Informational Data Analysis and First-Year University Success

2015

Un nombre croissant d’universites developpent des formules de cours plus ou moins variees, entre cours traditionnels en presence et cours entierement dispenses dans un mode en ligne. Par ailleurs, les caracteristiques des etudiants au regard de leurs strategies d’apprentissage et de leur style d’apprentissage semblent de nature a influer sur leur reussite universitaire. Reprenant la notion d'ecosysteme numerique en tant qu'ensemble dynamique constitue par des etudiants, des enseignants et des environnements logiciels en ligne (de type plateforme de formation) – notre travail se situant dans un contexte de type elearning mais pas uniquement – nous analysons un certain nombre de donnees informationnelles en vue d'etablir des liens entre celles-ci et la reussite d'etudiants ayant suivi a la fois des cours en classe et en ligne, et ce, pour l’ensemble de leur premiere annee universitaire.

Revue française de pédagogie, 1997

de "université refait actuellement surface avec une certaine vigueur. Outre les contraintes financières pesant sur les dépenses d'éducation de la plupart des pays, les arguments les plus souvent utilisés consistent à prétendre que cette absence de sélection est responsable du gaspillage tant social qu'individuel que représentent les échecs importants en première année. Sans entrer dans une discussion des effets pervers possibles d'une teile réforme (notamment en termes d'inégalité sociale d'accès au supérieur), le but du présent article est de montrer que la mise en place valide d'une sélection à l'entrée de J'université n'est guère docimologiquement praticable. En effet, les études de prédiction de la réussite universitaire, soit à partir des caractéristiques d'entrée des étudiants, soit à partir d'indicateurs de leur adaptation académique, laissent souvent de telles zones de flou qu'il ne semble pas fondé d'utiliser ces critères Gomme outils de sélection avant ou pendant la première année. Revue Française de Pédagogie, n°119. avril~mai-juin 1997, 81-90

L'orientation scolaire et …, 2007

Rôle de certains facteurs psychosociaux dans la réussite universitaire d'étudiants de première année

Revue Internationale Multidisciplinaire Etincelle, 2024

L'analyse des performances académiques est basée sur un certain nombre de facteurs qui mesurent les capacités intellectuelles. Cette mesure de la performance est basée sur un certain nombre de variables qui peuvent être utilisées pour prédire la performance académique et les notes finales. Les outils statistiques permettent avant tout de mesurer l'impact des données les unes sur les autres. À cette fin, l'étude des corrélations est le meilleur compromis pour identifier les vrais et les faux prédicteurs entre les variables. Aussi, par le biais des statistiques descriptives, la distribution des données est d'ordre important pour mesurer les différentes dispersions des données dans leur exploration, ces analyses minutieuses amènent le chercheur à devoir cibler les éléments nécessaires à la prédiction des outputs. Pour prédire les performances académiques des étudiants, il est important d'avoir une idée de l'historique de leurs études, afin de pouvoir identifier les facteurs qui peuvent être déterminants pour prédire le résultat final à la fin du cycle. Les modèles d'apprentissage automatique ont joué un rôle clé dans la prédiction des performances. Après avoir exploré les données, nous avons pu comparer les performances des différents algorithmes. Nous avons comparé six algorithmes, dont deux ont atteint une performance acceptable de 80% pour le coefficient de détermination : la régression linéaire et le SVM. L'algorithme le plus performant est la régression linéaire, étant donné que le problème abordé est basé sur la régression. La régression est un type d'algorithme souvent adapté à l'analyse quantitative où la variable cible supporte des valeurs continues. Une fois les modèles entraînés, ils ont été déployés sur la plateforme web à l'aide du Framework Python Flask, en vue de mettre les résultats à la disposition du grand public. Pour illustrer notre modèle, nous avons utilisé 6 variables susceptibles de déterminer les meilleurs prédicteurs. Une fois le modèle entraîné, il peut être utilisé et sauvegardé pour un déploiement ultérieur.

