Évaluation de l'engagement des étudiants universitaires en classe, de l'expression réflexive et de l'intention prosociale à l'aide de l'observation comportementale et de l'analyse de l'apprentissage

Résumé

Ce protocole intègre l'observation en classe, l'écriture réflexive, la mesure de l'intention prosociale et l'analyse des données d'apprentissage afin d'évaluer l'engagement comportemental, l'expression réflexive et les résultats d'apprentissage orientés socialement chez des étudiants universitaires sur une période d'enseignement de 4 semaines. Il précise l'approbation éthique, le contenu des instruments, le flux de travail logiciel, la gestion des données manquantes, les procédures de dépannage et l'interprétation de résultats représentatifs, y compris les contraintes observées lors de la mise en œuvre.

Résumé

Pour répondre au besoin d'évaluations pluridimensionnelles de l'implication des étudiants allant au-delà des indicateurs traditionnels, ce protocole décrit une méthode structurée permettant d'évaluer l'engagement en classe, l'expression réflexive, les activités d'analytique de l'apprentissage et l'intention prosociale dans les cours de premier cycle. Le protocole combine une observation comportementale par intervalles, des rédactions réflexives hebdomadaires structurées, des données anonymisées provenant du système de gestion de l'apprentissage et un questionnaire mesurant l'intention prosociale avant et après le cours. Les procédures révisées fournissent un modèle reproductible de codage comportemental, une grille d'évaluation de l'expression réflexive accompagnée d'exemples de notes, des étapes relatives aux logiciels et à la gestion des données, ainsi que des recommandations précises pour résoudre les désaccords entre observateurs, les données manquantes provenant de la plateforme, les faibles taux de soumission des réflexions, la mauvaise visibilité des caméras, l'abandon des participants et les connaissances préalables inégales. Ce protocole doit être utilisé lorsque les chercheurs ont besoin d'une méthode peu intrusive et reproductible combinant comportement en classe en temps réel, interprétation personnelle des étudiants et activités courantes dans un système de gestion de l'apprentissage (LMS) durant l'enseignement de premier cycle. Il est moins adapté aux cours entièrement asynchrones dépourvus d'interactions observables, aux contextes où l'observation indépendante ou la liaison de données est interdite, ou aux études nécessitant une inférence biométrique ou une reconnaissance des émotions. Les résultats représentatifs sont rapportés à partir d'une application empirique mise en œuvre après obtention d'une approbation éthique validée, anonymisation des données du cours et préparation du dépôt dans un référentiel.

Introduction

L'évaluation de la participation des étudiants dans l'enseignement supérieur exige une approche complète et multiprovenance. Bien que l'engagement des étudiants soit généralement conçu comme une construction multidimensionnelle englobant le comportement observable, l'effort cognitif et l'interaction avec l'environnement, les approches analytiques actuelles s'appuient principalement sur des données brutes superficielles, telles que la fréquence des connexions et les actions enregistrées par le système¹. Cette surdépendance constitue un défi majeur pour la recherche appliquée en contexte de classe. Les formes les plus essentielles de participation pédagogique — les interactions directes entre pairs, la réflexion cognitive et les contributions sociales — se produisent souvent entièrement en dehors de la portée limitée de la visibilité offerte par les plateformes².

La complexité de la salle de classe universitaire moderne s'est accrue avec l'adoption de modèles pédagogiques hybrides, combinant des plateformes numériques et un enseignement traditionnel en présentiel. Bien que les revues systématiques des analyses d'apprentissage confirment que les traces numériques offrent des aperçus précieux sur l'allocation du temps, les schémas d'accès et les taux de rétention à long terme, ces indicateurs seuls ne permettent pas de déterminer si l'attention de l'apprenant est réellement efficace ou significative³. Par conséquent, les recherches récentes préconisent d'ancrer les analyses d'apprentissage dans des cadres théoriques plus solides en associant les traces numériques à des mesures plus riches et dépendantes du contexte de la participation, telles que le comportement en classe et les activités réflexives⁴.

L'écriture réflexive apporte une dimension qualitative essentielle à cette évaluation. Les réflexions structurées après les cours et les journaux permettent de recueillir l'interprétation par les étudiants des activités d'apprentissage, de clarifier les difficultés pédagogiques et d'établir un lien entre les contenus théoriques et les actions pratiques ultérieures. De récentes données empiriques conceptualisent l'expression réflexive comme une structure intégrée, composée de plusieurs éléments, incluant le rappel descriptif, l'inférence analytique, la représentation autoréférentielle et la généralisation du sens⁵. Par ailleurs, des recherches indiquent que le fait de fournir aux étudiants un accompagnement répété dans la réflexion renforce progressivement leur capacité d'introspection ; à mesure que la fréquence des réflexions structurées augmente au cours des études, les compétences exploratoires autonomes des étudiants s'améliorent simultanément⁶.

Un deuxième grand vide dans la recherche actuelle sur l'engagement réside dans la marginalisation fréquente de la socialisation en classe. Alors que les études existantes mettent fortement l'accent sur le comportement ou la cognition individuels, les salles de classe universitaires fonctionnent comme des environnements d'apprentissage intrinsèquement sociaux, où les étudiants s'influencent mutuellement par la collaboration et des interactions réactives. Des données récentes montrent que le climat en classe et les structures de participation sont fortement corrélés à des comportements prosociaux et à une mentalité orientée vers la contribution—des résultats qui restent insuffisamment explorés par rapport aux indicateurs traditionnels de performance académique ou de satisfaction étudiante. Le comportement prosocial dans les contextes académiques n'est pas simplement un sous-produit des états émotionnels ou du stress ; il est plutôt fondamentalement lié à la manière dont les étudiants s'insèrent dans les activités d'apprentissage collectives⁷. Par conséquent, la mesure de l'intention prosociale constitue un angle d'analyse approprié pour déterminer si l'engagement en classe dépasse la simple réalisation de tâches isolées, afin de favoriser des comportements coopératifs et encourageants qui s'étendent au-delà du cadre immédiat de l'enseignement⁸.

Ces avancées conceptuelles soulignent la nécessité d'un cadre intégré de collecte de preuves mis en œuvre dans une même fenêtre pédagogique. Une conception multisource atténue les limites liées à la dépendance à une métrique unique, permettant une validation croisée entre différents modes de participation et révélant comment les étudiants interprètent leurs activités post-cours afin de favoriser l'apprentissage autonome⁹. Alors que les évaluations réflexives capturent l'état cognitif interne de l'apprenant, l'ancrage de ces auto-déclarations avec des traces comportementales objectives améliore considérablement l'interprétabilité des données d'apprentissage. À l'heure actuelle, il existe une absence notable de protocoles pratiques, prêts à l'emploi en classe, qui synthétisent de manière fluide l'observation systématique du comportement, les rapports réflexifs structurés et l'analyse des données d'apprentissage pour une mise en œuvre courante dans les universités.

