Une approche Data-informed des Learning Spaces : enjeux et modalités

Des Active Learning Classrooms aux Learning Centers, les espaces physiques innovants (Learning Spaces) sont porteurs d'un fort potentiel de transformation. L'hypothèse de leur généralisation implique cependant de mesurer leurs usages de façon tangible, au travers d'une évaluation structurée et systématique. C'est tout l'enjeu d'une approche Data-informed, qui traduit une nouvelle culture de pilotage pour ces espaces.

Une approche Data-informed des Learning Spaces : enjeux et modalités

Les Learning Spaces, dans toute la diversité de forme qui est la leur, portent depuis plusieurs années des promesses fortes en termes de transformation des campus. Active Learning Classrooms, amphis collaboratifs, Learning Centers, et espaces transitionnels, pour ne citer qu’eux, sont ainsi régulièrement positionnés comme les porte-étendards d’une vision avant-gardiste de l’enseignement.

Pour autant, la réalité de leur intégration dans les stratégies d’établissement, ainsi que l’effectivité et le périmètre de la transformation des pratiques qu’ils prétendent porter soulèvent toujours des interrogations (voir l’article Nouveaux espaces : entre enjeux et opportunités du même auteur dans le numéro 22 de la Collection Numérique). Entre réticence à remettre en question le présentiel traditionnel, et difficulté à dépasser un stade expérimental, l’inscription de ces espaces dans le futur de l’Enseignement Supérieur se heurte de plus en plus à la question d’un retour sur investissement qui est d’autant plus prégnante dans un contexte budgétaire contraint. Au-delà de leur matérialité différenciante qui a pu constituer un critère suffisant par le passé, les Learning Spaces doivent ainsi répondre aujourd'hui à des questions fondamentales et pourtant trop peu prises en compte jusqu’alors : la définition d’objectifs stratégiques clairs, et l’établissement de métriques et d’indicateurs tangiblement exploitables dans le cadre d’une évaluation. 

La veille et les échanges menés à l’international tendent effectivement à confirmer cette tendance d’une stratégie, d'une conception, d’une conduite du changement, et d’une exploitation des Learning Spaces guidées par la donnée, autrement dit Data-informed. Les dernières éditions de la conférence annuelle EDUCAUSE (voir les rapports de la Délégation Française EDUCAUSE), en particulier, ont vu se tenir plusieurs sessions autour de ces questions, traitant par exemple de protocoles d’évaluation quantitative et qualitative, ou introduisant la notion de Learning Spaces Analytics.

Dans la pratique, l’analyse de l’utilisation effective des Learning Spaces et de leurs équipements par rapport à une capacité théorique ou un objectif fixé peut typiquement se concrétiser par la mise en place de tableaux de bord dynamiques. Ceux-ci permettront par exemple de guider ou d’amender les plans de déploiement et de conversion d’espaces, et d’orienter le choix de leurs typologies respectives ainsi que de leur équipement mobilier, numérique et audiovisuel. Davantage que la formalisation de ces tableaux de bord, l’enjeu de cette approche quantitative se situe au niveau de l’identification et du périmètre des sources de données - souvent disséminées en silos dans plusieurs entités opérationnelles de l’institution - et de leur croisement, ce dernier pouvant notamment soulever des problématiques de normalisation et d’interfaçage. 

L'évaluation des usages, quant à elle, s’avère d’autant plus fondamentale que les Learning Spaces portent une vocation disruptive en la matière. Entre autres exemples, une telle approche peut se concentrer sur l’activité des étudiants au sein d’un espace au travers de l’analyse de leurs mouvements, déplacements et flux. Elle peut s’appuyer pour cela sur des caméras de plafond générant des cartes de chaleurs, des traqueurs portés par les usagers, ou encore des captations de videos time-lapse. Mais elle peut aussi se concentrer des aspects purement pédagogiques tels que l’engagement actif de ces mêmes étudiants dans des activités collaboratives, réunissant potentiellement des groupes en présentiel et d’autres en distanciel synchrone. Elle met alors à contribution des Learning Analytics multimodaux impliquant par exemple la captation de prise de parole et la détection de posture. Si cette évaluation des usages peut être déterminante dans la (re) conception des espaces proprement dits et dans celle des activités destinées à y être menées, elle représente cependant une démarche potentiellement complexe, non seulement de par son approche quantitative et/ou qualitative, mais aussi de par la définition et les modalités des pratiques couvertes (présentiel/hybride/HyFlex et synchrone/asynchrone).

Si la mise en place d’une approche Data-informed des Learning Spaces représente certainement un défi pour nombre d’établissements, elle constitue également une opportunité pour ces espaces de démontrer de façon tangible leurs apports aux dynamiques - actuelles et à venir - des campus. Les échanges entre pairs, au niveau national et international, ainsi que des publications de recherche de plus en plus nombreuses sur le sujet constitueront des outils précieux pour toutes celles et ceux qui s’engagent dans cette démarche.