L’Orientation scolaire et professionnelle, 2007

Pan African Medical Journal, 2016

Plusieurs facteurs dont les notes obtenues au BAC peuvent influencer les performances académiques des étudiants en première année de médecine. L'objectif de cette étude était d'évaluer la relation entre les résultats des étudiants au BAC et le succès en première année de médecine. Méthodes: Nous avons réalisé une étude analytique ayant inclus l'ensemble des étudiants régulièrement inscrits en première année à la Faculté de Médecine de l'université de Parakou durant l'année académique 2010-2011. Les données concernant les notes par discipline et mention obtenue au BAC ont été collectées. Une analyse multivariée utilisant la régression logistique et la régression linéaire multiple a permis d'établir les meilleurs prédicteurs du succès et de la moyenne de l'étudiant en fin d'année. Le logiciel SPSS version 17.0 a été utilisé pour l'analyse des données et un p<0,05 a été considéré comme statistiquement significatif. Résultats: Parmi les 414 étudiants régulièrement inscrits les données de 407 ont pu être exploitées. Ils étaient âgés de 15 à 31 ans; 262 (64,4%) étaient de sexe masculin. 98 étaient admis avec un taux de succès de 23,7%. Le sexe masculin, la note obtenue en mathématiques, en sciences physiques, la moyenne au BAC et la mention étaient associés au succès en fin d'année mais en analyse multivariée seule une note en sciences physiques > 15/20 était associée au succès (OR: 2,8 [1,32-6,00]). Pour la moyenne générale obtenue en fin d'année seule une mention bien obtenue au BAC était associée (coefficient de l'erreur standard: 0,130 Bêta =0,370 et p=0,00001). Conclusion: Les meilleurs prédicateurs du succès en première année étaient une bonne moyenne en sciences physiques au BAC et une mention bien. La prise en compte de ces éléments dans le recrutement des étudiants en première année pourrait améliorer les résultats académiques.

Beaucoup d'études décrivent les usages et les pratiques numériques des étudiants sans nécessairement évaluer les effets qu'ils produisent sur les apprentissages et sur la réussite universitaire. L'article explore la place qu'occupe désormais le numérique dans les manières d'étudier et ses effets sur les résultats aux examens. Il s'appuie sur une enquête quantitative menée auprès de 625 étudiants français inscrits en premier cycle universitaire dans l'un des trois domaines de formation suivants : Santé, Sciences et techniques, Lettres et Sciences humaines et sociales. L'enquête vise d'une part à mesurer l'intensité des activités numériques académiques : téléchargement ou non des supports déposés par les enseignants sur une plateforme, interactions à distance entre les étudiants, prise de notes ou non avec un ordinateur, temps passé sur Internet pour étudier, etc. Elle cherche d'autre part à déterminer l'influence de ces activités sur la moyenne semestrielle, tout en contrôlant les déterminants avérés de la réussite universitaire que sont la scolarité antérieure et les stratégies d'apprentissage. Les analyses montrent que les étudiants s'emparent assez peu des outils numériques pour étudier en profondeur et que lorsqu'ils les utilisent, c'est essentiellement dans une visée instrumentale. Par ailleurs, les modélisations statistiques révèlent l'absence d'effet significatif des activités numériques des étudiants sur les résultats aux examens.

2015

This doctoral thesis aims to understand the factors of success and failure of first year university students that have been graduated from secondary community colleges in Burundi. In-depth qualitative interviews were conducted at the end of their first year in order to challenge theoretical models whose empirical results are mostly from the Western context in the specific context of Burundi. These students trained in community colleges experienced living and training conditions particularly difficult that would reduce their chances of success in higher education. However, our results show a configuration of factors and multiple relationships , which put into perspective studies conducted in Western countries about the success and failure factors and stress the importance of considering with particular attention cultural and socio-economic contexts in which university studies are held.

Proceedings of Second Educational Data Mining conference (ISBN: 978-84-613-2308-1) , 2009

One of the main problems faced by university students is to take the right decision in relation to their academic itinerary based on available information (for example courses, schedules, sections, classrooms and professors). In this context, this work proposes the use of a recommendation system based on data mining techniques to help students to take decisions on their academic itineraries. More specifically, it provides support for the student to better choose how many and which courses to enrol on, having as basis the experience of previous students with similar academic achievements. For this purpose, we have analyzed real data corresponding to seven years of student enrolment at the School of System Engineering at Universidad de Lima. Based on this analysis, a recommendation system was developed.