Pour remédier à ces lacunes méthodologiques, cet article présente un protocole d'évaluation conçu pour mesurer simultanément l'engagement en classe, l'expression réflexive et l'intention prosociale des étudiants universitaires. Élaboré spécifiquement pour les contextes de premier cycle, ce protocole propose une méthodologie simplifiée nécessitant une charge administrative minimale sans compromettre la reproductibilité scientifique. En comblant l'écart analytique entre les comportements observables, l'expérience de soi exprimée et les résultats d'apprentissage orientés vers le social, ce cadre répond à l'appel croissant en faveur d'une plus grande clarté conceptuelle dans la recherche sur l'interaction humain-technologie en milieu éducatif¹⁰.

Protocole

Toutes les méthodes impliquant des participants humains ont été réalisées conformément à la Déclaration d'Helsinki et aux lignes directrices institutionnelles pertinentes. Pour l'étude mise en œuvre, le protocole a été approuvé par le comité d'éthique de l'Institut de technologie de Nanchang avant le début du recrutement (numéro d'approbation : NITE778291). Un consentement éclairé écrit a été obtenu de chaque étudiant participant. Seules des données agrégées et anonymisées provenant des observations en classe, des scores de réflexion, des analyses d'apprentissage et des questionnaires ont été utilisées à des fins d'analyse ; les vidéos de classe identifiables, les noms, les identifiants institutionnels et les textes de réflexion non caviardés ont été exclus de la diffusion publique.

1. Conception de l'étude et sélection des participants

1. Mettre en œuvre le protocole sur quatre périodes d'enseignement consécutives pour chaque section de cours sélectionnée. Enregistrer les intitulés anonymisés des cours, le format pédagogique, l'effectif de la classe, l'expérience de l'enseignant avec le cours, ainsi que la présence ou non d'enseignement collectif, de travail en groupe ou d'exercices individuels. Viser un effectif initial d'environ 180 à 210 étudiants universitaires âgés de 18 ans ou plus, ou adapter cet objectif de taille d'échantillon au contexte du cours.
2. S'assurer que tous les participants disposent d'un compte institutionnel actif pour la plateforme du cours, qu'ils assisteront aux cours observés et qu'ils ont reçu les directives préalables habituellement fournies à la classe. Lorsque les connaissances préalables varient fortement, fournir un court document de rattrapage, une liste de ressources préalables ou une séance de révision animée par l'enseignant avant la période d'observation, et enregistrer ce soutien comme métadonnées contextuelles.
3. Obtenir le consentement éclairé écrit de tous les étudiants après avoir remis une fiche d'information écrite complète. Indiquer clairement dans le formulaire de consentement que l'étude associe l'observation du comportement en classe, des écrits réflexifs hebdomadaires et des données anonymisées provenant de la plateforme d'apprentissage.
4. Ne faire figurer dans le jeu de données de recherche que les étudiants ayant donné leur consentement. Garantir que le refus de participer n'affecte ni la présence, ni les notes, ni l'accès au cours, ni la communication avec l'enseignant.
   1. Préciser les usages autorisés et interdits des outils d'intelligence artificielle (IA) avant la première tâche de réflexion.
      NOTE : Les outils d'IA ne peuvent être utilisés que si la politique du cours l'autorise et uniquement comme aide générale à l'étude ; les soumissions réflexives et les réponses relatives aux intentions prosociales doivent décrire l'expérience personnelle de l'étudiant et indiquer toute assistance fournie par une IA.
   2. Si l'enseignant autorise l'utilisation de l'IA pour combler les lacunes dans les connaissances préalables, fournir à tous les étudiants les mêmes consignes ou ressources approuvées, et enregistrer ce soutien comme une adaptation du protocole. Ne pas utiliser de résumés générés par l'IA comme preuve principale de la réflexion de l'étudiant, sauf si l'étude de validation évalue explicitement les réponses assistées par l'IA.
5. Exclure les étudiants avant l'analyse s'ils refusent de consentir, se désistent du cours pendant la période du protocole, ou s'ils ne disposent pas de données correspondantes dans les enregistrements d'observation, de réflexion et d'analyses. Utiliser un plan expérimental à mesures répétées afin de recueillir des données cohérentes à partir de trois sources distinctes sur une période de 4 semaines².

2. Acquisition des données de base et gestion de l'identité

1. Désigner un seul administrateur des données chargé d'attribuer à chaque participant ayant donné son consentement un identifiant d'étude alphanumérique de huit caractères, selon un processus pseudo-aléatoire.
2. Créer un fichier de correspondance identité–identifiant d'étude contenant les noms des étudiants, leurs identifiants institutionnels, leurs sections de cours et leurs numéros d'étude. Conserver ce fichier en lieu sûr et séparément des fichiers d'analyse, en veillant à ce qu'il reste totalement inaccessible aux observateurs, aux codeurs d'analyses réflexives et aux chercheurs.
3. Détruire ou archiver ce fichier de correspondance après la vérification finale des données, conformément à la politique institutionnelle approuvée en matière de conservation des données, tout en restant conforme aux pratiques actuelles en analyse de l'apprentissage dans l'enseignement supérieur concernant la limitation des liens et la suppression des identifiants¹.
4. Recueillir des données démographiques de base sur l'âge, le sexe, l'année universitaire et la spécialité des participants durant la semaine initiale précédant le premier cours observé.
5. Utiliser le questionnaire à six items sur l'intention prosociale fourni dans le fichier supplémentaire 1 comme instrument structuré de référence avant le premier cours observé. Le distribuer par voie électronique via le système de gestion de l'apprentissage (LMS) ou sur papier, en utilisant uniquement l'identifiant d'étude attribué. Les étudiants évaluent chaque item selon une échelle à 5 points allant de 1 = fortement en désaccord à 5 = fortement d'accord ; calculer le score de référence comme la moyenne des items complétés lorsque au moins cinq des six items sont répondus.
6. Exporter tous les textes réflexifs collectés par la suite sans noms, adresses électroniques ni autres identifiants personnels, afin de garantir l'anonymat complet avant le début du codage qualitatif.

