediscussions initiées, mots clés des discussions, nombre de posts, nombre d’interventions d’unenseignant,etc.),organisationd’undocumentpartagé,etc.
e) Visualisationdesdonnées
Lesdonnéesde l’entrepôtpeuventêtrevisualiséessousformedetableauxdeborddynamiquesetinteractifs.Cesdernierspermettentauxusagersd’appliquerlesfiltrescorrespondantsàleursbesoins,voiredeproduireeuxmêmedes tableauxdebordà l’aided’uneapplicationaccessibleàdesnon-informaticiens. La Figure 5 présente un exemple de tableau de bord permettant de visualiser desstatistiquesquotidiennessurlescoursd’uneplateformepédagogiqueMoodle.Chaqueélémentd’ungraphique constitue un filtre permettant d’explorer un aspect particulier des données présentées.Ainsi,unclicsuruncourspermetd’afficherlesstatistiquesliéesàcecours;unclicsurunecatégoriepermetdevisualiserlesstatistiquesdel’ensembledescoursdecettecatégorie,etc.L’outildetableaudebordestdirectementliéauxdonnéesdel’entrepôt:unemiseàjourdecesdonnéesentraînedoncsystématiquementunemiseàjourdutableaudebord,quiestalorsdit«dynamique».
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
23
Figure5:TableaudebordinteractifetdynamiquedescoursMoodle
Plusieursoutilspermettentdeconcevoircetypedetableauxdebord.Lescritèresdesélectiond’unoutilsontlessuivants:simplicitéd’usagepardesnon-informaticiens(pasoupeudeconfigurationdebasesdedonnéesetmodèlesdedonnées),coût,accèsautableaudebord(enligneouhorsligne),accèsàl’espacedecréationdutableaudebord(applicationWeboudebureau),exportdesdonnéesettableauxdebord,compatibilitéavecdiverssystèmesdegestiondedonnéesetformatsdefichier.LeTableau5ci-dessousprésenteuncomparatifdessolutionsexistantes.
SUR SITE CLOUD
Prompto Kibana Qlikview Tableau Server Tableau Online BIME
Usage ToutpublicTechnique(connaissancesElasticsearch)
Toutpublic Toutpublic Toutpublic Toutpublic
Multi-utilisateurs Oui Non Oui Oui Oui Oui
Sources de données Multi Elasticsearch Multi Multi Multi Multi
Mode de licence
Abonnementparutilisateurs
OpenSource
Acquisitionserveur +licence parutilisateurs
Acquisitionserveur+licenceparutilisateurs
Abonnement parutilisateurs
Abonnementparutilisateurs
Client NavigateurWeb NavigateurWeb Windows Windows/Mac/Navigateur
Web Windows/Mac/Navigateur NavigateurWebServeur Tous Tous Windows Windows N/A Windows/OSXCompatibilité mobile Oui Non Non Oui Oui Oui
Export standalone Oui Non Non RequiertTableauViewer RequiertTableauViewer Non
Tableau5:Comparatifd'applicationsdevisualisationinteractiveetdynamiquededonnées
f) LeprojetAgimus
LeprojetAgimus,débutéen2011àl’initiativedelaMINES,apourobjectifdeproduiredesindicateurssur lesusagesdunumériquedanslesétablissementsd’ESR.Lanouvelleversionduprojet,baptiséeAgimus-NG, est menée par le consortium E-SUP et coordonnée par une équipe d’ingénieurs del’Université de Lorraine. Elle se fonde sur un entrepôt de données Elasticsearch. L’étape ETL estréaliséeàl’aidedulogicielLogstash,etlavisualisationdedonnéesvial’applicationKibana.Legroupe
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
24
de travail indicateurs d’E-SUP est en charge de la maintenance de la suite Agimus-NG et del’accompagnementdesétablissementsdanssondéploiementsursite.
L’OBSUNdel’URadéployélasuiteAgimus-NGenjuin2015.LeslogsduserveurCAS,desplateformesMoodleetdu siteWebdeprésentationde l’offrede formation sont collectésquotidiennementetenregistrés dans la base Elasticsearch, après enrichissement de ces derniers avec des attributs del’annuaireLDAP,puisanonymisation.CecroisementaveclesdonnéesLDAPs’opèregrâceàuncookiedéposé sur la machine de l’utilisateur lors de son authentification sur le serveur CAS, ce dernierconservant dans un fichier la correspondance entre l’identifiant anonyme inscrit dans le cookie etl’identifiant LDAP de l’usager. La Figure 6 et la Figure 7 ci-dessous présentent deux exemples detableauxdebordKibanaproduitsàpartirdecetentrepôt.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
25
Figure6:TableaudebordAgimus-NG-usageduserveurCASdel'UR
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
26
LaFigure6ci-dessusestunecaptured’écrandutableaudebordsurlesrequêtesCASdel’UR.Commenoté précédemment, ce dernier permet d’avoir un aperçu général de l’usage des plateformesnumériquesdéployéesauseindel’établissement.Lesdonnéesportentsurles30derniersjoursdepuisladatedevisualisationdutableaudebord(ici,du30décembre2016au30janvier2017).249548requêtesontétéréaliséessurleserveurd’authentificationsurcettepériode.Lesgraphiquesdetype«linecharts»permettentdevisualiserlarépartitiondecesrequêtesdansletemps,jourparjour.Lepremierdiagrammeenbâtonsenpartantduhautdelapagepermetdevisualiserlesserviceslesplusdemandéssurcettepériode,etlesstructuresderattachementdespersonnesopérantcesdemandes.Lesdiagrammesdetypecamembertsurlagauchedel’écranpermettentdevisualiserdesindicateurssurlesautreschampsdisponibles,obtenusnotammentviauncroisementaveclesdonnéesLDAPdesindividus:sexe,statut,niveaud’étudedel’usager,etc.Chacundeslabelsdutableaudebordconstitueun filtre,permettantdeconstituerdes indicateursprécisavecdifférentsniveauxdegranularitéenfonction de l’empilement des filtres appliqués. A titre d’exemple, ce tableau de bord permet devisualiser:
• Le nombre de connexions de l’UFR Droit et Economie au serveur CAS (filtre appliqué :supannEntiteAffectationPrincipale=‘UFRDroitetEconomie’),
• Les10serviceslesplusutilisésparlesétudiantsdeL1del’UFRDroitetEconomieseconnectantauserveurCAS(filtresappliqués:supannEntiteAffectationPrincipale=‘UFRDroitetEconomie’>supannEtuCursusAnnee=‘L1’),
• Les10serviceslesplusutilisésparlesenseignantsdudépartementSTAPSdel’établissement(filtres appliqués : eduPersonPrimaryAffiliation = ‘enseignant’ >supannEntiteAffectationPrincipale=‘DépartementSTAPS’).
Le tableau de bord propose également une carte représentant la localisation des adresses IP desrequêtes.UntraitementsupplémentairesurlesadressesIPpermetdedistinguerlesaccèsdepuisdessitesuniversitairesdesaccèsexternesàl’établissement.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
27
Figure7:TableaudebordAgimus-NG-usagedeMoodleàl'UR
LaFigure7ci-dessusreprésenteunecaptured’écrand’untableaudebordportantsurlesconnexionsàuneplateformeMoodledurant30 jours. Lesdonnéessont issuesd’une tablede logsenrichisdel’application.Letableaudebordeststructuréendeuxparties:unepartie«Filtres»,permettantdesélectionneretcombinerplusieursfiltresdevisualisationdesdonnées(sexe,statut,niveau,structure,discipline), et une partie « Connexions » permettant de visualiser les statistiques de connexions
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
28
proprementdites.Cesdernièresincluentlenombredeconnexionsparjour,les10courslesplusvisitésainsi que les activités associées, ainsi que les 10 diplômes les plus visités. Il est à noter que lesindicateurs produits dépendent également de l’organisation de la plateforme Moodle. Ainsi, lescatégoriesdescoursMoodlecorrespondenticiàdesdiplômes,cequipermetdegénérerlederniergraphique. Le projet Agimus-NG fournit donc une configuration de base pour le traitement desdonnées, mais qui doit être adaptée voire enrichie en fonction des situations propres à chaqueétablissement.Cetableaudebordpermetdevisualiserdesindicateurstelsque:
• Les10coursMoodlelespluspopulairesenDroit,Economie,Gestion,• L’organisationdeces10cours(typesd’activitésetpopularitédecesactivités),• Les10courslespluspopulairesdisposantd’unforum,• L’évolutiondunombredevisitesducours«Fondamentauxdestatistique»dansletemps,• Lenombredevisitesducours«Introductionàlamacroéconomie»pardesétudiants.
5.1.2. RéaliserdesenquêtesquantitativesL’enquêtequantitativepermetd’interrogerunepopulationimportantesurlabased’unquestionnairetraitantd’unethématiquedonnée.Contrairementà l’observationdestraces,ellepermetà l’usagerd’exprimerdirectementsespratiquesousespointsdevuedanslecadredéfiniparlequestionnaire.Elle laisse moins de possibilités d’expression que les méthodes qualitatives (voir partie 5.2) maispermet de toucher un plus grand échantillon d’usagers, notamment en s’appuyant sur des outilsfacilitantsadiffusionàgrandeéchelle.Ainsi,ladémarched’étatdeslieuxdécriteprécédemmentpeutfairel’objetd’uneenquêtequantitativeenlignepermettantderecueillirunmaximumderetoursdelapartdesusagers.L’enquêteconstitueainsiunoutildemesuresurunéchantillonetunepériodedonnés. Les méthodologies de réalisation et d’analyse d’enquêtes quantitatives sont largementdécritesdanslalittérature(Lebaron,2006).Nousdécrivonsdoncci-dessousuneméthodologiesimpleetsynthétiqueappliquéeauciblagedescommunautésdel’ESR.L’analysedesdonnéesquantitativesrécoltéesautraversdesenquêtesestdécritedanslapartiesuivante.
