Classification des apprenants en fonction des facteurs socio-économiques et environnementaux influençant leurs réussites dans un dispositif de formation à distance
Résumé
Fournir une formation de qualité et accessible à tous les diplômés du postsecondaire est un défi majeur pour tous les pays en voie de développement. Pour faire face à cette situation, beaucoup de pays font recours à la formation à distance. Cependant, cette nouvelle façon de dispenser des compétences et des connaissances est caractérisée par la rupture de l’unité de lieu contrairement à la formation en présentiel. À la différence des universités classiques où les étudiants partagent souvent le même environnement dans les campus sociaux, dans les dispositifs de formation à distance, les étudiants sont dans des endroits différents avec souvent des facteurs socio-économiques et environnementaux différents. Ces facteurs peuvent impacter sur les résultats des apprenants. L’objectif de notre article est de faire une classification non supervisée des apprenants d’un dispositif de formation à distance en fonction des facteurs socioéconomiques et environnementaux en utilisant la méthode K-means afin de déterminer des groupes d’étudiants identiques, complémentaires ou particuliers. Les données utilisées dans cette étude proviennent d’une enquête réalisée au cours de l'année académique 2021-2022 auprès de 236 étudiants de la licence 1 au master 2 de l’Université Numérique Cheikh Hamidou Kane (UNCHK). Les résultats de l’étude nous ont permis d’identifier cinq (5) groupes d’étudiants différents en fonction de leurs facteurs socio-économiques et environnementaux. Les facteurs les plus déterminants sont les facteurs financiers (avec ou sans source de revenu), les facteurs liés à l'habitation (nombre de personnes par chambre) et les facteurs liés à leurs disponibilités à suivre leurs enseignements (avec ou sans une autre formation en hors de l’UNCHK et avec ou sans des activités domestiques et ou professionnelles)..
Mots-clés
Texte intégral :
PDFRéférences
Dussarps, Clément. 2015. « L’abandon en formation à distance ». Distances et médiations des savoirs. Distance and Mediation of Knowledge 3 (10). https://doi.org/10.4000/dms.1039.
Ma, Yanyuan, et Liping Zhu. 2013. « A Review on Dimension Reduction: A Review on Dimension Reduction ». International Statistical Review 81 (1): 134‑50. https://doi.org/10.1111/j.1751-5823.2012.00182.x.
Papi, Cathia, Louise Sauvé, Guillaume Desjardins, et Serge Gérin-Lajoie. 2022. « De la multiplicité des facteurs à prendre en compte pour mieux comprendre l’abandon en formation à distance ». Distances et médiations des savoirs. Distance and Mediation of Knowledge 37 (37). https://doi.org/10.4000/dms.6904.
https://doi.org/10.20448/journal.509.2018.51.37.42.
Syakur, M A, B K Khotimah, E M S Rochman, et B D Satoto. 2018. « Integration K-Means Clustering Method and Elbow Method For Identification of The Best Customer Profile Cluster ». IOP Conference Series: Materials Science and Engineering 336 (avril): 012017. https://doi.org/10.1088/1757-899X/336/1/012017.
Vidal, Martine, Monique Grandbastien, et Pierre Mœglin. 2010. « Éditorial ». Distances et savoirs 8 (2): 149‑52. Zhang, Pingying, et Lakshmi Goel. 2011. « Is E-Learning for Everyone An Internal-External Framework of E-Learning Initiatives » 7 (2): 13
Lee, Youngju, et Jaeho Choi. 2011. « A Review of Online Course Dropout Research: Implications for Practice and Future Research ». Educational Technology Research and Development 59 (5): 593‑618. https://doi.org/10.1007/s11423-010-9177-y.
Renvois
- Il n'y a présentement aucun renvoi.