3. Préparation à l'observation en classe

1. Prévoir des observations pour chaque section de classe une fois par semaine pendant 4 semaines consécutives. Pour un cours standard de 90 minutes, définir une fenêtre observée de 70 minutes en excluant les 10 premières et les 10 dernières minutes du codage⁵.
2. Commencer le codage à la 10^ème minute et arrêter à la 80^ème minute d'un cours standard de 90 minutes. Ces périodes tampons ne font pas partie de la fenêtre d'observation de 70 minutes ; ainsi, un cours standard fournit 70 minutes d'observation codée plutôt qu'une session de 30 minutes.
3. Exclure tout bloc d'enseignement interrompu de l'évaluation finale si le cours subit une perturbation de plus de 5 minutes due à des alarmes, des changements de salle ou des pannes de plateforme.
4. Considérer l'engagement en classe comme une composition observable de plusieurs comportements en enregistrant simultanément plusieurs indicateurs comportementaux à chaque point de mesure¹¹. Ces indicateurs incluent l'attention axée sur la tâche, la participation verbale, la collaboration entre pairs, la prise de notes ou l'utilisation d'appareils orientées vers la tâche, les distractions hors sujet et les comportements de recherche d'aide.
5. Organiser la disposition des sièges en groupes avant la première observation et maintenir strictement cette configuration tout au long de la période de 4 semaines.
6. Placer deux observateurs formés à des emplacements fixes offrant une visibilité complète sur la salle afin qu'ils codent indépendamment. Si l'enregistrement vidéo institutionnel est autorisé et que les participants y consentent, installer deux caméras fixes dans les zones arrière-centrale et arrière-latérale, et les synchroniser avant la séance.
7. Utiliser les enregistrements vidéo uniquement pour la formation des observateurs, la vérification de la fiabilité et la résolution des problèmes de visibilité ; ne pas utiliser les enregistrements vidéo comme source principale de codage et ne pas effectuer d'analyse des émotions faciales, des émotions vocales, de biométrie ou de reconnaissance d'identité.

Codage comportemental par intervalles

1. Diviser la fenêtre d'observation de 70 minutes en intervalles consécutifs composés d'un balayage visuel de 20 secondes suivi d'une période d'enregistrement de 10 secondes. Si un grand cours magistral, un cours de laboratoire ou un cours en ligne nécessite une durée d'intervalle différente, indiquer la structure d'intervalle adaptée et la justifier avant le début de la collecte des données.
   NOTE : Cette structure de 20 s/10 s équilibre l'observation écologique en classe et la charge de travail du codeur : la période de balayage est suffisamment longue pour détecter l'attention soutenue, la collaboration et les comportements hors tâche, tandis que la période d'enregistrement réduit la charge mnésique et favorise des décisions binaires cohérentes.
2. Balayer de façon continue et en boucle un groupe clairement défini de maximum dix étudiants par intervalle, selon l'agencement des places assises.
3. Utiliser des critères de balayage spécifiques afin d'éviter les incohérences entre codeurs dues à des définitions opérationnelles imprécises⁴. Encoder six indicateurs binaires au niveau étudiant durant chaque balayage. Ces indicateurs incluent l'attention orientée vers la tâche, la participation verbale, la collaboration entre pairs, la prise de notes ou l'utilisation d'un appareil axée sur la tâche, la distraction hors tâche et le comportement de recherche d'aide.
4. Marquer un indicateur comme "1" si le comportement désigné se produit à un moment quelconque pendant les 20 secondes du balayage. Sinon, le marquer comme "0". Encoder l'intervalle comme manquant si un étudiant n'est pas visible pendant au moins 10 secondes du balayage.
5. Enregistrer l'attention orientée vers la tâche lorsqu'un étudiant oriente visuellement son regard vers l'enseignant, les tâches assignées, les informations présentées ou des pairs engagés dans une discussion relative à la tâche, pendant au moins 5 secondes consécutives. Encoder la participation verbale pour toute contribution audible et liée à la tâche.
6. Encoder la collaboration entre pairs lorsque les étudiants s'engagent dans des échanges visibles liés à la tâche, une résolution conjointe de problème ou des explications mutuelles. Enregistrer la prise de notes ou l'utilisation d'un appareil axée sur la tâche lors d'une écriture, frappe ou interaction numérique active avec les supports du cours.
7. Marquer la distraction hors tâche si un étudiant participe à des conversations non liées, utilise un appareil à des fins non académiques ou présente un désengagement soutenu pendant au moins 5 secondes consécutives. Enregistrer la recherche d'aide lorsqu'un étudiant demande explicitement une clarification ou une assistance à l'enseignant ou à des pairs.
8. Calculer le score comportemental hebdomadaire de chaque étudiant comme le nombre total de jugements positifs divisé par l'ensemble des évaluations valides. Calculer ensuite les moyennes sur 4 semaines pour les six indicateurs.
9. Calculer un indice combiné d'engagement en classe observé (OCEI) pour l'étudiant i durant la semaine w en utilisant le modèle mathématique prédéfini : OCEI_iw = [Attention orientée vers la tâche_iw + Participation verbale_iw + Collaboration entre pairs_iw + Prise de notes ou utilisation d'un appareil axée sur la tâche_iw + (1 - Distraction hors tâche_iw)]/5.
10. Conserver la recherche d'aide comme une variable analytique indépendante, car elle peut refléter soit une clarification constructive, soit des difficultés avec le contenu pédagogique, selon le contexte¹². Se référer à Figure 1 pour le flux du protocole d'étude et à Table 1 pour les indices d'observation et les règles de codage.

5. Formation des observateurs et évaluation de la fiabilité

1. Effectuer une formation des observateurs à l'aide d'une séance de formation manuelle de 60 minutes et réaliser trois tours de calibration avant le début du programme officiel.
2. Effectuer le premier tour de calibration à l'aide d'un codage guidé d'une vidéo de classe qui n'appartient pas à l'étude. Réaliser les deux tours suivants comme des codages indépendants de vidéos différentes n'appartenant pas à l'étude, suivis d'une comparaison statistique directe avec le codeur principal.
3. Commencer la collecte officielle des données uniquement lorsque le kappa de Cohen atteint ou dépasse 0,75 et que l'accord total entre les codeurs dépasse 85 %.
4. Mettre en œuvre une vérification de dérive en double aveugle sur 10 % des sessions complètes et sur un segment aléatoire de 10 minutes parmi les sessions restantes tout au long du protocole de 4 semaines.
5. Recalibrer l'équipe de codage dans un délai de 72 heures et revérifier les sessions concernées avant la consolidation des données si la valeur de kappa descend en dessous de 0,70 pour un indicateur quelconque. Fournir continuellement des retours d'information et organiser des exercices de calibration afin de maintenir la stabilité de l'évaluation dans le temps¹³.

