
Avec plus de 37 000 étudiants, l'université de Newcastle est un établissement de premier plan réputé pour son environnement inclusif et l'importance qu'il accorde à l'équité et à la justice sociale. Disposant de campus en milieu urbain et régional, elle propose un large éventail de programmes de premier cycle, de troisième cycle et de recherche. L'université accueille des étudiants de plus de 115 pays et est reconnue pour son approche axée sur la recherche, son alignement sur l'industrie et son impact sur le monde réel.
En 2020, l'université de Newcastle a repensé son approche en matière de feedback des étudiants en remplaçant 30 questions quantitatives par une seule question qualitative. Ce changement visait à donner plus de poids à la voix des étudiants et à recueillir des informations qualitatives plus significatives.
Il en a résulté une augmentation significative de l'engagement, avec un doublement des taux de réponse et la mise en lumière de problèmes jusque-là inconnus. Cependant, ce succès a introduit un nouveau défi, l'université étant confrontée à un volume de données qualitatives en croissance rapide sans disposer d'une méthode d'analyse évolutive et reproductible.
Une solution interne a été mise en place pour signaler les contenus inappropriés à l'aide d'un système basé sur un dictionnaire, mais elle s'est avérée insuffisante pour saisir l'évolution du langage utilisé dans les commentaires des étudiants. L'université a rapidement pris conscience de la nécessité d'adopter une approche plus robuste et plus intelligente pour soutenir sa culture du Feedback en pleine évolution.
Au départ, le personnel a accepté que l'analyse du Feedback serait un processus fastidieux. L'externalisation a également été envisagée, mais finalement rejetée en raison d'un désalignement stratégique et de préoccupations éthiques. Au cours de cette période d'exploration, l'université a découvert Explorance MLY, une solution d'analyse qualitative basée sur l'IA.
MLY s'est imposé comme la solution idéale. Contrairement aux outils d'analyse de texte génériques, MLY a permis à l'université d'analyser l'ensemble des commentaires dans le contexte de l'expérience étudiante, allant ainsi au-delà de la simple correspondance de mots-clés. Les modèles spécifiques à l'éducation de la plateforme ont permis de détecter des thèmes clés, des sentiments et des recommandations exploitables, même ceux qui auraient pu échapper à des évaluateurs humains. Elle a également offert une compréhension approfondie du langage de l'enseignement supérieur, couvrant à la fois les expériences académiques et parascolaires.
« Les modèles pré-entraînés ont fait toute la différence pour nous », explique Meagan Morrissey, responsable des informations sur les étudiants et le personnel. « Les autres outils d'analyse de texte disponibles sur le marché n'étaient pas entraînés à partir de commentaires issus de l'enseignement supérieur. Avec MLY, nous parlons le même langage. »
Grâce à MLY, l'université peut rapidement identifier les problèmes émergents et hiérarchiser les commentaires qui nécessitent une escalade. En fin de compte, MLY a fourni un processus efficace, précis et reproductible pour l'analyse qualitative du Feedback.
L'intégration de l'apprentissage automatique a atténué les biais et la naïveté, réduisant ainsi les erreurs humaines dans le processus. Par conséquent, MLY est devenu un élément clé de la boîte à outils d'analyse du Feedback de l'université de Newcastle. Il offre à l'université une méthode simple, reproductible et défendable pour analyser de manière cohérente les commentaires qualitatifs au fil du temps.
« Nous passions la majeure partie de l'année à lire les commentaires, et maintenant MLY traite cette charge de travail en quelques minutes », poursuit Meagan. Son équipe profite de ce temps supplémentaire pour faire passer sa culture du Feedback à un niveau supérieur. Cela comprend l'élaboration de stratégies visant à prévenir les dommages psychologiques et la poursuite du renforcement de la culture du Feedback tant pour les étudiants que pour le personnel.