Ledéroulementd’uneenquêtequantitative,desaconceptionàladiffusiondesesrésultats,comprendglobalement10étapes:
1. Définitiondesobjectifsdel’étude2. Définitiondelacibledel’étudeetorganisation3. Revuedelittérature,définitiondesconstruitsetdumodèle4. Elaborationduquestionnaire5. Saisieduquestionnaire6. Validationduquestionnaire7. Campagnedecollecte8. Clôturedelacollecte9. Analysedesdonnées10. Diffusiondesrésultats
1/Définitiondesobjectifsdel’étudeIls’agitdedéfiniravecprécisionlesindicateursquiserontmesurésvial’enquête.Lapartie3.1donneunexempled’indicateursàmesurerpourréaliserunétatdeslieuxgénéralsurlesusagesdunumériqueauseind’unétablissement.Selonlesobjectifsrecherchés,unmodèlethéoriquepeutégalementêtreexploité voire conçu spécifiquement pour l’étude envisagée. Celui-ci permettra de vérifier deshypothèsessurunepopulationdonnéeetd’aboutiràdespossibilitésd’actions.Ainsiparexemple,pourmesurerlepotentield’adoptiondenouvellestechnologiesparlacommunautéuniversitaire,onpeutsefondersur lemodèledediffusionetd’assimilationdestechnologiesdanslesorganisations,définiparRobertG.Fichmandanslesannées2000(Fichman,2000).
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
29
2/Définitiondelacibledel’étudeetorganisation
Ladeuxièmeétapedel’étudeconsisteàdéfinirlapopulationcibléeparcettedernière,etlesmoyensdel’atteindre.Seposentalorslesquestionssuivantes:
• L’étude concerne t-elle les étudiants ? Auquel cas, est-ce une population particulièred’étudiants (étudiants de L1, étudiants en Lettre et Sciences Humaines, stagiaires de laformationprofessionnelle),oubienl’ensembledelacommunautéétudiante?
• L’étudeconcernet-ellelespersonnelsdel’établissement?S'intéresse-t-elleessentiellementà ceux dispensant des formations ? Uniquement à ceux disposant du statut d’enseignant-chercheur?Unserviceenparticulierest-ilconcerné?
Danslecasd’étudesglobales,ilconvientdedisposerd’unéchantillonleplusreprésentatifpossibledelavariétédespublicsétudiés.Ainsi,onveilleraàl’équilibreentre:
• Proportion d’enseignants-chercheurs, enseignants et chercheurs d’une part, et personnelsadministratifsettechniquesd’autrepart,
• ProportionsparcatégorieA,B,Cdefonctionnaires,• Proportionspardisciplineenseignéeoucorpsdemétier,• Proportionsd’étudiantsparUFR(SciencesetTechnologies,LettresetSciencesHumaines,etc.),• Proportionsd’étudiantsparniveau(L1,L2,etc.).
Unprofilage tropprécis du répondant peut aboutir à une absenced’anonymisationdes réponses.Ainsi,unequestionsurleserviceoulacomposantederattachement,peutaboutiràunecatégorienecomportant qu’un seul individu. On pourra alors fusionner plusieurs catégories sous un intitulécommun.
La Figure 8 permet de visualiser une différence de représentativité sur le critère du statut despersonnels de l’Université de La Réunion, dans le cadre d’une enquête en ligne. L’échantillon derépondantscomprenduneproportiondepersonnelsBIATSSlégèrementplusimportantequecelledelapopulationglobaledel’établissement.Cetteinformationestàprendreencomptelorsdelalecturedesrésultatsdel’enquête.
Figure8:Quotasdepersonnelsparstatutàl'UniversitédeLaRéunion
Acetteétape,ilconvientégalementdeprévoirleplanningdel’étude.Enparticulier,lacampagnedecollectedesdonnées(étape7)estàpositionnerenfonctiondutypederépondants.Lesenseignants-chercheursparexemple,deparleursresponsabilitéspédagogiques,administratives,etderecherchesont peu disponibles en début et en fin d’année scolaire (septembre/octobre, juin/juillet). Lesétudiantsquantàeuxfinissentsouventleurannéedeformationdèslafindumoisdemai,voireplustôt selon lesdisciplineset lesmodalitésde leursparcours (périodesde stage,d’examens, etc.). LaFigure9donneunexempledephasaged’uneenquête suruneannéecivile tenant comptede ceséléments.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
30
Figure9:Exempledephasaged'uneenquêtequantitativesuruneannéecivile
3/Revuedelittérature,définitiondesconstruitsetdumodèle
Cette étape permet de cerner les thématiques qui seront adressées dans l’enquête. Lesmodèlesthéoriquespermettentd’identifierdesfacteurspermettantd’élaborerdesquestionsquiformerontlesconstruitsfinaux.Unconstruitcorrespondàunconcept,c’estàdireuneidéegénérale,abstraite,ayantune signification, qui dans le cas présent peut être qualifiée à partir d’évènements ou d’objetsobservables. Ces construits associés entre eux forment un modèle, qui permet de produire unereprésentationsimplifiéed’unphénomèneetdesaréalité,dereprésenterlefonctionnementréeldesfaits ou de donner une vision logique de tout savoir. Les modèles peuvent être issus de travauxantérieurs : une phase de revue de la littérature est alors nécessaire afin d’identifier lesmodèlescorrespondantaumieuxauxobjectifsdel’étude,lecaséchéant.LeTableau6donneunexemplededéclinaison d’un construit en facteurs et en questions dans le cadre du modèle de Fichman citéprécédemment.
Construit Facteurs Questions(d’accord/pasd’accord)
Innovation potentield'adoption
Profitabilité Lamaitrisedesoutilsnumériquesaméliorel'employabilitédesétudiants
Profitabilité Lenumériquefacilitelesrelationsaveclesentreprises
Profitabilité Lenumériquepermetdetrouverunemploiplusaisémentpournosétudiants
Coûts Le numérique permet de pallier le manque de moyens (ressources financières,postes,nombred’heuresd’enseignement,etc.)
Complexité J’adoptefacilementlesévolutionsnumériquessiellesnesontpastropcomplexesàmettreenœuvre
Observabilité J’adopte facilement les évolutions numériques si elles me sont présentées ensituationopérationnelle(démonstration,présentationinformelle,etc.)
Evaluabilité J’adoptefacilementlesévolutionsnumériquessiellesmesontréellementutiles
Tableau6:Exempledeconstruit
LaFigure10présenteci-dessousunexempledemodèletrèsutilisépourl’étudedel’acceptationdestechnologiesdanslesorganisations.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
31
Figure10:Exempledemodèle-ModèleTAMTechnologyAcceptanceModel-DAVISetAL.1989
4/Elaborationduquestionnaire
Unefoislesfacteursàmesureridentifiés,ilconvientd’yfairecorrespondreuneouplusieursquestions.Achaquequestioncorrespondunensemblederéponsespossibles,surlemodèled’unQuestionnaireàChoixMultiple(QCM).Cettemodalitédel’enquêtepermetdes’assurerdel’uniformitédesréponsesà des fins d’analyses quantitatives. Elle s’oppose ainsi à l’approche qualitative qui supposerait delaisserlerépondants’exprimerensesproprestermes,permettantd’aboutiràdesréponsesd’uneplusgranderichessesémantiquemaispeucomparablesentreellesetcomplexesàanalyser,dumoinsentermesquantitatifs.
Cette étapepeut être réalisée sous la formed’un tableau faisant figurer lesquestionspar typeetl’échelledemesurecorrespondante(voirTableau7ci-dessous).
Questions Echelle Typed’échelle
Variables de contrôle : activité, âge,genre,discipline,etc.
Multiplesetadaptéesàchaquequestions:H/F,catégoriesA/B/C,Enseignant/BIATSS,Formateur/Nonformateur,classed’âge,etc.
Nominale
Fréquence d’usage d’un servicenumérique
TouslesjoursAumoinsunefoisparsemaineMoinsd’unefoisparsemaineJamais
Sémantique→Métrique
Adoption d’une innovation ou d’unenouvellepratiqueprofessionnelle
Depuisplusde6moisDepuismoinsde6moisPrévudansles6prochainsmoisPrévudansplusde6moisPasprévu
Sémantique→Métrique
OuiNon
Sémantique→Nominale
Représentations des acteurs sur lenumériquedanslasociété
Pasdutoutd’accordPlutôtpasd’accordNid’accordnipasd’accordPlutôtd’accordToutàfaitd’accord
Likert→Métrique
Tableau7:Exempledelistedequestionsetéchellescorrespondantes
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
32
Lechoixd’uneéchellederéponseconditionnelafinessedesrésultatsobtenusparlasuite.Ainsi,lefaitdemesurerl’adoptiond’unepratiquesuruneéchelledutype«Depuisplusde6mois/Depuismoinsde 6mois / Prévu dans les 6 prochainsmois… » permet d’avoir des détails sur les intentions desrépondants,cequenepermetpasl’échelle«Oui/Non».Cependant,lapremièreéchelledemanderaplusderéflexionaurépondantetpeutledécouragerdecompléterlequestionnaire.Ils’agitalorsdetrouverunéquilibreentreprécisiondesréponsesetlisibilitépourlesrépondants.