6. Collecte et évaluation des expressions réflexives

1. Demander aux étudiants de soumettre un texte réflexif structuré (100 à 350 mots) pour chaque cours observé, produisant ainsi 4 soumissions par participant au cours du protocole de 4 semaines.
2. Diffuser les consignes de réflexion via le LMS ou un formulaire papier dans les 2 heures suivant le cours observé, puis fermer la fenêtre de soumission 72 heures plus tard. Le formulaire doit afficher le champ identifiant d’étude (Study ID) et les trois consignes suivantes, toujours dans le même ordre pour chaque étudiant :
   1. Identifier les moments où ils se sont sentis le plus et le moins impliqués pendant le cours.
   2. Expliquer les causes contextuelles, notamment la difficulté de la tâche, les connaissances préalables, les interactions en groupe, les explications de l’enseignant ou l’utilisation de la plateforme.
   3. Décrire comment leur participation a influencé l’atmosphère en classe et quelles actions futures ils prévoient d’entreprendre.
      NOTE : Conserver les soumissions de moins de 100 mots, mais les signaler dans la base de données comme contenant peu d’informations. Signaler également les soumissions qui omettent l’un des éléments suivants : implication, cause contextuelle ou action future/impact social, car ces omissions affectent la notation de la qualité de la réflexion et la faisabilité du rapport.
3. Attribuer à deux codeurs indépendants et non informés l’évaluation des soumissions selon quatre dimensions : précision descriptive, profondeur analytique, orientation vers l’auto-régulation et sens social-prosocial.
   1. Noter chaque dimension selon une échelle à 4 points où 0 indique une absence, 1 une preuve faible ou vague, 2 une preuve claire mais limitée, et 3 une preuve forte et approfondie. Par exemple, la profondeur analytique est notée 0 lorsqu’aucune justification n’est fournie, 1 lorsque l’étudiant indique simplement que l’activité était difficile, 2 lorsqu’il relie la difficulté à un concept ou à une condition spécifique en classe, et 3 lorsqu’il explique l’interaction entre les connaissances antérieures, les échanges entre pairs, les retours de l’enseignant et une stratégie d’apprentissage planifiée. Tableau 2 et Fichier Supplémentaire 1 fournissent des exemples de niveaux de notation pour les quatre dimensions réflexives.
4. Ne commencer l’évaluation formelle qu’après avoir obtenu un coefficient de corrélation intraclasse de 0,80 ou plus élevé pour chaque dimension sur les textes pilotes¹⁴.
5. Procéder à la double notation aléatoire de 15 % des réflexions de l’étude durant le protocole afin de contrôler les dérives des évaluateurs. Évaluer les écrits réflexifs selon ces critères qualitatifs multidimensionnels plutôt que de se baser uniquement sur la longueur du texte ou la fréquence des mots.
6. Élaborer ou adapter la grille d’évaluation des expressions réflexives par examen expert mené par au moins deux chercheurs en éducation et un enseignant du cours. Tester la grille sur 20 à 30 textes réflexifs non inclus dans l’étude, réviser les descripteurs ambigus et documenter la version finale de la grille avant le début du codage formel.
7. Administrer le questionnaire d’intention prosociale présenté dans Fichier Supplémentaire 1. Demander aux étudiants d’évaluer leur volonté d’aider les camarades en difficulté, de partager des ressources d’apprentissage, de contribuer constructivement aux discussions, d’encourager leurs pairs, d’agir équitablement lors de travaux de groupe et d’améliorer le climat d’apprentissage en classe. Utiliser une échelle à 5 points allant de 1 (tout à fait en désaccord) à 5 (tout à fait d’accord). Calculer la note moyenne lorsque au moins cinq des six items sont complétés, et rapporter l’alpha de Cronbach pour les passations initiale et post-protocole.

7. Extraction des analyses d'apprentissage

1. Attribuer l'extraction des données d'analytique de l'apprentissage à un administrateur externe après la semaine 4 afin d'éviter toute contamination des processus d'observation et de réflexion.
2. Définir la fenêtre d'extraction de 00:00 le jour du premier cours observé à 23:59 le jour de clôture de la période finale de réflexion.
3. Extraire uniquement les variables prédéfinies nécessaires au protocole. Enregistrer le nombre de jours actifs sur la plateforme, les consultations distinctes de ressources, la proportion des ressources assignées ouvertes, la quantité de réponses postées dans les discussions, le taux moyen d'achèvement des vidéos et la ponctualité aux devoirs.
4. Nettoyer les exports bruts en supprimant les comptes des enseignants et des assistants pédagogiques, les doublons, les événements de test et les points de données situés en dehors de la période définie.
5. Considérer comme jour actif toute date du calendrier comportant au moins un accès authentifié au cours suivi d'une interaction significative, telle que l'ouverture de fichiers, la visualisation de vidéos ou la publication de réponses.
6. Compter les ouvertures uniques de ressources en ignorant les actualisations en double survenant dans un intervalle de 60 s. Déterminer le taux d'achèvement des vidéos en tronquant la fraction visionnée par rapport au temps prévu à 01:00, puis en effectuant une moyenne sur tous les éléments média assignés.
7. Calculer la ponctualité aux devoirs en fonction de la proportion de tâches soumises avant les délais prévus. Calculer la proportion d'accès nocturnes comme le rapport entre les événements significatifs survenus entre 00:00 et 06:00 et le nombre total d'activités significatives durant la période d'observation. S'appuyer sur ces métriques fondées sur le temps et la contribution pour fournir des informations plus riches qu'une simple accumulation de journaux¹⁵.
8. Utiliser un flux de travail prédéfini de gestion des données pour l'exportation brute du système de gestion de l'apprentissage. Conserver l'exportation d'origine comme fichier en lecture seule, créer une copie de travail anonymisée, supprimer les comptes des enseignants et des assistants pédagogiques, éliminer les doublons ou événements de test, et conserver un journal de traitement avec le nombre de lignes après chaque étape de nettoyage.
9. Effectuer le nettoyage des données dans un tableur ou ultérieurement, et réaliser l'analyse statistique avec R version 4.4.0 ou ultérieure, ou un logiciel équivalent.
   1. Dans un tableur, suivre les étapes décrites aux points 7.9.1.1–7.9.1.2.
      1. Importer les fichiers CSV anonymisés à l'aide de Données > Obtenir des données > À partir de texte/CSV, puis utiliser Données > Supprimer les doublons pour éliminer les lignes en double de ID d'étude/timestamp/événement.
      2. Appliquer un Filtre pour exclure les comptes des enseignants ou des assistants pédagogiques ainsi que les enregistrements hors période, et conserver un journal de traitement avec le nombre de lignes après chaque étape.
   2. Dans R, suivre les étapes décrites aux points 7.9.2.1–7.9.2.3.
      1. Importer les fichiers avec readr::read_csv(), remodeler les enregistrements hebdomadaires avec dplyr::mutate(), dplyr::group_by(), dplyr::summarise(), tidyr::pivot_longer() et tidyr::pivot_wider().
      2. Calculer le kappa de Cohen avec irr::kappa2(), les CCI avec psych::ICC(), et alpha de Cronbach avec psych::alpha().
      3. Ajuster des modèles linéaires corrigés par section avec stats::lm() ; utiliser lme4::lmer() lorsqu'un intercept aléatoire prédéfini par section de cours est requis, et utiliser lme4::glmer(family = binomial) uniquement pour les résultats binaires. Archiver le script exact ainsi que les versions des packages avec les documents soumis.
10. Utiliser la séquence d'analyse reproductible suivante.
    1. Calculer les proportions d'observation par étudiant et par semaine, calculer l'IOEC à l'aide de la formule indiquée à l'étape 4.9, puis fusionner les scores de réflexion hebdomadaires par ID d'étude et par semaine.
    2. Agréger les variables d'analytique de l'apprentissage sur la même fenêtre de 4 semaines, examiner les valeurs manquantes par source de données, calculer les statistiques descriptives et les estimations de fiabilité, puis ajuster les modèles d'association prédéfinis.
    3. Ne pas ajouter de prédicteurs non planifiés après examen des résultats, sauf s'ils sont étiquetés comme exploratoires.
11. (Facultatif) Pour plus de transparence, déposer un script d'analyse anonymisé, un codebook, des formulaires de codage vierges, les consignes de réflexion, la grille d'évaluation de la réflexion et le questionnaire prosocial dans un dépôt public ou les matériaux supplémentaires. Ne pas déposer les vidéos brutes identifiables de la classe, les noms, les identifiants institutionnels ou les textes de réflexion non caviardés.

