Utilisation de l’apprentissage machine pour la modélisation et la prédiction de la satisfaction des apprenants dans l’enseignement supérieur
Sofia Ben JebaraRésumé
L’évaluation des enseignements par les apprenants constitue un levier central de l’assurance qualité dans l’enseignement supérieur. Toutefois, les approches classiques se limitent souvent à l’analyse des scores, occultant la complexité des dynamiques de satisfaction. Cette étude propose un cadre méthodologique intégré combinant des outils statistiques conventionnels et des techniques d’apprentissage automatique afin de modéliser, interpréter et prédire la satisfaction des apprenants dans une perspective d’aide à la décision stratégique.
Le jeu de données exploité regroupe des scores de satisfaction exprimés sur une échelle de 1 à 5. La variable cible (satisfaction) est expliquée par quatre facteurs pédagogiques : (i) la période d’enseignement (segment chronologique de l’année académique), (ii) le domaine d’enseignement (ensemble cohérent d’unités thématiques), (iii) la modalité pédagogique (cours magistral, travaux dirigés, travaux pratiques) et (iv) le format d’évaluation (examen écrit, contrôle continu, projet).
La méthodologie s’articule en deux volets complémentaires. Le premier repose sur une analyse exploratoire multidimensionnelle enrichissant les données brutes par des descripteurs distributionnels tels que l’entropie de Shannon (mesure du consensus). L’étude de la corrélation entre la satisfaction moyenne et l’entropie permet de diagnostiquer la nature du consensus pédagogique. Une corrélation négative forte indique une homogénéité des avis tandis qu’une corrélation faible ou nulle révèle une polarisation des opinions, nécessitant une analyse plus fine. Des tests d’analyse statistique évaluent ensuite la significativité des facteurs explicatifs. Lorsque les effets sont linéaires et statistiquement, un modèle paramétrique simple peut suffire alors que dans le cas contraire, on justifie le recours à des modèles non linéaires.
Le second volet considère une approche prédictive fondée sur l’apprentissage machine. A préalable, une segmentation non supervisée permet d’identifier des profils types de modules : enseignements consensuels versus enseignements clivants. Ensuite, les résultats ne se limitent pas à une étude de cas spécifique mais proposent une grille d’interprétation généralisable. L’approche offre deux contributions majeures pour le pilotage universitaire : (1) un outil de simulation permettant d’anticiper l’impact d’une modification curriculaire (changement de période ou de modalité d’évaluation par exemple) sur la satisfaction et le consensus ; (2) un système d’alerte précoce identifiant les enseignements à risque, invisibles à travers la seule moyenne
Ainsi, en intégrant des indicateurs statistiques avancés et la modélisation prédictive, cette recherche propose une approche décisionnelle orientée données, capable de transformer les enquêtes d’évaluation en véritable outil stratégique d’amélioration continue de la qualité académique.
Le Forum mondial sur l’éducation, tenu en mai 2015 à Incheon sous l’égide de l’UNESCO et ses partenaires, s’est conclu par la Déclaration d’Incheon pour l’Éducation 2030, un engagement historique de transformer la vie grâce à une nouvelle vision de l’éducation et à des actions courageuses et innovantes pour la réaliser. Le Cadre d’action Éducation 2030, qui établit cette nouvelle vision de l’éducation pour les 15 années à venir, a été adopté par plus de 180 états membres de l’UNESCO. Quatre ans plus tard, à la 9e Réunion mondiale de la Consultation collective des ONG pour Éducation 2030 (CCONG-Éducation 2030), qui s’est tenue en Tunisie en 2019, les organisations participantes ont affirmé que le monde est confronté à une crise éducative, causée par un manque de volonté politique, une faible priorisation de l’éducation et un financement insuffisant. De plus, elles ont constaté une tendance croissante à la commercialisation de l’éducation, ce qui contribue à creuser davantage les inégalités. Les systèmes éducatifs mondiaux ne semblaient pas respecter l’engagement pris dans le programme Éducation 2030. Le ministre de l’Éducation de la Tunisie d’alors avait, à la même occasion, souligné que la plupart des pays n’avancent pas suffisamment pour atteindre les objectifs fixés pour 2030. Il a appelé à une reconnaissance de l’importance stratégique de l’éducation pour toutes les nations et a encouragé la société civile à jouer un rôle majeur dans la mobilisation pour y parvenir.