A Dynamic Indicator to Model Students’ Digital Behavior - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

A Dynamic Indicator to Model Students’ Digital Behavior

Un indicateur dynamique pour modéliser le comportement numérique des étudiants

Résumé

During the first French Covid19 lockdown, students had to switch to a fully online learning mode. Therefore, understanding students' digital behavior becomes crucial for analysts serving public institution policy. In particular, they want to determine and interpret the evolution of students' digital behavior. This paper aims to offer them indicators. We propose to study generic student logs corresponding to standard digital workspace services. Therefore, this paper contributes to the scientific question: Can we give an easy-to-interpret and visual indicator to model students' behavior changes from poor and generic data? We first verify that we can extract epidemic specific temporal patterns on these logs using Contrast Mining. These patterns represent students' behaviors and pace. Then, we propose a new method called Temporal Pattern Histories (TPH), representing the evolution of the temporal patterns' over time. It is a dynamic representation of students' digital behavior. Using this method, we present graphically abrupt changes during the Cov19 lockdown, and we give some hypotheses about these results. This case study proves the relevance of TPH to detect and analyze students' behavioral changes in an interpretive way. This approach has the advantage of representing the global evolution of students' behavior without giving students specific information.
Pendant le premier confinement Covid19 en France, les étudiants ont dû passer à un mode d'apprentissage entièrement en ligne. C'est pourquoi, comprendre le comportement numérique des étudiants devient crucial pour les analystes qui travaillent pour les politiques des institutions publiques. En particulier, ils veulent déterminer et interpréter l'évolution du comportement numérique des étudiants. Cet article vise à leur offrir des indicateurs. Nous proposons d'étudier les logs génériques des étudiants correspondant aux services standard d'espace de travail numérique. Cet article contribue à la question scientifique : pouvons-nous donner un indicateur facile à interpréter et visuel pour modéliser les changements de comportement des étudiants à partir de données pauvres et génériques ? Nous vérifions d'abord que nous pouvons extraire des motifs temporels spécifiques à l'épidémie sur ces logs en utilisant la fouille de Contrastes (Contrast Mining). Ces motifs représentent les comportements des étudiants ainsi que leur évolution dans le temps. Ensuite, nous proposons une nouvelle méthode appelée Temporal Pattern Histories (TPH), représentant l'évolution des motifs temporels dans le temps. Il s'agit d'une représentation dynamique du comportement numérique des étudiants. En utilisant cette méthode, nous présentons graphiquement des changements abrupts pendant le confinement Cov19 et nous formulons des hypothèses sur ces résultats. Cette étude de cas prouve la pertinence de TPH pour détecter et analyser les changements de comportement des étudiants de manière interprétative. Cette approche a l'avantage de représenter l'évolution globale du comportement des étudiants sans donner d'informations spécifiques sur les étudiants.
Fichier principal
Vignette du fichier
orianeDermy.pdf (938.33 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04054428 , version 1 (31-03-2023)

Licence

Paternité - Pas d'utilisation commerciale - Pas de modification

Identifiants

Citer

Oriane Dermy, Anne Boyer, Azim Roussanaly. A Dynamic Indicator to Model Students’ Digital Behavior. 14th International Conference on Computer Supported Education, Apr 2022, Online (Virtual), France. pp.163-170, ⟨10.5220/0011039400003182⟩. ⟨hal-04054428⟩
15 Consultations
33 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More