8. Mesures post-protocole et intégration des jeux de données

1. Administrer une deuxième fois l'instrument d'intention prosociale immédiatement après la fin de la dernière période de réflexion.
2. Demander aux étudiants d'évaluer leur volonté d'aider leurs camarades, de partager des ressources, d'apporter une contribution constructive aux discussions, d'encourager leurs pairs, d'agir avec équité et d'améliorer le climat d'apprentissage sur une échelle allant de 1 (tout à fait en désaccord) à 5 (tout à fait d'accord). Calculer le score total post-protocole de chaque individu en faisant la moyenne des réponses, à condition qu'au moins cinq des six items aient été répondus.
3. Fusionner les fichiers d'observation, les scores de réflexion et les enregistrements d'analytique de l'apprentissage à l'aide de l'identifiant d'étude anonymisé. Construire deux jeux de données finaux à partir de cette fusion afin de créer un fichier maître au niveau des participants et un fichier au format long au niveau hebdomadaire.
4. Ne pas imputer les intervalles d'observation manquants dus à l'absence de visibilité des étudiants, ni les réflexions hebdomadaires manquantes dues à un non-dépôt. Indiquer les réflexions partiellement complétées, les variables d'analytique de l'apprentissage incomplètes, les réflexions pauvres en informations et les identifiants d'étude non appariés avant l'analyse.
5. Utiliser une analyse des cas complets pour les modèles d'association prédéfinis, indiquer le nombre de cas exclus pour chaque modèle, et effectuer une vérification de sensibilité comparant les étudiants inclus et exclus selon les variables de base disponibles.
6. Conserver l'intention prosociale comme mesure principale de résultat afin de refléter les attitudes solidaires et collaboratives qui sous-tendent les changements structurels dans la participation des étudiants universitaires.

9. Dépannage et adaptations du protocole

1. Si deux observateurs diffèrent de plus d'une catégorie binaire pour le même groupe d'élèves ou si le kappa de Cohen est inférieur à 0,70 pour un indicateur donné, suspendre la notation formelle pour la session concernée, revoir les définitions opérationnelles, effectuer un segment de recalibrage de 10 minutes, puis recoder l'intervalle concerné avant la verrouillage des données.
2. Si les exports de la plateforme sont incomplets, documenter le champ manquant, demander un second export à l'administrateur externe, et conserver l'élève dans les résumés d'observation et de réflexion tout en excluant la variable analytique indisponible des modèles nécessitant ce champ.
3. Si moins de 80 % des réflexions attendues sont soumises dans les 48 heures suivant l'ouverture de la tâche, envoyer un rappel neutre à l'ensemble de la classe, prolonger le soutien technique pour les problèmes d'accès, et signaler séparément les nombres finaux de soumissions à temps, en retard et manquantes.
4. Si plus de 10 % des élèves d'un groupe ne sont pas visibles pendant au moins la moitié de la fenêtre d'observation, coder les intervalles concernés comme manquants et s'appuyer sur les enregistrements des observateurs en direct plutôt que d'essayer d'inférer le comportement à partir de vidéos partiellement obstruées.
5. Si un élève se retire, refuse de participer davantage ou ne dispose pas de données rapprochables entre les sources, retirer cet élève des modèles d'association liés, mais conserver les comptages agrégés de faisabilité du protocole lorsque l'approbation éthique le permet.
6. Si plusieurs élèves indiquent qu'une section est difficile à comprendre, l'enseignant doit apporter la réponse pédagogique habituelle, telle qu'une brève reformulation, un exemple guidé, une discussion entre pairs ou une ressource complémentaire. Enregistrer cet événement comme un fait contextuel, car il peut influencer la recherche d'aide, la profondeur de la réflexion et l'activité sur la plateforme.
7. Ajuster la taille des groupes d'élèves, la durée des intervalles, les consignes de réflexion et les variables analytiques en fonction du format pédagogique, tout en conservant la même logique d'indicateurs comportementaux prédéfinis, d'enregistrements anonymisés, de codage indépendant et de règles transparentes de traitement des données manquantes.
8. Considérer la faible fiabilité, la forte proportion de données manquantes, la profondeur limitée des réflexions, l'évolution prosociale insuffisante et le faible accord entre les flux de données comme des résultats informatifs sur la mise en œuvre, et non comme des échecs du protocole. Signaler ces résultats et expliquer s'ils reflètent le contexte de la classe, des limites des instruments ou des problèmes de collecte de données.