5/Saisieduquestionnaire
Unefoislequestionnairedéfinisousformedetableau,l’étapedesaisiepermetdeleformaterpourunediffusionlapluslargepossibleetfacilitantlerecueiletl’analysedesdonnées.DesoutilstelsqueLimesurvey permettent de saisir et gérer des questionnaires au sein d’interfacesWeb. Ces outilsproposentnotamment:
• Uneinterfacedesaisied’unquestionnairepargroupesdequestions,• Desfonctionnalitésdegestiondeplusieursquestionnairesetdeleursétatsrespectifs(inactif,
actif,expiré,etc.),• Uneinterfacedemiseenpageduquestionnaire(àl’aidedethèmespersonnalisables),• Lacréationdelienspublicsverslequestionnaireàdiffuserauprèsdesusagers,• Lagestiond’invitationspermettantdecontrôlerl’accèsauquestionnaire,• Lavisualisationetl’exportdesréponsesdansplusieursformats,• Lagénérationderapportsautomatiques.
Ladifficultédel’étapedesaisiedépenddirectementdunombredequestionsdel’enquête.Danslecas d’une enquête « volumineuse », on veillera donc à répartir les questions au sein de groupeséquilibrés(pouvantcorrespondreounonàdesconstruits).Ungroupecorrespondraalorsàunepageduquestionnairedupoint de vuedu répondant.Unebarred’avancementpermet à cedernier devisualiserapproximativement laquantitédequestionsrestantàrempliret letempsrequispourcefaire(Figure11).Delamêmefaçon,l’utilisationdejeuxd’étiquettesréutilisablespermetdenesaisirqu’uneseulefoisdesmodalitésderéponses,danslecasd’unnombreimportantdequestionsutilisantlamêmeéchellederéponses(voirFigure12).
Figure11:InterfacedeLimesurvey-aperçuduquestionnaireetbarredeprogression
Figure12:InterfacedeLimesurvey-exempledejeud'étiquettesréutilisable
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
33
6/Validationduquestionnaire
Lequestionnairefinalisépeutêtreouvertsurunecourtepériodeafinderéaliserdestestsauprèsd’unpetitgroupederépondants.Cestestspeuventêtreréaliséslorsd’uneséancedetravailsursite,afind’observerlecomportementetlesréactionsdesrépondants,etrecueillirleursretoursentempsréel.Cetteétapepeutmettreenévidencedeslabelspeuclairs,desincohérencesdansl’interprétationdesréponses, des coquilles, des problèmes de mise en page ou de formatage du questionnaire, deformulation ou de lourdeur pouvant rebuter le public ciblé. Une fois ces problèmes corrigés, unenouvelle versionduquestionnaire est produite, validéepar les testeurs, et prête à êtrediffusée àgrandeéchelle.
7/Campagnedecollecte
Lacampagnedecollectedesdonnéespeuts’opérerautraversdedifférentscanauxdecommunication:
• Envoid’e-mailsrégulier(unàl’ouverturedelacampagne,puisunefoisparsemainejusqu’àlafin de la campagne) sur les listes de diffusion : ensemble des personnels, ensemble desétudiants,directeursdecomposantesetdelaboratoires,comitésdunumérique,etc.,
• Affichessurlecampus,avecunQR-codemenantauquestionnaire,• Relaiparlesenseignantsauprèsdesétudiantsdansleursséancesdecours,• Autre, en fonction des publics cibles à atteindre (réseaux sociaux, réseaux nationaux
spécialisés,etc.).
L’organisation de concours, avec lots à gagner par tirage au sort, peut constituer unemotivationsupplémentairepourlespublicsciblés.Elledemandeunechargedetravailsupplémentaireàl’équipeprojet(élaborationd’unrèglement,organisationdutirageausort,consultationduservicejuridique,collected’identifiantssuiteàlavalidationdesréponsespourletirageausort)maispermetd’accroîtresensiblementlenombrederéponses,surtoutfaceàl’effortrequispourremplirconsciencieusementunquestionnairevolumineux.
Lesuividesdonnéescollectéespeuts’opérerdèslespremièresactionsdecommunicationautourduquestionnaire, et tout au long de la campagne de collecte. L’objectif est multiple : sauvegarderrégulièrement une version du fichier de réponses, et s’assurer de la quantité et de la qualité desdonnéesaucoursdutemps.Surcedernierpoint,onvérifieraqueleformatdesréponsesdonnéescorrespondbien à cequi est attendu (en vuede l’étaped’analyse), que lesquotas sont respectés(absencedesurreprésentationoudesous-représentationd’unepopulationenparticulier),etquelesdonnéesrestentcohérentes(pasderéponsesaléatoires,dedoublons,etc.).Cesuivipermetd’adapterlacampagnedecommunicationen fonctiondesretoursdesrépondants :ciblaged’unepopulationsous-représentée,précisionssurlaprocédured’enquête,etc.
8/Clôturedelacollecte
La clôture de la collecte des données peut s’accompagner d’un message de remerciements à lacommunautéayantparticipéetdel’annoncedelapublicationprochainedesrésultats.Elledonnesuiteégalement aux premières analyses des données collectées. La plupart des outils de sondagepermettentdegénérerdesstatistiquesdescriptivessimplesetdesgraphiquessousformederapportsauto-générés.Cesdernierspermettentdevisualiserrapidementlesrésultats«bruts»pourchacunedesquestionsdel’enquête,etd’inférerdéjàcertainsrésultatsdel’étude.
9/Analysedesdonnées
L’analysedétailléedesdonnéessefaitàl’aided’outilsspécialisés(SPSS,R,etc.).Lapartie5.1.3expliciteuneméthoded’analysequantitative fondée sur l’élaborationde construits et l’étudedes relationsentrecesderniers,envuedelavérificationd’hypothèsessuruneproblématiquedonnée.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
34
10/Créationdeslivrablesetdiffusiondesrésultats
Cetteétapeapourobjectiflaréalisationdelivrablessousformedepublicationsdedifférentstypes.Cesderniersserventdesupportpourladiffusiondesrésultatsobtenusauprèsdespublicsciblés.
Onpeutdistinguertroistypesdepublications:
• Lessupportsdecommunication,destinésàêtrediffusésàtous lespublicsàgrandeéchelleafin de communiquer les principaux résultats de l’étude et ses impacts auprès de lacommunautédel’ESR,
• Lessupportsderéflexionstratégique,destinésauxéquipesdegouvernancedel’ESR,• Les supports de recherche, destinés aux communautés de chercheurs s’intéressant aux
thématiquesliéesàl’étuderéalisée.
LeTableau8ci-dessoussynthétiselesdifférentslivrablesquipeuventêtreproduitsenfonctiondecestroispublics.
Publication Cible Format Catégorie Usage
ArticlesiteWeb
tous numérique supportdecommunication
synthèseillustréedesprincipauxrésultats,liensverslesautrespublicationsetressources
Tweet tous numérique supportdecommunication
annoncedeladisponibilitédesrésultats,promotiondesrésultatssurlesréseauxsociaux
Brochure tous numérique+papier
supportdecommunication
synthèseillustréedesprincipauxrésultats,distributiond’exemplairesauxacteursintéressésparl’étude(exemple:danslesinstances),miseàdispositionsurlesstands,supportdeprésentationdesrésultatsàl’oral
Tableaudebordinteractifenligne
tous numérique supportdecommunication+outild’explorationetd’analyse
explorationinteractivedesrésultats(filtresdéfinisparlesusagers),constructiond’indicateurspersonnalisés,réutilisabilitédesdonnées
Rapport équipesdegouvernance,groupesd’experts
numérique+papier
rapportd’étude consultationdesrésultatsdétaillésdel’étude,priseencomptedesrecommandationspourl’élaborationd’axesstratégiques,deprojets,oud’actionsàdifférenteséchelles(locales,nationales,internationales)
Articlederecherche
chercheurs numérique+papier
publicationscientifique
évaluationdelapertinencedelaquestionderecherche,del’approcheméthodologique,desanalysesmenées,desconclusionsdel’étude,exploitationdesrésultatsdanslaréalisationdeprojetsderecherche
FichierdedonnéesOpenData
chercheurs numérique publicationscientifique+outild’explorationetd’analyse
constructiond’indicateurspersonnalisés,réutilisabilitédesdonnées
Tableau8:Supportsdepublicationderésultatsd'enquêtes
Unediffusiondanslesdifférentesinstancesdel’établissementpermetdecommuniquerlesrésultatsdel’étudeauprèsdel’ensembledesresponsablesdupilotagedecedernier,etdelessensibiliserauxdifférentesconclusionsdel’étudequipeuventéclairerlesfuturesorientationsstratégiques,projetsetactionsdel’établissement.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
35
Ladiffusionsurdesportailsnationauxtelsquesup-numerique.gouv.froffreunevisibilitéaccrueauxtravaux envisagés, ainsi que la participation à des ateliers, séminaires et colloques nationaux ouinternationaux(QPES,ORPHEE-RDV,événementsMENESR,etc.).
