Analyse du comportement des utilisateurs basée sur les données de PANORAMA

Notre équipe multidisciplinaire travaille à produire et implanter les meilleures solutions d'apprentissage en ligne, adaptées aux besoins spécifiques de chaque organisation.

Parmi les services que nous offrons, un très important est Rapports d'utilisation et d'évaluation, ce qui nous permet d'analyser les performances de chaque cours et de chaque utilisateur/étudiant avec un rapport détaillé. Il est considéré dimensionnelles aux informations stockées dans un format numérique qui peuvent ensuite être utilisées comme base d'analyse et de prise de décision. Ces informations sont collecter, organiser et analyser pour enquêter sur diverses questions : l'analyse de données est un processus qui consiste à les inspecter et à les transformer, dans le but de mettre en évidence des informations utiles pour suggérer des conclusions et aider à la prise de décision. Une fois que cela se produit et que nous avons les rapports prêts, nous sommes en mesure de prédire les situations futures.

Pour aborder ce spectre diversifié d'analyse, en Aulasneo nous avons développé PANORAMA: un moteur d'analyse flexible qui peut être facilement personnalisé et adapté aux besoins spécifiques de chaque organisation qui dispense des cours en ligne via Open edX ™.

PANORAMA est un moteur d'analyse qui permet aux organisations qui utilisent Open edX ™ pour offrir des cours en ligne

Quelle est l'importance des données extraites de PANORAMA?

Comme premier cas particulier, considérons analyse du comportement des utilisateurs vidéo sur la base des données obtenues. Nous avons plusieurs approches possibles, par exemple l'analyse des données par vidéo ou par utilisateur/élève. Concernant l'analyse selon la vidéo, les questions suivantes peuvent se poser :

Combien de fois une vidéo a-t-elle été visionnée ?

combien de fois a-t-il été oublié ? (c'est-à-dire : lorsqu'un étudiant s'inscrit à un certain cours, il est censé voir certaines vidéos qui en font partie, et en extrayant les données, nous sommes en mesure de savoir si l'étudiant a réellement vu la vidéo ou non)

quelle partie de la vidéo a été vue?

combien de fois a-t-il été rembobiné ?

et avancer ?

dans quelle(s) partie(s) ?

Combien de temps a-t-il fallu, depuis la première "pièce", pour finir de le regarder ?

d'ici, nous pouvons essayer de découvrir un modèle de comportement: Les vidéos les plus négligées sont-elles les plus longues ? Et ceux qui ont été le plus rembobinés ? Sont-ils de la même classe ? Et ceux qui ont été le plus vus ?

En fonction de l'utilisateur, nous pouvons surtout mesurer les performances : combien de vidéos avez-vous manqué ? Combien avez-vous commencé à regarder et n'avez pas terminé ? Avez-vous dû les rembobiner plusieurs fois ? Combien d'heures au total a-t-il passées à regarder des vidéos ?

À partir de là, nous pouvons commencer à combiner les résultats pour en générer de nouveaux :

qui/quel était l'étudiant/la vidéo le plus actif, combien de différence il y avait avec le moins actif, s'ils appartiennent au même cours, et mille etc.

Comme deuxième cas particulier, considérons la analyse du comportement des utilisateurs lorsqu'ils répondent aux questions et font des exercices. De même, nous pouvons nous demander :

combien de fois une question a été répondue correctement,

combien de réponses incorrectes et combien d'étudiants y ont répondu de manière incorrecte (n'oubliez pas qu'un étudiant peut avoir répondu plusieurs fois de manière incorrecte à la même question),

combien ont été négligés,

Quelle est la question à laquelle on a répondu le plus de fois correctement ?

qui était l'étudiant qui a répondu correctement le plus de fois... et mille etceteras.

Les questions que nous pouvons nous poser sont infinies., mais l'importance de l'analyse des données réside non seulement dans le fait de poser plusieurs bonnes questions qui permettent d'obtenir des informations pertinentes, mais surtout dans l'après : comment nous utilisons ces informations pour améliorer le processus d'apprentissage pour tout le monde

julia zak
Analyste DevOps

aulasneo