Dans les matières dites MINT (mathématiques, informatique, sciences naturelles et technologie), jusqu’à 40 % des étudiants abandonnent leurs études au cours de la phase d’introduction. Une équipe de recherche du Centre des méthodes de la Faculté des sciences économiques et sociales de l’Université de Tübingen a mis au point une méthode statistique grâce à laquelle les étudiants peuvent prédire en moyenne huit semaines à l’avance s’ils abandonneront leurs études.
L’équipe a également fait une avancée méthodologique générale avec l’algorithme nouvellement développé. Au cours de la prédiction, l’algorithme est capable de prendre en compte les différences entre les étudiants individuels qui existent déjà au début du cours – telles que les performances cognitives générales – et de les séparer de l’état d’esprit des étudiants individuels au fil des ans. temps. Cela permet de prédire la probabilité de décrochage, même pour les élèves a priori aptes. Une telle séparation des différents niveaux d’influence est également intéressante pour de nombreuses questions relevant d’autres domaines. L’équipe a publié un article sur le développement de la méthode dans la revue Psychométrie.
Au début, les étudiants des matières STEM ont des exigences différentes qui ont un impact sur la probabilité de base de décrocher. « Il est évident que, par exemple, les performances en mathématiques au lycée et les performances cognitives générales diffèrent d’un élève à l’autre. Des performances inférieures entraînent initialement une interruption plus fréquente de la phase initiale », explique le professeur Augustin Kelava du Centre des méthodes. « Cependant, nous voulions aborder la question de savoir comment identifier les étudiants du premier semestre comparablement qualifiés qui abandonnent rapidement leurs études. »
Étude longitudinale avec 122 étudiants
Pour l’étude, 122 étudiants de l’Université de Tübingen dans leur premier semestre de mathématiques ont été interrogés sur leurs connaissances antérieures en mathématiques, leurs intérêts, leur parcours scolaire et leur situation financière dans une grande étude initiale, et des variables de personnalité, y compris la stabilité émotionnelle, ont été collectés. « Les résultats de l’examen initial nous ont donné une image des caractéristiques stables de chaque élève », explique Kelava. Cela a été suivi par des sondages de cinq minutes trois fois par semaine, un total de 50 fois sur 131 jours de semestre, dans lesquels les étudiants ont déclaré comment ils se sentaient actuellement et s’ils pensaient pouvoir suivre en classe. « Afin de vérifier les prédictions faites, nous savions également qui était là jusqu’à la fin du semestre et connaissions la note de l’examen final.
L’équipe de recherche n’est pas intervenue spécifiquement dans le déroulement individuel de l’étude, « qui serait une future application orientée vers l’individu basée sur le développement du procédé en question », précise le scientifique. Les prédictions ont été calculées à l’aide de la méthode statistique nouvellement développée, un algorithme qui utilise des données collectées en temps réel, c’est-à-dire jusqu’à un certain point dans le temps, pour déterminer le comportement et l’expérience futurs de l’élève individuel avec un degré élevé de probabilité – un so- appelée méthode de filtrage direct. Algorithme d’échantillonnage en arrière (FFBS). « Les niveaux d’influence sont complexes. Ils sont imbriqués et une multitude de variables jouent un rôle dans la décision de persévérer ou d’abandonner. »
Prédictions précoces des intentions d’abandon
Ainsi, l’équipe de recherche a pu prédire les intentions de décrocher huit semaines à l’avance, c’est-à-dire à un moment où les gens venaient encore aux événements. « Après le début du semestre d’hiver, les étudiants ne sont souvent plus là après Noël », explique Kelava. « Nous avons réussi à séparer les deux niveaux d’influence, d’une part, les caractéristiques stables des étudiants et, d’autre part, les changements de leur état d’esprit dans le temps lors de la prédiction des intentions cachées. On peut dire quand ils développer une tendance latente au décrochage, qui n’est pas encore directement observable à l’époque, sur la base de leurs propres déclarations sur ce qu’ils ressentent et comment ils s’en sortent dans leurs études.
En pratique, la méthode statistique offre un instrument pour approcher spécifiquement les étudiants individuels, par exemple avec des services de conseil, qui sont en principe qualifiés pour la matière mais ont tendance à décrocher. En général, la méthode convient également à certaines questions de recherche dans d’autres domaines, telles que la séparation des variables d’influence stables des évolutions situationnelles des cours des actions dans les applications économiques ou d’ingénierie.
Augustin Kelava et al, Prévision des changements intra-individuels des états affectifs en tenant compte des différences inter-individuelles à l’aide de données longitudinales intensives d’une étude universitaire sur le décrochage des étudiants en mathématiques, Psychométrie (2022). DOI : 10.1007/s11336-022-09858-6