5.1.3. Analyserlesdonnéesquantitativesa) Analyserlesdonnéesissuesd’enquêtesquantitatives
1/Importetcodagedesdonnées
Les données récoltées via le questionnaire doivent tout d’abord être importées dans le logicield’analysechoisi(SPSS,R,SphinxIQ,Tanagra,etc.).Diversformatsdedonnéespeuventêtreimportésdanscesoutils:CSV,DAT,XLS,etc.Lesdonnéessontalorsgénéralementstructuréesdelamanièresuivante : les lignes représentent les individus, et les colonnes des variables correspondant auxquestions (à l’exceptionde lacolonne« identifiant»,généralementattribuéautomatiquementparl’outildequestionnaire,voirTableau9).
id âge statut societenum_1 societenum_2
1 30 BIATSS pasdutoutd’accord plutôtd’accord
2 53 EC plutôtd’accord toutàfaitd’accord
3 41 EC plutôtpasd’accord toutàfaitd’accord
Tableau9:Exempledetableaudedonnéesissud'uneenquêtequantitative
Certaines analyses requièrent des variables numériques : un codage des variables qualitativesordinalespeutalorsêtrenécessaire.Laplupartdeslogicielsdisposentdefonctionnalitéspermettantd’automatisercetteopérationendéfinissantleschémadecorrespondanceaupréalable.OnobtientalorsleTableau10ci-dessous.Ceschémadecorrespondanceseraégalementutilisédanslesautresexemplesprésentésdanscettepartie.
id âge statut societenum_1 societenum_2
1 30 BIATSS 1 4
2 53 EC 4 5
3 41 EC 2 5
Tableau10:Exemplederecodagedevariablesqualitatives
Codagedesvariablesqualitativesordinalesdetype«échelle
d’accord»
1=pasdutoutd'accord
2=plutôtpasd'accord
3=nid'accordnipasd'accord
4=plutôtd'accord
5=toutàfaitd'accord
Exempledemiseenœuvreàl’OBSUNdel’UniversitédeLaRéunion
L’OBSUNdel’UniversitédeLaRéunionaréaliséenjuin2016uneenquêtevisantàétudierlesreprésentationsdesacteursdelacommunautéuniversitaireàl’èredunumérique.Ladémarcheet les résultats de cetteétude sont décrit dans un article publié sur le siteWebde l’OBSUN(Porlier,Sébastien,&Tang-Taye,2016).
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
36
Parailleurs,uncodageassociantdesvaleursnégativesàcertainesmodalitésderéponsepermet lacréationdegraphiquesplusexplicitesdanscertainessituations.Ainsi,laFigure13ci-dessousdonneun exemple de visualisation d’un indicateur synthétique de la fréquence d’usage de servicesnumériques d’une université. L’absence d’utilisation est pondérée négativement, alors qu’uneutilisationfréquenteestpondéréetrèspositivement.Unemoyennedesscoresobtenussurl’ensembledesrépondantsestensuitecalculéepourchacundesservicesnumériques.Cetteméthodepeutêtreappliquéeàd’autreséchelles(satisfaction,attentes,etc.).
Figure13:Indicateursynthétiquedelafréquenced’usagedeservicesnumériques
2/Généreretétudierlesstatistiquesdescriptives
Les statistiques descriptives permettent d’obtenir assez simplement une vue d’ensemble del’informationrecueillievialequestionnaire.Ellespermettentnotammentdedécrirel’échantillondesrépondants selon différents critères prédéfinis : proportion d’enseignants et personnels BIATSS,répartitionparcatégories,disciplineétudiée,niveau,genre,etc.Lacomparaisondecesdonnéesauxcaractéristiquesdelapopulationglobalepermetdevérifierlerespectounondesquotas.LeTableau11donneunexempledecomparaisondelastructured’unéchantillonderépondantsparrapportàlapopulation globale des personnels de l’Université de La Réunion. Ce dernier met en évidence lasurreprésentationdespersonnelsBIATSSparrapportauxenseignantsdansl’échantillon,quidevraêtrepriseencomptedansl’interprétationdesrésultatsdel’étude.
Echantillon Populationglobale DifférenceEch/Pop.globale
Nombredepersonnels 183 1052 -
Enseignants 27,4% 47,1% -19,7%
BIATSS+Divers 72,7% 48,2% +24,5%
Hommes 43,8% 48,2% -4,4%
Femmes 46,5% 47,1% -0,60%
CatA 56,8% 68,74% -11,94%
CatB 20,8% 12,57% +8,23%
CatC 8,7% 18,69% -9,99%
Tableau11:Différencesdestructureentreéchantillonderépondantsetpopulation
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
37
Lapyramidedesâgespermetdevisualiserdefaçonintuitivelarépartitiondel’échantillonenfonctiondeclassed’âgeetdugenre.LaFigure14présenteunexempled’unetellepyramide.Uneétapederecodage, tellequ’explicitéeprécédemment,permetd’associerautomatiquementuneclassed’âgeprédéfinieàtoutnombreentierreprésentantl’âged’unepersonne.
Figure14:Exempledepyramidedesâges
Lesdifférentesvariablespeuventêtreétudiéesenfonctiondeleurtype:qualitativesouquantitatives.Lesvariablesqualitativesdonnerontgénéralementlieuàdestableauxd’effectifsetdefréquences,ouàdestableauxdecontingencepermettantd’oresetdéjàd’associerdeuxvariables(exemples:Figure15etFigure16).Lesvariablesquantitativesdonnerontlieuàdescalculsdemoyennes,médianesetécart-types(exemple:Figure17).Encasd’écart-typeimportant,lecalculdelamédianeprévaudrasurlecalculdelamoyenne,afindebienconsidérerl’hétérogénéitédel’échantillonsurlavariableétudiée.La représentation des valeurs calculées sous forme de graphiques, à l’instar des traditionnelsdiagrammesenbâtons,facilitentlalecturedesrésultatsetl’identificationdetendancesauseindesdonnées récoltées. Si deshypothèsesontétéposées, les statistiquesdescriptivespermettentdéjàd’inféreruncertainnombrederésultats.Enparticulier,destestsstatistiquestelsqueleKhi2peuventmettreenévidencel’indépendancededeuxvariablesqualitatives.
Figure15:Tableaud'effectifsparmodalitéderéponse
Figure16:Tableaud'effectifsparmodalitéderéponseetclassed'âge
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
38
Figure17:Diagrammeenbâtons-moyennedesscoresobtenusparquestion
3/Créerdesconstruits
Lesétudesfondéessurunmodèlerequièrentdedéfinirdesconstruitscorrespondantsauxdifférentsconceptsdecemodèle(voirpartie5.1.2).Leconstruitconsistealorsenunenouvellevariablerésumantunensembledeplusieursvariablesquitraduisentlesfacteursétudiésvialequestionnaire.Cependant,cesvariablesdoiventêtrecohérentesentreellesafinqueleconstruitfinalsoitunindicateurfiableduconceptétudié.
Pourcefaire,onvérifietoutd’abordquechacunedesvariablessuituneloinormaleàl’aided’untestde normalité. En effet, une distribution globalement homogène de chacune des variables estnécessaireàl’exécutiondelaplupartdestestsdecohérence.Diverstestspermettentd’identifierunevariable«non-normale»,telsqueletestdeShapiro-Wilk.
Onréaliseensuitelecalculdel’alphadeCronbachsurl’ensembledesvariablesconcernées.Cetindicemesure la fiabilité du futur construit en estimant la corrélation entre les différentes variables lecomposant:pluscettecorrélationestforte,etplusleconstruitseracohérent.UnalphadeCronbachsupérieurouégalà0,7estconsidérécommeacceptable.Unenouvellevariablepeutalorsêtredéfiniepourreprésenterleconstruit,parexemplesouslaformed’unemoyennedel’ensembledesvariablesle composant. LeTableau12ci-dessousdonne l’exemplede trois construitsatteignantdesvaleursd’alpha distinctes. Les construits SOCIETE et FORMATION dépassent le seuil de 0,7, mais pas leconstruitECONOMIEoùlesréponsesontétépeuhomogènesd’unequestionàl’autrepourunmêmeindividu.
Construit AlphadeCronbach Variables Textedelaquestion
SOCIETE 0,814
OBSUNSOCIETETAB_1 Lasociétécontemporaineestnumérique
OBSUNSOCIETETAB_2 Lesmodèlessociétauxchangentaveclenumérique
OBSUNSOCIETETAB_3 Lamondialisationsedéveloppeaveclenumérique
OBSUNSOCIETETAB_4 Noslibertéssontimpactéesparlenumérique
OBSUNSOCIETETAB_5 Lenumériqueaccélèrel’évolutiondelasociété
Lenumériquepermet…
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
39
FORMATION 0,751
OBSUNSOCIETETAB_6 Lenumériqueestd’usagegénéraliséàl’université
OBSUNSOCIETETAB_7 laformationuniversitairevituneévolutionmajeureaveclenumérique
OBSUNSOCIETETAB_8 Le numérique comme support à la pédagogie estlargementdéveloppédanslesuniversités
OBSUNSOCIETETAB_9 Apprendre avec le numérique est une pratique trèscouranteaujourd’hui
OBSUNSOCIETETAB_10 Enseigner avec le numérique est une pratique trèscouranteaujourd’hui
ECONOMIE 0,629
OBSUNSOCIETETAB_11 Le numérique est une révolution favorable au progrèséconomiquedelasociété
OBSUNSOCIETETAB_12 Les modèles économiques sont en évolution avec lenumérique
OBSUNSOCIETETAB_13 Aveclenumérique,laformationdevientunemarchandise
OBSUNSOCIETETAB_14 L’offredeformationestsurunmarchéinternationalaveclenumérique
OBSUNSOCIETETAB_15 L’université va s’ubériser comme d’autres secteurs del’économie
Tableau12:FiabilitédesconstruitsSOCIETE,FORMATIONetECONOMIE
En cas d’alpha inférieur au seuil, on peut supposer que le construit comporte en fait plusieursdimensions.Celapeutégalementêtredûàuneinversiondel’échelledesréponses(àcorrigeràl’étapede codage des variables), ou bien à une incompréhension d’une question par une partie del’échantillondesrépondants,outoutsimplementàunensembledequestionstrophétérogènepourformerunconstruit(exemple:variablesdecontrôleendébutdequestionnaire).
