Créer un Observatoire des Usages du Numériquemedia.sup-numerique.gouv.fr/file/Strategie/18/0/... · sciences et des savoirs. 5. Élaborer une politique de standards ouverts et évolutifs,

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


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.


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.


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


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,…)


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…


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:


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?


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.


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


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


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.


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.


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,


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.


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.


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


Fichierdelog Quotidienne Servicesopérationnels,décideurs

Tauxd’utilisationd’unservicenumérique

NombredeconnexionsparjouràunservicenumériquevialeserveurCASenfonctiondelastructurederattachement


Fichierdelog Quotidienne Servicesopérationnels,décideurs

Comparaisondesusagesd’unservicenumériqueenfonctiondelastructurederattachement

Nombredecoursactifssuruneplateformepédagogiqueparjour

Suividescontenuscréésparlacommunauté

Basededonnéesd’uneapplication

Quotidienne Servicesopérationnels

Evolutiondel’usaged’uneplateformepédagogique,identificationdesressourcespopulaires,nonutilisées,pasassezvalorisées,etc.

NombredeconnexionsaucoursXd’uneplateformepédagogiqueparjour


Fichierdelog Quotidienne Servicesopérationnels,enseignantsducoursX,chercheursenlearninganalytics

Evolutiondel’usaged’uncoursenligneparlesétudiants,suividesprescriptionsd’unenseignant,etc.

Nombredeconnexionsàl’activitéYducoursXd’uneplateformepédagogiqueparjour


Fichierdelog Quotidienne Servicesopérationnels,enseignantsducoursX,chercheursenlearninganalytics

Evolutiondel’usaged’uneactivitéd’uncoursenligneparlesétudiants,suividesprescriptionsd’unenseignant,etc.

Nombredepostscrééspardesétudiantsdansunforumd’uncoursenligne

Suividescontenuscréésparlacommunauté


Annuelle EnseignantsducoursX,chercheursenlearninganalytics

Investissementdesétudiants,appropriationd’uneactivité,travailcollaboratifenligne,interactions

Espacedisqueoccupéparutilisateurdansl’ENT

Tauxd’usaged’unservice


Annuelle Servicesopérationnels

Tauxd’usagedel’ENTsurlafonctionnalitéstockagededocuments

Nombredegroupesparutilisateurdansl’ENT

Tauxd’usaged’unservice


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


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».


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


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.


25

Figure6:TableaudebordAgimus-NG-usageduserveurCASdel'UR


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.


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


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).


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.


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.


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


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


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.


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.


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).


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


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


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…


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.


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.


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


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.


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:


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


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


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.


47

Figure23:CodesobtenusavecAtlas.ti

Unefoislescodesobtenus,ilestpossibled’identifierlescatégoriesconceptualisantesquipermettrontunprocessusd’abstractionetd’éventuellementobtenirunmodèleconceptuelouthéoriqueinduitparl’analyse,etdoncd’apporterdesréponsesauquestionnementanalytiquede la rechercheengagée(Figure24).


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.


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)


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.


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


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.»


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.


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]

Documents

Créer un Observatoire des Usages du Numériquemedia.sup-numerique.gouv.fr/file/Strategie/18/0/... · sciences et des savoirs. 5. Élaborer une politique de standards ouverts et évolutifs,