Résultats

Inclusion des participants, complétude des données et fiabilité des scores
Un groupe initial de 204 étudiants provenant de toutes les sections du cours a été invité à participer, donnant lieu à 198 individus ayant donné leur consentement. Quatorze cas ont par la suite été exclus en raison d'un retrait du cours pendant la période du protocole ou d'une liaison incomplète des données entre les observations, les réflexions et les enregistrements de la plateforme. En conséquence, l'échantillon final retenu pour l'analyse comprenait 184 étudiants. Les caractéristiques des participants, les taux de complétion hebdomadaires et la complétude globale des données sont détaillés dans le tableau 3.

Au cours du programme de 4 semaines, 24 séances de cours ont été observées, générant un enregistrement synchronisé d'analyses d'apprentissage pour chaque participant. Sur les 736 rapports réflexifs attendus, 701 ont été soumis dans la fenêtre de 72 heures, 18 ont été soumis en retard et 17 étaient manquants. Au total, 171 étudiants ont réussi à compléter toutes les réflexions hebdomadaires à temps. Les analyses d'apprentissage ont été entièrement extraites pour les 184 participants finaux, après élimination des comptes des formateurs, des entrées en double et des activités hors fenêtre.

Le codage observationnel est resté très stable tout au long de la période du protocole. La fiabilité inter-évaluateurs pour les six indices comportementaux de l'observation en classe a révélé des valeurs de kappa de Cohen comprises entre 0,76 et 0,84, la concordance globale lors des tests de dérive dépassant 86 %. Pour les scores d'expression réflexive, les coefficients de corrélation intra-classes (CCIs) selon les quatre dimensions variaient entre 0,82 et 0,89. Tableau 4 présente les statistiques descriptives et les indices de fiabilité des variables principales de l'étude.

Observation comportementale en classe
Les comportements observés en classe ont montré une amélioration progressive au cours du protocole de 4 semaines. Comme illustré dans Figure 2, l'attention au travail, la participation verbale et la collaboration entre pairs étaient nettement plus élevées à la quatrième semaine par rapport aux premières semaines. Plus précisément, la participation verbale a augmenté de 0,18 ± 0,09 lors de la première semaine à 0,24 ± 0,10 à la quatrième semaine (p < 0,05). La collaboration entre pairs a également augmenté, passant de 0,29 ± 0,11 à 0,35 ± 0,12 (p = 0,006). L'attention au travail a montré une amélioration très significative, passant de 0,71 ± 0,12 à 0,76 ± 0,11 (p < 0,001).

Inversement, la prise de notes axée sur la tâche ou l'utilisation d'appareils a montré des augmentations hebdomadaires marginales seulement, sans atteindre une signification statistique (p = 0,08). Le comportement de recherche d'aide est resté constamment faible tout au long de la période d'observation, ne présentant aucun effet temporel significatif (p = 0,21). La distraction hors tâche a diminué de manière significative, passant de 0,14 ± 0,08 lors de la semaine 1 à 0,11 ± 0,07 lors de la semaine 4 (p = 0,03). Dans l'ensemble, l'indice composite d'engagement en classe observé a augmenté de manière significative, passant de 0,52 ± 0,10 durant la première semaine à 0,58 ± 0,11 lors de la dernière semaine (p < 0,001).

Expressions réflexives au cours du protocole de 4 semaines
L'expression réflexive a évolué au fil de la période d'étude, bien que l'ampleur du changement ait varié selon ses sous-dimensions. Comme le montre la Figure 3, le score total de réflexion est passé de 7,2 ± 1,9 de la semaine 1 à la semaine 4 (p < 0,001).

La profondeur analytique était nettement plus élevée à la fin de la semaine 4 par rapport aux deux premières semaines (p < 0,001). De même, le sens social-prosocial est passé de 1,08 ± 0,55 à 1,54 ± 0,60 (p < 0,001), et l'orientation autorégulatrice a augmenté de 1,42 ± 0,63 à 1,69 ± 0,65 (p < 0,05). En revanche, la spécificité descriptive a présenté une légère tendance à la hausse, passant de 2,14 ± 0,57 à 2,24 ± 0,55, ce qui n'était pas statistiquement significatif (p = 0,09).

Les soumissions comptaient en moyenne entre 223 et 231 mots par entrée tout au long du protocole. Sur les 736 rapports réflexifs attendus, 18 ont été soumis en retard et 17 étaient manquants ; les entrées contenant peu d'informations et les réponses omettant la cause contextuelle ou la demande relative à l'action future/à l'impact social ont été signalées dans la base de données. Ces cas ont été conservés comme indicateurs de faisabilité et n'ont été exclus que des modèles évaluant la qualité des réflexions par semaine lorsque le score pertinent ne pouvait pas être attribué.

Motifs d'analytique de l'apprentissage pendant la période d'étude
Les indicateurs d'activité sur la plateforme ont présenté une grande variabilité interindividuelle au cours de la période de 4 semaines, comme illustré dans la Figure 4.

Sur l'ensemble de la période, les étudiants ont passé en moyenne 9,7 ± 2,4 jours actifs sur la plateforme. Le nombre moyen de consultations distinctes de ressources était de 27,3 ± 8,6, les étudiants ouvrant une proportion moyenne de 0,81 ± 0,14 des ressources assignées. De plus, le nombre moyen de réponses dans les discussions était de 4,8 ± 2,7. La ponctualité moyenne aux devoirs et le taux moyen d'achèvement des vidéos étaient respectivement de 0,86 ± 0,18 et de 0,79 ± 0,17. La proportion d'accès à la plateforme en soirée s'est élevée en moyenne à 0,12 ± 0,09.

Notamment, les réponses aux discussions et la ponctualité aux devoirs ont démontré des corrélations positives plus marquées avec d'autres indicateurs de participation, malgré la large distribution des scores de ponctualité.

Association croisée des observations, des réflexions et des données d'apprentissage
Les trois sources de données ont révélé des associations significatives, bien que non uniformes. Comme illustré dans la Figure 5, les élèves ayant des indices d'engagement en classe plus élevés avaient tendance à obtenir des scores totaux de réflexion plus élevés. Dans le modèle ajusté par section, l'engagement en classe observé prédisait positivement le score total de réflexion (β = 0.34, p < 0.001).