UneAnalyseenComposantesPrincipales(ACP)permetalorsdevisualiserlesdifférentesdimensionsprésentes au sein du construit, et d’épurer l’instrument de mesure si nécessaire. L’ACP est uneméthodegéométriquepermettantderéduirelenombrededimensionsd’unensembledevariablesoud’individus,afind’étudierlesdistancesquilesséparent.Pourcefaire,l’ACPdéfinitunespacedeprojection«optimal»desindividusouvariables,minimisant laperted’information.Lesaxesdecenouvel espace sont appelés « axes principaux », et les nouvelles coordonnées des individus ouvariablesdanscetespace, les«composantesprincipales».LaFigure18représenteuneprojectiongraphiquedesvariablesduconstruitECONOMIEétudiédans leTableau12dansunespaceàdeuxdimensions. On constate que les deux dimensions ainsi définies isolent bien les variablesOBSUNSOCIETETAB_13etOBSUNSOCIETETAB_15parrapportaurestedesconstituantsduconstruitECONOMIE.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
40
Figure18:ProjectiongraphiquedesvariablesduconstruitECONOMIEselonles2premiers
axesdel'ACP
Lastratégied’améliorationdel’alphapeutconsisterenlapriseencomptedesseulesvariablesayantlepluscontribuéàlacomposante1,oubienensaredéfinitionsurunéchantillondepopulationplusrestreintetplushomogène(exemple:lespersonnelsâgésdemoinsde45ans,lespersonnelsdonnantdesformations,etc.).
4/Étudierlesliensentreconstruitsetvaliderdeshypothèses
Unefoislesconstruitsdumodèled’étudebiendéfinis,ilconvientd’étudierlesliensquiexistententreeux,afind’infirmeroudeconfirmerleshypothèsesposéesaupréalable.
Onconsidèreparexemplel’hypothèsed’étudesuivante:
H:Lesreprésentationsdesacteurssurlenumériquedanslasociétéinfluencentsignificativementleurmotivationàadopterlesinnovationsnumériquesdansleuractivitéprofessionnelle.
DiverstestspermettentdemesurerlesliensentrelesconstruitsSOCIETEetMOTIVATION.Lapluparts’appuiesurlaformulationd’unehypothèsenulle.Cettedernière,souventnotéeH0,estuneassertionsupposantl’inexistenced’unerelationsignificativeentredeuxvariables,c’estàdiredeuxdistributionstotalementindépendantespourcesvariables.L’objectifdestestsseraalorsderejetercettehypothèseencalculantlaprobabilitép(souventnotéep-value)quel’hypothèseH0soitvérifiée.
Apartirdel’hypothèseH,ondéfinitdoncl’hypothèseH0ci-dessous:
H0:Iln’existepasderelationsignificativeentrelesconstruitsSOCIETEetMOTIVATION.
Unevisualisationdesdeuxconstruitssousformedenuagedepointspermetdéjàd’inférerunepossiblerelation.LaFigure19superposeaunuageunedroitede régression linéaire indiquantunepossiblerelationpositivelinéaireentrelesdeuxconstruits.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
41
Figure19:NuagedepointsSOCIETE/MOTIVATION
OncalculeensuitelecoefficientdecorrélationdePearsonafindeconfirmercettetendanceetainsirejeterH0.Ce coefficientmesure la covariancedesdeux construits, rapportéeauproduit de leursécarts-types. D’autresméthodes existent pour estimer d’une part la relation entre deux variablesqualitatives(testduKhi2),etd’autrespartsentreunevariablequalitativeetunevariablequantitative(ANOVA).LaFigure20ci-dessousdonnelerésultatdutestdecorrélation:lecoefficientobtenuestde0,446.Pluslecoefficientestprochede1(ou-1danslecasd’unetendancenégative),etpluslarelationestforte.Lap-valueestde0(notéeSig.surlafigure),cequipermetderejeterH0etd’établirqu’ilyabienunerelationsignificativeentrelesdeuxconstruits.
Figure20:RésultatducalculducoefficientdecorrélationdePearsonentrelesconstruits
SOCIETEetMOTIVATION
Cependant,ondisposedepeud’informationsurlanaturedelarelationexistante,sinonqu’ellepeutêtrelinéaire.Lecoefficientdecorrélationprésenteeneffetdeuxlimites:ilnemetenévidencequedesrelationslinéaires(d’autresrelationspeuventexisterentredeuxvariables:paraboles,hyperboles,sinusoïdes,etc.),etiln’indiqueparlesensdelarelationencasderelationlinéaireavérée.Ainsi,unefortecorrélationentredeuxvariablesnepermetpasd’aboutiràunerelationdecauseàeffet:lesdeuxvariablespeuventtoutàfaitévoluerensemblesousl’effetd’unecausecommunenonpriseencomptedansl’étude.
Cette ambiguïté peut être levée en réalisant une régression linéaire distinguant une variableindépendanteetunevariabledépendante. Lavariable indépendanteest supposéevarier sansêtreinfluencéeparlesautresparamètresdel’expérimentation.Ainsi,dansnotreexemple,onconsidèrequelesreprésentationsdesindividussurlenumériquedanslasociétésontunecaractéristiquedeces
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
42
derniers(telsqueleurâgeouleurgenre),surlaquellelamotivationàadopterounonunetechnologien’a aucune influence. La régression linéaire consiste en la recherche de l’équation d’une droitepermettant de prédire les valeurs prises par la variable dépendante en fonction de la variableindépendante.CetteéquationestreprésentéesurlaFigure19.LarégressionlinéaireréaliséeénoncedoncqueMOTIVATION=SOCIETE*0,45+1,64.LeR2estlecarréducoefficientdecorrélation.Ilpeutêtreinterprétécommelepourcentagedevarianceexpliquéparlarégression.Surnotreexemple,onconstatedoncqueseuls20%de lavarianceduconstruitSOCIETEexplique lavarianceduconstruitMOTIVATION. Une régression linéaire multiple, c’est à dire exploitant plusieurs variablesindépendantes, permet d’améliorer ce résultat. Ainsi, l’introduction des construits FORMATION etECONOMIEdansl’équationpermettentdepasseràunR2de27%.
5/Synthèse
Bien d’autres analyses sont possibles sur les données d’enquêtes quantitatives. On compte parexemple l’analyse de tableaux croisés de variables qualitatives, les analyses longitudinales(échantillonsdepersonnesinterrogéesplusieursfoissuccessivementaucoursdutemps),ouencorel’analysedesouséchantillons(casdespersonnesappartenantàcertainesclasses:âge,statut,etc.).Lesanalysesretenuesdépendrontdesobjectifsdel’étudemenéeetdeshypothèsesàvérifier.Chaqueétapede l’analyse sera documentée (objectif, variables en jeu, paramètres, résultats, graphiques),notamment afin de produire les livrables décrits dans l’étape 10 de la démarche d’enquêtequantitativedécritedanslapartie5.1.2.b) Analyserlesdonnéesdesentrepôts
Lesentrepôtsdedonnéespeuventfairel’objetd’analysesspécifiquessurdesvolumesdedonnéestrèsimportants.Onparle alors de fouille dedonnées (oudatamining). Sonobjectif est l’extractiondeconnaissances non triviales à partir des données (ECD). Dans notre cadre, les connaissances sontextraitesàpartirdestracesd’utilisationdesservicesnumériques(voirpartie5.1.1surlaconstructiondel’entrepôtdedonnéesd’unOBSUN).Cesconnaissancespeuventconcernerparexemple:
• Lamodélisationdel’usagedesservicesnumériquesdel’établissementenfonctionduprofil(étudiant,personnel,faculté,etc.),
• La recommandation automatique de ressources pédagogiques numériques en fonction del’usaged’uneplateformepédagogique(Roussanaly,2014),
• Laprédictiondelaréussitedesétudiantsenfonctiondedifférentscritères(Dietz-Uhler,2013).
Dansledomainedessciencesdel’éducationetdel’informatique,lesLearningAnalyticsexploitentlesalgorithmesdedataminingafindecomprendreetd’optimiserl’apprentissageetlesenvironnementsdans lesquels il se produit (Seclier, 2017). L’analyse des traces d’utilisation des plateformespédagogiquesconstitueleprincipalmoyenpouratteindrecetobjectif(exemple:(Casey,2010)).Danscecontexte,leprojetANRHUBBLEapermislacréationd’unobservatoirenationalpourlaconstructionet le partage de processus d’analyse de données massives, issues des traces laissées dans desenvironnementsdetypee-learning(Luengo,2017).c) Analysequantitativededonnéestextuelles
Les données textuelles issues d’entretiens ou de verbatim peuvent également être analysées demanièrequantitative.Cetteanalysepeutfaciliterladémarchequalitative(voirpartie5.2),notammentsur les corpus volumineux, en générant automatiquement des synthèses des principaux conceptsabordés. LaméthodologieAlcesteproposeainside constituerdes classesde sensenanalysant lessegmentsducorpusetlesformesdemotsquilescomposent.Desoutilstelsquelelogicielopen-sourceIramuteq (Figure 21) permettent demettre enœuvre cesméthodologies dans un environnementadapté,facilitantlaréalisationdesdifférentesétapesrequises:préparationducorpus,dudictionnaire,distinctionentreformesactivesetformessupplémentaires,choixdel’analyse,paramétrage,créationdesgraphiques.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
43
Figure21:NuagedeconceptsgénéréparlelogicielIramuteq
Danslecasd’uneanalysed’entretiensvidéoouaudio,uneétapedetranscriptionpeutêtrenécessaire.Les outils d’aide à la transcription, tels que oTranscribe, sont nombreux et proposent diversesfonctionnalitéspourfacilitercettetâcheautantquepossible:ralentidumédia,raccourcisclavierpourreculer ou avancer le média, insérer des timecodes, etc. Les méthodes qualitatives requièrentgénéralementunepremièrephased’analysedèslatranscriptiondumédia.
