Extraction de données éducatives pour identifier les modèles d'utilisation réalisés par les professeurs d'université de la plateforme Moodle

En raison des événements causés par la pandémie de COVID-19 et des mesures de distanciation sociale, les systèmes de gestion de l'apprentissage ont gagné en importance. En préservant les normes de qualité, ils peuvent être utilisés pour mettre en œuvre l'éducation à distance ou comme support à l'éducation en présentiel. Par conséquent, il est important de connaître comment les enseignants et les étudiants les utilisent. Dans ce travail, des techniques de clustering sont utilisées pour analyser l'utilisation, par les professeurs d'université, des ressources et des activités de la plateforme Moodle. La méthodologie CRISP-DM a été appliquée pour mettre en œuvre un processus d'extraction de données, basé sur l'algorithme Simple K-Means ; pour identifier les groupes associés d'enseignants, il était nécessaire de catégoriser les données obtenues à partir de la plateforme. L'algorithme Apriori a été appliqué pour identifier les associations dans l'utilisation des ressources et des activités. Des échelles de performance ont été établies dans l'utilisation des fonctionnalités de Moodle, les résultats montrent que l'utilisation faite par les enseignants était très faible. Des règles ont été générées pour identifier les associations entre les activités et les ressources. En conséquence, les fonctionnalités qui doivent être renforcées dans les processus de formation des enseignants ont été identifiées. Après avoir identifié les modèles d'utilisation de la plateforme Moodle, il a été conclu qu'il était nécessaire d'utiliser une échelle de Likert pour transformer la fréquence d'utilisation des activités et des ressources et identifier les règles d'association qui établissent des profils d'enseignants et des outils devant être promus dans les futures actions de formation.