Parmi les variables d'analytique de l'apprentissage, les réponses aux discussions et la ponctualité aux devoirs étaient significativement et positivement corrélées à la qualité de la réflexion. Comme indiqué dans le Tableau 5, les réponses aux discussions prédisaient positivement le score total de réflexion (β = 0,19, p = 0,013), tout comme la ponctualité aux devoirs (β = 0,17, p = 0,028). Bien que le nombre brut de consultations de ressources et la proportion de ressources attribuées ouvertes présentaient initialement des associations positives, ces corrélations se sont considérablement affaiblies après ajustement pour les variables de confusion. La proportion d'accès en soirée n'a montré aucune association significative avec le score total de réflexion (p = 0,18).

Les données ont également révélé des corrélations croisées modérées entre le comportement observé en classe et des activités spécifiques sur la plateforme ; par exemple, le nombre brut de consultations de ressources était seulement faiblement corrélé avec l'indice d'engagement observé en classe. En outre, les étudiants qui participaient plus fréquemment aux discussions de groupe présentaient une communication verbale plus élevée, tandis que ceux ayant une meilleure régulation comportementale montraient moins de procrastination dans la remise de leurs tâches.

Évolution de l'intention prosociale
L'intention prosociale a augmenté de manière significative entre le moment initial et le post-test. La moyenne du score d'intention prosociale est passée de 3,61 ± 0,53 au départ à 3,84 ± 0,50 après le protocole de quatre semaines (p < 0,001). Figure 6 illustre la distribution appariée et les associations ajustées.

Dans le modèle ajusté final, un indice d'engagement en classe observé plus élevé prédisait une augmentation plus importante de l'intention prosociale post-protocole par rapport au score de référence (β = 0,21, p < 0,05). Parmi les dimensions réflexives, le sens social-prosocial exerçait l'effet indépendant le plus important sur l'intention prosociale post-protocole (β = 0,29, p < 0,001). Bien que la participation verbale ait présenté une corrélation positive non ajustée avec les résultats prosociaux au post-test, cette association perdait sa signification statistique après ajustement sur les valeurs initiales (p = 0,09). Enfin, le taux d'accès en fin de soirée restait sans lien avec l'intention prosociale post-protocole (p = 0,27).

Contraintes d'implémentation observées et résultats nuls
L'étude mise en œuvre a produit plusieurs résultats sous-optimaux mais informatifs, plutôt que des échecs entraînant l'arrêt du protocole. Aucune session observée n'a dû être exclue en raison d'un kappa inférieur à 0,70, aucun champ d'analyse des apprentissages n'est resté indisponible après l'exportation finale, et aucun problème de visibilité n'a dépassé le seuil de manquants prédéfini. Les contraintes observées étaient concentrées sur l'achèvement des réflexions et sur des résultats comportementaux nuls ou marginaux : 18 réflexions ont été soumises en retard, 17 réflexions attendues étaient manquantes, la prise de notes ou l'utilisation du dispositif axée sur la tâche n'a montré qu'une augmentation marginale (p = 0,08), la recherche d'aide n'a montré aucun effet temporel significatif (p = 0,21), et l'accès en soirée n'était pas associé au score total de réflexion ni à l'intention prosociale post-protocole.

Ces résultats ont été retenus car ils décrivent la faisabilité de la mise en œuvre et les conditions limites du protocole. Les réflexions tardives ou manquantes ont été indiquées dans les résumés du flux des participants et de l'exhaustivité des données ; les associations marginales ou nulles ont été rapportées sans omission sélective ; et les procédures de dépannage dans la section Protocole précisent comment gérer les échecs hypothétiques tels que la dérive de l'observateur, une visibilité obstruée ou des champs LMS manquants lors des mises en œuvre futures.

Les fichiers d'analyse désidentifiés, le dictionnaire de données, les scripts d'analyse, les formulaires de codage vierges, les consignes de réflexion, la grille d'évaluation de la réflexion et le questionnaire d'intention prosociale ont été déposés dans Zenodo : https://zenodo.org/records/20607517. Les vidéos brutes identifiables de la classe, les noms, les identifiants institutionnels et les textes de réflexion non caviardés n'ont pas été rendus publics.

Figure 1 : Flux de travail de l'étude et protocole d'intégration de données multisources. (A) Recrutement des participants, obtention du consentement et attribution d'un identifiant d'étude dans le cadre de deux cours de premier cycle répartis en six sections. (B) Cycle de collecte de données de 4 semaines : observation hebdomadaire en classe, tâche d'écriture réflexive et fenêtre synchronisée de capture des données analytiques sur l'apprentissage. (C) Trois flux de données parallèles : observation du comportement en classe, évaluation des productions réflexives et enregistrements anonymisés provenant de la plateforme d'apprentissage. (D) Construction du jeu de données maître au niveau des participants et de la base de données au format long au niveau hebdomadaire, produisant les principaux résultats de recherche : indice d'engagement observé en classe, score de réflexion et intention prosociale. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Figure 2 : Évolutions hebdomadaires des comportements observés en classe au cours du protocole de 4 semaines. (A) Attention portée à la tâche. (B) Participation orale. (C) Collaboration entre pairs. (D) Prise de notes axée sur la tâche ou utilisation d'appareils dédiée à la tâche. (E) Distraction hors tâche. (F) Recherche d'aide. Les valeurs correspondent à des scores de proportion par élève et par semaine, dérivés d'observations en classe basées sur des intervalles. Les points indiquent les moyennes hebdomadaires et les barres d'erreur indiquent les écarts types. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Figure 3 : Évolutions hebdomadaires de l'expression réflexive au cours des quatre soumissions réflexives. (A) Spécificité descriptive. (B) Profondeur analytique. (C) Orientation autorégulée. (D) Sens social-prosocial. (E) Score total de réflexion. Les scores de réflexion ont été attribués par deux codeurs indépendants à l'aide de la grille préétablie. Les points indiquent les moyennes hebdomadaires et les barres d'erreur indiquent les écarts types. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Figure 4 : Répartition des indicateurs d'analytique de l'apprentissage au cours de la période d'étude de 4 semaines. (A) Jours actifs sur la plateforme d'apprentissage. (B) Consultations des ressources. (C) Proportion des ressources attribuées ouvertes. (D) Réponses publiées dans les discussions. (E) Taux moyen d'achèvement des vidéos. (F) Ponctualité aux devoirs. (G) Proportion d'accès en soirée. Toutes les valeurs ont été calculées sur la même fenêtre de 4 semaines utilisée pour l'observation en classe et la rédaction réflexive. Les diagrammes en violon montrent les distributions au niveau des étudiants, et les boîtes à moustaches indiquent les médianes et les écarts interquartiles. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Figure 5 : Associations entre l'engagement en classe observé, l'expression réflexive et certains indicateurs issus des analyses d'apprentissage. (A) Association entre l'indice d'engagement en classe observé et le score total de réflexion. (B) Association entre le nombre de réponses postées dans les discussions et le score total de réflexion. (C) Association entre la ponctualité au rendu des devoirs et le score total de réflexion. (D) Association entre la participation verbale et le score total de réflexion. Les courbes de tendance représentent des ajustements linéaires ; les bandes ombragées indiquent les intervalles de confiance à 95 %. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Figure 6 : Évolution de l'intention prosociale et ses associations avec l'engagement en classe et la signification réflexive. (A) Distribution appariée des scores d'intention prosociale au moment du point de départ et après le protocole. Les lignes relient les scores appariés avant/après du même élève. (B) Association entre l'indice d'engagement en classe observé et l'intention prosociale après le protocole, après ajustement sur le score de départ. (C) Association entre le sens social-prosocial et l'intention prosociale après le protocole. (D) Association entre la participation verbale et l'intention prosociale après le protocole. Les bandes ombrées dans les panneaux B à D indiquent les intervalles de confiance à 95 %. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.