5.2. Approchesqualitatives
5.2.1. ContextualisationLes approches qualitatives sont multiples. Elles consistent à se positionner au plus près du sujetd’étude, dans une perspective sociologique ou anthropologique par exemple. Quelques soient lesdomaines disciplinaires (l’histoire, la gestion, la sociologie ou les sciences politiques) elles visent àobserver,agir,êtreeninteractionaveclesacteursduterraind’étude,pourtenterdecomprendreetdetrouverdesréponsesausujetderecherchequipréoccupelechercheuroulepraticienenphaseréflexivesursonactivité.
DifférentesméthodessontutiliséesetrécapituléesdansleTableau13ci-dessous:
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
44
Phénoménologie S’intéresseàl’expériencedespersonnes,àlacompréhensiondesphénomènes
Etudedecas C’est une étude approfondie d’un sujet, d’un groupe ou d’une personne, une investigationcompréhensive
Ethnographie Lechercheurestenimmersionaucœurdusujetd’étudedanssoncontextenaturel,cultureletsocial
Biographie Étudecompréhensiveduparcoursdevie
ThéorieAncréeougroundedtheory
Méthodeinductivepermettantdeconstruirelathéorieàpartirdesdonnéesrecueillies.C’estunprocessusd’abstractionsansprésupposéthéoriquedanssonapprochepuriste
Netnographie Étuded’unecommunautévirtuelleàpartirdesélémentsdecommunicationrecueillisenligne
Tableau13:Quelquesexemplesdeméthodesqualitatives
Différentsprotocolessontpossiblespourlamiseenœuvredecesméthodes:
• Observationsdirectesouparticipantes,• Entretiensdirectifs,semi-directifs,informels,• Lesrécitsdevie,depratique,• Analysededocuments,d’archives,decomptesrendus,articlesdejournaux,• Analysedephotos,defilms,d’artefactsphysiques.
L’approche inductivepropreà la recherchequalitativeoucompréhensivepeutsemblerdéroutantedansunpremiertemps:paroùcommencer?faut-ilunminimumdecadragethéoriqueou,commelevoudraitlathéorisationancréepure,faut-ils’abstrairedetoutcadragethéoriqueafinqueserévèlelathéorie,lamodélisation,qu’elleémergedel’analysedumatériauétudié?
CommelepréciseHervéDumez:«Laquestionducommencementcristallisequasimentl’ensembledesquestions que soulève la recherche de type qualitatif, pratiques, théoriques, méthodologiques(épistémologiquesmêmes,peut-être)»(Dumez,2016).
Le processus séquentiel, revue de littérature, méthodologie, recueil des données et analyse desdonnéesne s’appliquepasoupeuà la recherchequalitative. Sanaturemêmed’arrimageàunouplusieursterrainsimposeuneapprocheancrée,opportuniste,faitesd’alleretderetouroùmêmelaquestionderecherchepeutévolueraugrédelaprogressiondel’étude.Lathéorisationelle-mêmeestsouventmalfixée,HervéDumezparlededynamiqueprocédantparbouclesde«déduction,induction,abduction».Lechercheurpassedel’observationempiriqueàlathéorie,ilopèredesallersetretours,ilélargitsonchampdecompréhensionenappréhendantlamulti-dimensionnalitécompréhensivequeportentlesthéoriesetlesphénomènesempiriques.
Larecherchequalitativetravaillesurunmatériauriche,multiple,hétérogène.Ainsi,lematériaupeutêtre constituéd’observationsdirectesouparticipantes, d’entretiens, dedocuments, d’archives, decomptesrendus,articlesdejournaux,dephotos,defilms,d’artefactsphysiques.Lematériauestparailleurslacunairetantilestmultiple,cequiparessenceempêchederépondreàtouteslesquestionsdemanièresatisfaisante.Lematériaudoitautantquepossibleêtreordonné,sérialisé,afinquedesrecoupementsentreséries,partriangulation,permettentdeconfirmerlesrésultatsobtenus.
Larecherchequalitativeestavanttoutunerecherchecompréhensive,quidonneàvoir,décrit,narre.Elleanalyselesacteursagissant,pensantetinteragissant,elleexplorelesensdujeusocialdanslequelelles’immerge.Elledoitprendregardeauxrisquesqu’ellerencontreradanssadémarcheenparticulierle risque de circularité qui consiste à attribuer au matériau les éléments de théorisations quiconstituentlecadrethéoriquedel’étude,cequepermetd’éviterlathéorisationancrée.L’autrerisqueestlerisquedeméconnaissanceduphénomèned’équifinalitédéfiniparBertalanffyen1973etcitépar Hervé Dumez (Dumez, 2016) : « Le même état final peut être atteint à partir d’état initiauxdifférents, par des itinéraires différents ». Il convient donc d’interpréter les phénomènes selon
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
45
différentspointsdevue,depermettrelesanalysesalternatives,defaçonàcequetouteslespistesexplorablesaientétésondées,selonplusieurscadresthéoriquesdifférentsvoirerivaux.
5.2.2. Menerdesentretiens,questionner,donnerdusens
Unedesméthodespropresàl’approcheinductivegénéraleestdemenerdesentretiens.Lesentretienspeuventêtreaussibieninformels,quedirectifsousemi-directifs.Lesquestionsprécisesqueseposele chercheur peuvent être aussi interrogées directement dans la démarche du questionnementanalytique.Laquestionestdoncdedonnerdusensauxdonnéesbrutes,aumatériau.Ilyadeuxfaçonsde donner du sens (Blais, 2006) : l’approche cognitivistequi cherche à comprendre les processuscognitifs en œuvre dans la pensée du sujet et qui donne sens au monde; l’approchephénoménologiquequiviseàcomprendrelesensposéparl’acteursurlemonde.Lesensestconstruitmentalement à partir de l’expérience, de la réalité du vécu sur lequel le sujet construit uneinterprétationaussibienaffectivequecognitive,quiproduitdesreprésentationsnouvellesàpartirdesfaisceauxdereprésentationsdéjàenœuvreetpréexistants.Cettetransformationreprésentationnelleengendreuneévolutionde l’identité de l’acteur. La recherchequalitativedoit extraire le sensdesdonnéesbrutes,audelàdecequ’ellesexprimentaupremierabord(Denzin,2011).
La théorisation ancrée pure part du principe qu’aucun élément de théorisation ne doit affecter leprotocolecompletderecherche,durecueildedonnéesàlathéorisationinduiteparletravaild’analyseportépar lechercheur.Celapeutêtrenuancéparuneapproche«théoriqueancréenuancée»,oùl’impactdesprésupposésthéoriquesestréduitauminimum.
Ilconvientderéaliserunguided’entretienquipermettraderécolterlematériaud’étudeenfonctiondes objectifs de recherche attendus. L’entretien semi-directif est le plus répandu, mais d’autrestechniquesd’entretienexistent.L’entretiensemi-directifconsisteà interrogerlapersonneenayantune écoute active sans jugement, à relancer si besoin pour creuser en fonction des questions quiémergentde la discussion. Le sujet doit être enmesurededévoiler cequ’il a à dire, l’attitudedel’interviewersedoitd’êtrelaplusouvertepossible.
5.2.3. AnalyserlesdonnéesqualitativesLeprinciperetenuestde lancer lesujetselon leguided’entretienprévuetde le laissers’exprimerlibrementenrelançantpourapprofondircertainspoints,l’idéeétantdecreuser,d’obtenirlemaximumd’informationsutilespourl’analyse.Parailleurs,ilestutiledeveilleràexplorerlespointsprévuslorsdel’élaborationduguided’entretien.
L’étapesuivanteconsisteàretranscrirel’entretienintégralement,motspourmots.Lepartiprisretenupeutêtreparailleursdenotifieroupasleshésitations,lessilences.
Lematériauétantrecueilli,transcrit, letravaild’analysepeutalorsdémarrer.Dansl’approchedelathéorieancrée,lathéorisationdoitémergerdumatériau,quidoitêtreabsolumentindépendantdescadres théoriques. Cette approche est dite aussi du codage « pur » et comme nous l’avons vuprécédemment,elledoitpermettred’éviterlerisquedecircularité.Cetteméthodeconsisteàopérerenétapessuccessivesquenousallonsdécrire:
1. Lematériauestdécoupéenunitésdesensquipeuventêtredesparagraphes,desphrases,desexpressionsvoiredesmots;
2. Ils’agitdelaphasediteducodagequiconsisteàassocieràchaqueunitédesensunephrase,quelquesmotsquienexpliquentl’essence;
3. Cette étape a pour objectif de réduire à un mot les éléments de codes, il s’agit de lacatégorisationou«naming»enanglais,c’estunétiquetaged’unecertainefaçon;
4. L’objectifestmaintenantderéduire lescatégoriesenméta-catégoriesdefaçonàréduireàquelquesconceptsclefslesélémentscodés;
5. Vientmaintenantlaphasedemiseenrelationdesconcepts,ladéfinitiondesliensetlanaturedecesrelations.Onconstateàcettephasequelathéorieaémergédumatériauparétapes
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
46
successivescaractéristiquesdel’approcheinductive.Acestade,laconfrontationàlathéoriedelalittératurepeutêtreopérée.
