Par Kenneth Rioja, étudiant du MALTT-Unige
Comment feriez-vous pour démêler ce réseau de nœuds ?
Vous pourriez par exemple commencer par choisir un nœud du milieu et essayer de le démêler. Ce chemin serait alors fastidieux. Il serait plus judicieux de commencer par démêler les nœuds les plus externes afin d’arriver aux nœuds internes avec plus de facilité. Au fur et à mesure que vous dénouez, vous observez aussi que d’autres nœuds sont plus fortement attachés et se démêlent moins facilement que d’autres.
Maintenant imaginez que votre objectif de recherche est de trouver un moyen d’améliorer l’apprentissage sur des cours moins bien réussis. Vous observez alors qu’une majorité d’élèves reçoivent de moins bonnes notes pour une discipline scolaire centrale. Il serait alors pertinent de comprendre ce qui marche dans les autres disciplines. Au fur et à mesure de vos investigations, vous découvrez que des élèves éprouvent des difficultés sur une ou plusieurs autres disciplines. Il devient alors difficile d’avoir une vue d’ensemble et de ne pas omettre de prendre en compte des disciplines ou des élèves en difficulté.
Résumons le problème à résoudre : la situation comprend des disciplines scolaires et des élèves (les nœuds) qui sont liés par des notes (la force du nœud).
Nous venons de décrire la manière de conduire une analyse de réseau. Cette méthode est utilisée en analytique de l’apprentissage afin d’identifier des schémas/patterns d’interaction, d’identifier l’engagement des élèves ou encore de détecter le rôle de chaque personne dans une classe (Poquet et al., 2021).
Cette méthode permet ainsi de visualiser des liens entre des individus et/ou d’autres entités tout en ajoutant de l’information sur la force de ces liens. La méthode consiste donc à identifier des entités (élèves, disciplines scolaires), le lien entre chacune de ces entités et le poids de ces liens (notes) pour visualiser le réseau étudié sous la forme d’un graphique.
L’application d’analyse statistique R permet une grande souplesse quant aux attributs du graphique en question. On pourra notamment modifier la taille, la couleur, le label des nœuds mais aussi déterminer la centralité des liens ou encore visualiser les groupes de nœuds densément connectés entre eux.
Vous souhaiteriez démêler un réseau de nœuds ? Vous pouvez consulter l’article Analyse de réseaux avec R pour des explications plus détaillées sur la méthode.
Référence :
Poquet, O., Saqr, M., & Chen, B. (2021). Recommendations for network research in learning analytics: 2021 NetSciLA Workshop “Using Network Science in Learning Analytics: Building Bridges towards a Common Agenda”, NetSciLA 2021. CEUR Workshop Proceedings, 2868, 34–41.
