L'importance du retour d'information des étudiants dans l'enseignement supérieur

Dans le paysage éducatif compétitif d'aujourd'hui, les établissements d'enseignement supérieur (EES) reconnaissent de plus en plus que le retour d'information ne se limite pas à l'expérience de l'étudiant. Ils sont également essentiels pour prendre des décisions éclairées qui favorisent l'amélioration continue et l'augmentation des taux d'inscription. Lors d'un récent webinaire organisé par HESPA et Explorance, des experts de l'Université de Westminster, de l'Université Liverpool John Moores (LJMU) et de l'Université de Manchester ont discuté de la façon dont les outils d'IA comme Explorance MLY permettent à leurs institutions de révolutionner la façon dont elles recueillent et mettent en œuvre les commentaires des étudiants.

1. Automatiser l'analyse qualitative pour plus d'efficacité

L'analyse qualitative est essentielle pour comprendre les commentaires nuancés fournis par les étudiants. Contrairement aux données quantitatives, qui offrent des aperçus chiffrés, le retour d'information qualitatif permet d'approfondir les expériences, les émotions et les suggestions des étudiants. Ce type d'analyse permet aux établissements d'enseignement supérieur de recueillir des commentaires et des sentiments riches et détaillés, qui sont essentiels pour améliorer l'expérience des étudiants.

Matthew Abley, analyste de recherche institutionnelle à l'université de Westminster, a déclaré : "L'utilisation de l'IA pour faciliter notre analyse des commentaires ouverts a créé un espace pour un changement de culture au sein de l'institution en faveur de données de qualité et de pratiques d'évaluation robustes." Ce changement a poussé les établissements à aller au-delà des données de surface, en découvrant des thèmes sous-jacents dans les commentaires des étudiants.

L'adoption de MLY par l'Université de Westminster met en évidence une transformation significative de son approche du retour d'information. Auparavant, l'analyse thématique manuelle des commentaires ouverts était un processus laborieux, qui limitait souvent la portée de l'analyse en raison de contraintes de temps. Ce manque de temps se traduisait par des informations incomplètes, des tendances manquantes et une compréhension globalement moins efficace des commentaires des étudiants, ce qui empêchait l'université d'apporter des améliorations en connaissance de cause.

Matthew a souligné que l'intégration de l'IA a non seulement accéléré ce processus, mais aussi amélioré la qualité et la profondeur des informations tirées des commentaires des étudiants. Cette avancée technologique a permis à l'université d'analyser un volume beaucoup plus important de commentaires, garantissant que davantage de voix d'étudiants sont non seulement entendues, mais aussi prises en compte dans les processus de prise de décision.

2. Mieux comprendre les sentiments des étudiants

Grâce aux capacités avancées d'analyse des sentiments de MLY, les universités peuvent mieux comprendre les expériences et les sentiments des étudiants. Ces informations leur permettent de répondre plus efficacement aux besoins des étudiants et d'optimiser l'environnement éducatif.

Fenna Boerkamp, responsable de la recherche institutionnelle et de l'évaluation à la LJMU, a souligné l'efficacité de MLY dans la capture des sentiments, en particulier dans les questions qui invitent les étudiants à commenter leurs sentiments.

"Pour l'enquête nationale auprès des étudiants (NSS), qui demande spécifiquement aux étudiants de commenter ce qu'ils ressentent de positif ou de négatif, MLY s'est avéré extrêmement utile. Nous avons d'abord procédé à une analyse manuelle rapide pour voir si MLY était aussi utile que nous l'espérions. Nous avons constaté que les thèmes que nous avions identifiés manuellement correspondaient en grande partie à ceux identifiés par MLY".

La capacité de MLY à identifier et à catégoriser les sentiments s'est avérée bénéfique pour LJMU dans l'élaboration de plans d'action basés sur les résultats de l'enquête nationale sur la santé.

3. Améliorer la collaboration et l'efficacité dans l'analyse du retour d'information

La capacité de MLY à faciliter le partage et la collaboration sur les projets est particulièrement remarquable. Cette fonction permet à plusieurs utilisateurs de travailler simultanément sur le même ensemble de données, ce qui améliore l'efficacité et la cohérence du processus d'analyse.

"Nous avons trouvé la possibilité de partager et de collaborer sur des projets incroyablement utile, en particulier ces dernières semaines", souligne M. Fenna. "Le fait de pouvoir examiner simultanément le même ensemble de données et d'interpréter les résultats en collaboration a rationalisé notre flux de travail et amélioré la précision de nos analyses.

La fonction d'alerte offerte par MLY a également été un atout important pour la gestion des commentaires des étudiants. Fenna explique :

"La fonction d'alerte a été particulièrement utile pour notre institution. Selon notre politique, nous devons supprimer tous les noms des commentaires négatifs, ce qui signifie que nous lisons tous les commentaires, en particulier pour nos enquêtes d'évaluation des modules. La fonction d'alerte nous aide à identifier et à traiter rapidement les commentaires préoccupants, ce qui nous permet de respecter nos politiques tout en gérant efficacement le retour d'information".

En permettant une analyse collaborative et en fournissant de puissantes fonctions d'alerte, MLY améliore la qualité et l'efficacité de l'analyse du retour d'information et garantit que les institutions peuvent traiter rapidement les problèmes critiques. Ces fonctionnalités contribuent à un environnement éducatif plus réactif et adaptable, favorisant l'inclusion et l'équité au sein de l'établissement.