5.2.4. Exemple
Lematériauissudel’entretienestanalyséintégralementenappliquantladémarcheméthodologiqueprésentéedanslechapitreprécédent.Uncertainnombrededifficultéssontàsurmonter:qu’est-cequ’uneunitédesens?peut-ilyavoirdesunitésdesensimbriquées?commentdéfinirlescatégories? quelles limites en termes de nombre de catégories ? Autant de questions qui permettentsuccessivementdedécouvrirtoutelasubtilitédel’artducodagedansl’analysequalitative.
LadémarchedecodagedanslelogicielAtlas.tiprendlaformeprésentéedanslaFigure22ci-dessous.
Figure22:DémarchedecodagesurAtlas.ti
Chaqueélémentreçoitunedéfinition,quecesoientlesunitésdesens,lescodesoulescatégories.Ilssont documentés et commentés avec les réflexions du chercheur de façon à ce que cette phaseapportelesélémentsdeconceptualisationquipermettrontdeproduireunpremiermodèledétaillédesliensentrelescatégoriesetlanaturedecesliens,cequireflèteletravaild’analyseetl’émergencedumodèlethéorique.OnobtientlescodesprésentéssurlaFigure23ci-dessouspourl’analysedecetentretien.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
47
Figure23:CodesobtenusavecAtlas.ti
Unefoislescodesobtenus,ilestpossibled’identifierlescatégoriesconceptualisantesquipermettrontunprocessusd’abstractionetd’éventuellementobtenirunmodèleconceptuelouthéoriqueinduitparl’analyse,etdoncd’apporterdesréponsesauquestionnementanalytiquede la rechercheengagée(Figure24).
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
48
Figure24:Exempledereprésentationdesconceptsenréseauetdeleursliensconceptuels
Cetexempleprésentedefaçonsuccincteunedémarchecomplexevisantàdonnerdusensaumatériauderechercheluimêmecomposite,quipeutêtreconstituéd’entretiens,dedocuments,dedocumentsinstitutionnels,dedonnéesissuesdesréseauxsociaux,dephotographies,devidéos,del’ensembledesressourcesenrichissantl’analyseconceptuellepermettantdesréponsesàunoudesquestionnementsderecherche.Lesoutilsdisponiblesdansledomainedelarecherchequalitativesontnombreux,lesplusutiliséspourl’analysededonnéesqualitativessontleslogicielsNVIVOetATLASTImaisd’autresoutils existent comme QDA Miner, MAXQDA, Hyper RESEARCH, webQDA, XSight, Focuss On,Annotations,f4analyse,Dedoose,Quirkos,Qiqqa,DatagravouSaturate.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
49
6. Rechercheetgouvernancedunumériquedansl’ESR
6.1. Soutenirlesprogrammesderechercheetprojetsinnovants
L’OBSUN produit des connaissances sur les évolutions des usages du numérique, et permet dedévelopper un regard critique sur leur généralisation et leurs conséquences psychosociologiques,organisationnelles, pédagogiquesdans l’enseignement supérieur et la recherche. La productiondeconnaissancessurcesquestions impliquedesoutenirdesprojetsderecherche-développement.Eneffet, lesoutilsetcompétencesmisenœuvreauseinde l’observatoirepermettentauxchercheursd’accéderàdesmassesdedonnées,àdesmesures,desméthodologiesdetraitementsetd’analysesessentiels dans leurs thématiques. Nous donnons ci-dessous quelques exemples de projets derechercheetd’innovationsoutenusàl’OBSUN-UR.
Thème de recherche Disciplines Sources de données
Méthodologie d’analyse
Diffusion des résultats
Analysedesusagesd’uneplateformedetravailcollaboratif:enseignementsupérieurprofessionnalisantVSgénéral(Simon&Sébastien,2016)
Informatique,didactique,sciencesdel’éducation
Tracesd’utilisationd’uneplateformedetravailcollaboratif
Etudestatistique Articlederecherche
Co-constructiondesavoirsenligne:documentspartagésetforumsdediscussion(Ollivier,2015)
Sciencesdel’éducation,langues
Tracesd’utilisationdesforumsdediscussiond’uneplateformepédagogique
Etudestatistique,analysequalitative
Articlederecherche
Etudedel’impactdesreprésentationssurladynamiqueduchangementorganisationnelàl’èredunumérique(Porlier,Sébastien,&Tang-Taye,2016)
Sciencesdegestion,SI,management
Enquêtequantitative Testsstatistiques Articlederecherche,brochure,tableaudebordinteractif
Visualisationdynamiquededonnéesdesimulationsmulti-agentpourlagouvernancederessourcesnaturelles(Gaudieux,Cazal,Grondin,Sébastien,&Courdier,2016)
Informatique,Economie
Résultatsdesimulations
Visualisationdedonnées
Tableaudebordinteractif
Tableau14:Exemplesdeprojetsderecherchesoutenusàl'OBSUN-UR
Nomduprojet Objectifs Typedeprojet Livrables
OBSUN-Tweet
Concevoiretexpérimenterunprotocoledevalorisationviraled’uneressourcepédagogiquenumériquesurlesréseauxsociaux
StagedeMaster2Informatique/Infocom
OutilWebd’aideàlaproductionetàl’analysedetweets
Eval’UNum21
Créerunportaild’auto-évaluationdespolitiquesnumériquesdesétablissementsd’ESR
AppelàManifestationd’Intérêt(AMI)2016delaMissiondelaPédagogieetduNumériquepourl’EnseignementSupérieur(MIPNES)
PortailWebd’auto-évaluation
PERICLES Soutenirunedémarchequalitéetdepersonnalisationdel’enseignement
Programmed’Investissementd’Avenir Systèmed’évaluationdesenseignementsSystèmederecommandationderessourcesdesUniversitésNumériquesThématiques(UNT)
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
50
AGIMUS-NG
Produiredesindicateurssurlesusagesdesplateformesnumériquesdesétablissementsd’ESR
ProjetduconsortiumESUP-Portail Plateformederecueiletdevisualisationdestracesd’utilisationdesplateformesnumériques
Tableau15:Exemplesdeprojetsd'innovationsoutenusàl'OBSUN-UR
6.2. Unappuiàlagouvernance
Lesoutils d’aide à la décision construits parunOBSUNpeuvent éclairer les politiquesnumériquesmisesenœuvredanslesétablissements.Cettedémarchepeutsetraduirededifférentesfaçons:
• Créationd’indicateursettableauxdebordsurunethématiquedonnée,• Veilletechnologique,• Communicationdesrésultatsd’étudesdanslesconseils,• Organisationdejournéesthématiquesetateliers,• Observationetévaluationdesusagesdansdesdispositifspédagogiquesexpérimentaux,• Analysedesperformancesdesdifférentesentitésdusystèmed’information,• Contrôledel’intégritédesdonnéesmétiers.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
51
7. Aspectsjuridiquesetprotectiondelavieprivée
7.1. IdentifierlesproblématiquesInformatiqueetLiberté
La protection de la vie privée et des données implique d’être particulièrement attentif à cetteproblématiqueinformatiqueetlibertés.
Auregarddestravauxenvisagés,dessystèmesettraitementsinformatiquesquiserontmisenplace,des collectes de données lors de la réalisation d’enquête, il sera nécessaire de solliciter l’avis ducorrespondant informatique et libertés (CIL) de l’établissement et procéder aux démarches, soitd’inscription au registre du CIL, soit de déclaration auprès de la Commission Nationale del’InformatiqueetdesLibertés(CNIL).
L’anonymisationdesdonnéesseradansdenombreuxcassouhaitableetrecommandéepourgarantirlaprotectiondeslibertésdespersonnessondéesouutilisatricesdeservicesnumériquesfaisantl’objetd’uneexploitationdesdonnéesqu’ilsgénèrent.
7.2. DéclarationsetautorisationsCNIL
Lamise en place d’un entrepôt de données, ou la réalisation d’enquêtes en lignemanipulant desDonnéesàCaractèrePersonnel(DCP)nécessitentsuivant lescasdemettreenœuvreunedestroisprocéduressuivantesauprèsdelaCommissionNationaleInformatiqueetLiberté:
• Ladéclarationnormale:Lefaitdedisposerd’unCorrespondantInformatiqueetLiberté(CIL)dispense de cette déclaration. C’est la procédure la plus courante pour les traitementsn’impliquantpasdedifficultéspourlaprotectiondelavieprivéeetdeslibertés.
• La demande d’autorisation : Cette procédure est nécessaire pour l’enregistrement dedonnéessensiblesàcaractèresraciaux,ethniques,ouportantsurlesopinionsengénéral,lasanté et la vie sexuelle ; elle est nécessaire par ailleurs, si les traitements informatiquesenvisagent des interconnexions de fichiers ayant des objectifs distincts, les traitementsstatistiquesde l’INSEEet les traitementsayantpourobjectifsd’exclure lebénéficiaired’undroit,d’uneprestationoud’uncontrat.
