Des chercheurs de la Higher School of Economics et de la KU Leuven ont développé une méthode de mesure de la croissance des compétences des étudiants dans les environnements d'apprentissage numérique. Il permet de voir les progrès des participants aux cours en ligne en dynamique, c'est à dire., comprendre comment les étudiants étudient et comment le cours fonctionne. Les résultats de l'étude ont été publiés dans la revue Méthodes de recherche sur le comportement .

Le résultat attendu et souhaité de tout cours est la croissance des compétences des étudiants, et une augmentation de leurs connaissances et de leurs compétences. Cette croissance est représentée par une différence positive entre les connaissances et les compétences à la fin et au début du cours. Pendant de nombreuses années, la croissance a été mesurée par la différence entre les résultats des tests finaux et d'entrée. Cependant, cette approche, qui utilise deux points de contrôle, ne permet pas de tracer et de comprendre la dynamique de croissance au sein du parcours.

La nouvelle approche suggérée par les chercheurs du HSE et de la KU Leuven est basée sur les données numériques des étudiants. Les données enregistrées représentent les événements enregistrés par la plateforme d'apprentissage en ligne, comme regarder des conférences vidéo et tenter de résoudre des tâches. En utilisant ces données, les chercheurs peuvent voir deux types de croissance des compétences :continue (tout au long du cours) et locale (dans un certain domaine, associé à une tâche particulière).

La croissance continue est estimée comme un effet cumulatif du visionnage de conférences vidéo à un certain moment du cours en ligne. La croissance locale est calculée comme l'effet d'une tentative de résoudre une tâche spécifique. Comme le notent les chercheurs, les deux effets sont spécifiques à chaque élève. En d'autres termes, le même nombre de vues matérielles entraîne une croissance différente pour deux élèves différents.

'Ainsi, nous voyons les résultats pour chaque étudiant à tout moment du cours, et nous ne perdons pas leur temps avec des tests d'entrée et finaux volumineux. Notre recherche est une transition conceptuelle de l'analyse traditionnelle des résultats des tests à l'analyse progressive des traces numériques dans l'environnement éducatif, " dit Dmitri Abbakumov, auteur de l'article et directeur du HSE Center for Psychometrics in eLearning.

Ces modèles peuvent être utilisés dans des panels analytiques sur des plateformes d'apprentissage en ligne, tandis que les algorithmes basés sur eux sont appropriés pour les solutions de navigation et de recommandation dans l'éducation numérique.