4. Les stratégies d'enquête auprès des étudiants à l'épreuve du temps

Les outils d'IA tels que MLY révolutionnent également la manière dont les universités traitent d'importants volumes de données qualitatives, en découvrant des schémas et des sentiments qui auraient pu échapper à une analyse manuelle. "Il nous permet de ventiler les données en fonction de critères démographiques à l'aide de filtres. Il est également possible de créer des widgets pour des groupes démographiques spécifiques.

Cette capacité permet aux universités d'identifier rapidement les problèmes clés et les domaines à améliorer, ce qui favorise un environnement éducatif plus réactif et plus adaptable. L'université de Manchester a également constaté des améliorations significatives.

"Il s'agit d'une refonte complète pour nous. Nous recueillons souvent 50 000 commentaires à partir d'une enquête, et MLY effectue rapidement l'analyse, ce qui nous permet de commencer à obtenir des rapports de haut niveau en l'espace de quelques heures. Cela m'épargne des semaines de travail", a déclaré Daniel Bayes, responsable de l'enseignement et de l'apprentissage.

La capacité à traiter rapidement et avec précision de grandes quantités de données permet aux établissements de faire face à l'afflux constant de commentaires et d'affiner en permanence leurs approches et leurs stratégies. "Ma petite mais puissante équipe de trois personnes avait l'habitude de recruter des chercheurs étudiants, ce qui prenait cinq à six mois pour les former et les déployer", explique Matthew. Mais avec MLY, nous sommes passés d'une analyse d'environ 7 000 commentaires à environ 35 000 commentaires sur plusieurs ensembles de données au cours de cette seule année universitaire."

Il est essentiel d'agir sur les commentaires des étudiants pour créer une culture réactive fondée sur la confiance. MLY aide les établissements d'enseignement supérieur à identifier rapidement les informations exploitables et à mettre en œuvre les changements nécessaires, en veillant à ce que les commentaires des étudiants débouchent sur des améliorations tangibles. "Notre engagement en faveur de la réactivité favorise une culture de confiance et de collaboration entre les étudiants et l'établissement", a déclaré M. Fenna. C'est une chose d'ouvrir une boucle de retour d'information, mais c'en est une autre de la fermer avec des preuves d'impact".

L'évolutivité et l'efficacité de MLY changent la donne pour les établissements qui gèrent de gros volumes de retours d'information. Cette rapidité d'exécution est vitale pour une prise de décision rapide et démontre le potentiel des outils d'IA tels que MLY pour révolutionner la gestion du retour d'information dans l'enseignement supérieur.

5. Améliorer la réactivité des établissements grâce à l'IA

Pour créer un environnement dans lequel le retour d'information des étudiants est apprécié, il faut faire en sorte que les étudiants se sentent entendus et que leur opinion compte. L'utilisation de l'IA pour analyser rapidement les commentaires permet d'obtenir des informations opportunes et exploitables, qui peuvent conduire à des changements significatifs. L'instauration de cette culture nécessite des efforts constants de la part de l'ensemble de la communauté universitaire, y compris le corps enseignant, le personnel et les administrateurs, afin de donner la priorité aux commentaires des étudiants et d'y donner suite.

Les établissements peuvent construire une communauté plus forte et plus collaborative en démontrant que le retour d'information des étudiants conduit à de réelles améliorations. Lorsque les étudiants constatent que leurs commentaires aboutissent à des changements tangibles, ils sont plus enclins à continuer à apporter leur précieuse contribution, ce qui améliore encore la qualité de l'enseignement et de la vie sur le campus.

6. Exploiter l'IA pour améliorer l'expérience des étudiants

Alors que de plus en plus d'établissements adoptent des outils d'IA tels que MLY, le paysage de l'analyse du retour d'information des étudiants évolue. Ces outils permettent aux universités d'analyser le retour d'information rapidement et efficacement, ce qui se traduit par un environnement éducatif plus réactif et plus centré sur l'étudiant. L'IA permet aux établissements non seulement de recueillir les commentaires de manière plus efficace, mais aussi de les comprendre en profondeur, en veillant à ce que la voix de chaque étudiant soit entendue et valorisée.

L'intégration de l'IA dans l'analyse du retour d'information marque une étape importante dans l'amélioration de la qualité de l'enseignement et de la satisfaction des étudiants. En tirant parti de MLY, les établissements peuvent garder une longueur d'avance, en améliorant continuellement leurs stratégies et en favorisant une culture de la réactivité et de la confiance.

En conclusion, les outils d'IA transforment la façon dont les établissements d'enseignement supérieur abordent les commentaires des étudiants. L'analyse précise de grands volumes de données qualitatives permet aux établissements de prendre des décisions éclairées qui améliorent l'expérience des étudiants.

En continuant à adopter ces avancées technologiques, les universités seront mieux équipées pour répondre aux besoins changeants de leurs étudiants et créer un environnement éducatif plus inclusif, plus réactif et plus adaptatif.

Pour obtenir des informations plus détaillées et entendre directement les intervenants, accédez à l'enregistrement complet du webinaire ici (https://phes.wistia.com/medias/4pljuszmdi)