• Lademanded’avis:Concernelesorganismespublicsouprivésgérantunservicepublicousile traitement a des finalités liées à la sécurité, la défense, exploite le code NIR (sécuritésociale), utilise des données biométriques, ou pour ce qui relève des téléservices del’administrationélectronique.
7.3. Déclarationd’unentrepôtdedonnées
Lacréationd’unentrepôtdedonnéespeutrequérirunedemanded’avisàlaCNIL,afindevérifierlaconformitédesdonnéesettraitementsréalisés.Cetteétapeestessentiellesil’entrepôtcontientdesDCPnonanonymisées,ousimplementpseudonymisées(i.e.où lesnomsontétécryptésmaisavectoujours des possibilités d’identification par décryptage ou recoupement d’autres données). Lesgrandes applications métiers des établissements sont généralement déjà couvertes (déclarationsréaliséesparl’AMUE),maiscettedéclarationnecouvrepasl’interconnexiondedifférentessourcesdedonnées.Eneffet,l’approchegénéraled’unedéclarationrequiertdelisterlestraitementsprécisquiserontréaliséssurlesDCP.Danslecasd’unentrepôtdedonnées,cesderniersnesontpastoujoursconnusàl’avance,etpeuventêtremisenplaceàdifférentsmoments,enfonctiondesétudesmenéesparl’OBSUNousespartenaires.Danscecontexte,ledépôtd’unedemanded’avisàlaCNILpermetdedéclarer l’entrepôt à construire et son objet général, et le cas échéant, de recueillir l’avis de lacommission.Cetteétapepeutrequérirl’aidedelaDSIpourleremplissagedesdifférentschampsduformulaire en ligne de demande d’avis (Figure 25), notamment sur la sécurité des infrastructures
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
52
d’hébergementde l’entrepôt. L’informationauxusagerspeutêtre réaliséeaumoyend’une charteinformatiqueàsignerlorsdel’inscriptiondansl’établissementoulasignatured’uncontrat.Unefoisrempli,leformulairepermetdegénérerledocumentfinaldedemanded’avis,ainsiqueleProjetd’ActeRéglementaire(PAR)quidoitl’accompagner.LePARdoitêtrevalidéparleConseild’Administrationdel’établissementetviséparleprésident.
Figure25:Formulairededemanded'avissurlesiteWebdelaCNIL
Ilestànoterquelecadreréglementaireconcernantlesentrepôtsdedonnéesdanslesecteurpublicestsusceptibled’évolueràladatederédactiondeceguide.Eneffet,commel’attestelegroupedetravailduréseauSUPCILetdel’AMUEsurlesentrepôtsdedonnées,«différentsarticles(L711-1etL712-9)ducodedel'Educationetledécretn°20008-618du27/06/2008donnentforceprobanteàlamiseenplaced'outilsdeprospective,depilotageetdegestionpourdisposerd’unevisibilité fineetpluriannuelle sur leurs ressources humaines, financières et immobilières, sur les dépensescorrespondantesainsiquesurleursactivitésd’enseignement,derechercheetdevalorisation.»
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
53
8. Conclusionsetperspectives
Ce guideméthodologique a pour objectif de proposer les résultats d’une démarche empirique decréationd’unOBSUN. Il fourniparailleursdesexemplesde réalisationd’actionspossiblespour lesétablissements qui souhaiteraient s’engager dans cette démarche. Elle suppose d’en mesurer lesenjeuxentermedegouvernanceetlavaleurpourl’organisation.C’estuninstrumentauservicedelapolitique de l’établissement, qui va fournir des indicateurs objectifs et quantifiés facilitant lesévaluationsinternesouexternesetdemesurerl’efficacitédespolitiquesconduites.L’organisation,ensedotantd’unOBSUN,évolued’unpilotageàvueàunpilotageinstrumentéetscientifique.
Audelà,ils’agitdedévelopperunepolitiquedeproductionetd’exploitationdesdonnées,permettantàl’organisationd’enfaireunlevierstratégiquededéveloppementetdes’inscriresiellelesouhaitedanslamouvancedel’OpenData.Lamiseenœuvredesentrepôtsdedonnées,dutraitementdesesdonnéesetdeleursreprésentationspermetaussiàl’établissementquis’engagedanscettevoiededévelopperdescompétencesdehautniveaudansledomainedudataminingetdeladatavisualisation,compétencestrèsutilesvoireindispensablesauniveaudécisionnelcommeauniveaudelarechercheetquipourtantfontsouventdéfautdanslesétablissementsd’enseignementsupérieur.
La réalisation d’enquêtes, la production d’indicateurs, la gestion des données sont des missionscentrales que peut porter un OBSUN. Par ailleurs, un OBSUN a vocation àmener des travaux derecherche et à fédérer les études sur la question du numérique et de ses usages en facilitantl’émergencedethématiquesderecherchetransdisciplinaires.Denombreuxchercheurstravaillentsurcesquestionsdanslesétablissements,leslaboratoires,ilpeutêtreintéressantderéunirlesdisciplinesqui de près ou de loin travaillent sur ces thèmes, en informatique, en sciences de l’éducation, ensciences de gestion, en information et communication et sur tout autre champs disciplinaire pourproduire de la connaissance et mener des recherches sur le développement de l’enseignementsupérieuràl’èredunumérique.
InnovationetexpérimentationautourdesusagessontdeuxaxesdedéveloppementpossiblespourunOBSUNenmettantenœuvredesprotocolesd’étudesetderechercheenpartenariatavecdeséquipespédagogiques, de recherche ou de l’administration.On constate aujourd’hui que la production dedonnéesestabondante,quecesoitauniveauglobalcommeauniveau individuel.Cesdonnéesnedemandentqu’àêtreexploitéesmais,fautedemoyensetdeméthodesnelesontsouventpas.UnOBSUNpeut apporterune réponseà cetteproblématiqueenproduisantdesélémentsqualifiés etquantifiésquipeuventfaciliterlespublicationsdesrésultatsetaccompagnerleséquipesdanslamiseenœuvredesprotocolesprécités.
Lacréationd’OBSUNdanslesétablissementsetlamiseenplaced’unréseaunationald’observatoirespermettrait dans l’avenir de mener des actions d’études et de recherches nationales etinternationales,deconstruireuneapprochecomparativedudéveloppementdesusagesdunumériqueetde favoriser ledéveloppementdechampsde recherchepluridisciplinaires surcettequestiondunumériqueetdelatransformationdesétablissementsd’enseignementsupérieur.
Guideméthodologique:créerunObservatoiredesUsagesduNumérique
54
9. Bibliographie
Blais,M.&.(2006).L’analyseinductivegénérale:descriptiond’unedémarchevisantàdonnerunsensàdesdonnéesbrutes.Recherchesqualitatives,26(2),1-18.
Casey, K.G. (2010).Miningmoodle to understand student behaviour. International Conference onEngagingPedagogy.
Denzin,N.K.(2011).TheSagehandbookofqualitativeresearch.Sage.
Dietz-Uhler,B.&.(2013).Usinglearninganalyticstopredict(andimprove)studentsuccess:Afacultyperspective.JournalofInteractiveOnlineLearning,12,17-26.
Dumez,H.(2016).Méthodologiedelarecherchequalitative.Paris:Vuibert.
Fichman,R.G.(2000).Thediffusionandassimilationofinformationtechnologyinnovations.FramingthedomainsofITmanagement:Projectingthefuturethroughthepast,105127.
Gaudieux,A.,Cazal,J.,Grondin,D.,Sébastien,V.,&Courdier,R.(2016).SIEGMAS:Unsimulateurmulti-agentspourl'étudedesterritoiresdel'OcéanIndien.RIODD.Saint-Étienne.
Lebaron,F.(2006).L'enquêtequantitativeensciencessociales:recueiletanalysededonnées.Paris:Dunod.
Luengo, V. (2017, 03). Présentation du projet HUBBLE. Consulté le 06 2017, sur hubblelearn:http://hubblelearn.imag.fr
Ollivier, C. (2015). Co-élaboration d'objets d'apprentissage et co-construction de savoirs en ligne:articulation complexe des composantes épistémiques, organisationnelles et sociales. ColloqueinternationalEPALÉchangerpourapprendreenligne.
Porlier,C.,Sébastien,V.,&Tang-Taye,J.-P.(2016).L'universitéàl'èredunumérique.Consultéle2017,sur Site Web de l'OBSUN de l'UR: http://obsun.univ-reunion.fr/enquetes-et-etudes/enquetes/luniversite-a-lere-du-numerique-2016-volet-personnels/
Roussanaly,A.(2014).BringingPersonalizedRecommendationsofOpenEducationalResourcesintotheStudentPrivateDigitalLearningEnvironment.E-Learningconferenceandcelebrationofthe30thanniversaryoftheCharterSaarLorLuxRhineland-PalatinateWallony.Zweibruken.
Seclier,B.(2017,février).LearningAnalytics,unetendanceémergentedansl'éducation.Consultélejuin 2017, sur sup-numerique.fr: http://www.sup-numerique.gouv.fr/cid113065/learning-analytics-une-tendance-emergente-dans-l-education.html
Simon,J.,&Sébastien,V.(2016).UseofaCSCWPlatform:ProfessionalTrainingProgramVs.GeneralEducationTrainingProgram.13thInternationalConferenceonExcellence&InnovationinBasic-HigherEducation&Psychology.Rijeka:InternationalCentreforInnovationandEducation(ICIE).
Contact
UniversitédeLaRéunion
ObservatoiredesUsagesduNumérique
obsun.univ-reunion.fr
ChristophePorlier:[email protected]
VéroniqueSébastien:[email protected]