Tableau 1 : Indicateurs d'observation en classe au niveau des élèves et règles de codage. Ce tableau détaille les définitions opérationnelles et les critères de codage concernant l'attention axée sur la tâche, la participation verbale, la collaboration entre pairs, la prise de notes ou l'utilisation d'un appareil axée sur la tâche, la distraction hors tâche et la recherche d'aide. La fenêtre de codage de 70 min, le cycle de balayage de 20 s et d'enregistrement de 10 s, la procédure de balayage par grappes, la règle de visibilité manquante et la formule OCEI sont décrites dans la section Protocole. Veuillez cliquer ici pour télécharger ce tableau.

Tableau 2 : Cadre d'évaluation des expressions réflexives, exemples par niveau de score et définitions opérationnelles des variables issues de l'analyse des apprentissages. Ce tableau présente la grille d'évaluation des textes réflexifs, y compris des exemples de scores 0, 1, 2 et 3 pour chaque dimension réflexive, ainsi que les définitions opérationnelles des variables d'analyse des apprentissages extraites. Les composantes réflexives comprennent la précision descriptive, la profondeur analytique, l'orientation autorégulée, le sens social-prosocial, le score global de réflexion, le nombre de mots et le statut de soumission. L'analyse des apprentissages comprend les jours actifs, les consultations de ressources, la proportion des ressources attribuées ouvertes, les réponses publiées dans les discussions, le taux moyen d'achèvement des vidéos, la ponctualité aux devoirs et la proportion d'accès en soirée tardive. Veuillez cliquer ici pour télécharger ce tableau.

Tableau 3 : Caractéristiques des participants, flux d'inclusion et exhaustivité des données. Ce tableau résume l'éligibilité des participants, les taux de consentement, les critères d'exclusion, la taille finale de l'échantillon et l'exhaustivité des données provenant des trois sources de données. Il présente les caractéristiques démographiques de base ainsi que le nombre attendu de réflexions, les soumissions à temps, les soumissions tardives, les réflexions manquantes et les extractions réussies d'analyses d'apprentissage. Les valeurs sont exprimées en n (%) sauf indication contraire. En raison des arrondis, les pourcentages peuvent ne pas totaliser exactement 100 %. Conformément au protocole, les réflexions tardives sont archivées mais exclues des analyses spécifiques à chaque semaine. Une extraction complète d'analyses d'apprentissage désigne la récupération réussie d'enregistrements anonymisés de la période d'étude, après suppression des comptes des enseignants, des doublons et des événements hors période. Veuillez cliquer ici pour télécharger ce tableau.

Tableau 4 : Statistiques descriptives et scores de fiabilité des tests des variables principales de l'étude. Le tableau présente les valeurs moyennes, les écarts types et les indices de fiabilité spécifiques à chaque semaine pour le comportement observé en classe, l'expression réflexive, les données d'apprentissage et l'intention prosociale. La fiabilité des données d'observation en classe est évaluée à l'aide du kappa de Cohen. La fiabilité de la notation des réflexions est exprimée par des coefficients de corrélation intra-classes (CCIs) pour les textes notés en double. La cohérence interne de la mesure de l'intention prosociale est indiquée à l'aide du alpha de Cronbach. αLes variables d'analytique du apprentissage sont calculées sur la même période de 4 semaines utilisée pour les observations et les réflexions. Veuillez cliquer ici pour télécharger ce tableau.

Tableau 5 : Associations multivariées entre l'engagement observé en classe, l'expression réflexive, les données d'apprentissage et l'intention prosociale. Le tableau détaille les modèles inférentiels utilisés dans les analyses principales. Il présente les prédicteurs multivariés du score total de réflexion, les prédicteurs ajustés de l'intention prosociale post-protocole (ajustés sur les niveaux initiaux) et certaines associations non ajustées sélectionnées. Les valeurs β représentent les coefficients de régression non standardisés. Tous les modèles multivariés sont ajustés selon la section de cours. Les erreurs types (ET), les intervalles de confiance à 95 % (IC) et les valeurs de p sont fournis pour toutes les estimations. Veuillez cliquer ici pour télécharger ce tableau.

Discussion

Cette étude propose un protocole pratique intégrant l'observation comportementale, l'écriture réflexive et l'analyse des apprentissages afin d'examiner de manière exhaustive la participation, l'expression de soi et la sensibilité prosociale des étudiants universitaires au sein d'une même fenêtre pédagogique. En saisissant différentes dimensions de l'engagement, cette approche tripartite répond aux critiques récentes formulées dans la recherche en enseignement supérieur, selon lesquelles les indicateurs de temps d'utilisation et la surveillance fondée sur des capteurs sont insuffisants lorsqu'ils sont évalués isolément¹. Au cours du protocole de 4 semaines, l'engagement visible en classe s'est nettement amélioré. Plus précisément, la participation orale et la collaboration entre pairs ont augmenté parallèlement à l'attention portée à la tâche, tandis que la recherche d'aide et la prise de notes axée sur la tâche ont connu peu de changements. Ces modifications comportementales indiquent que, à mesure que les étudiants s'adaptent à l'environnement d'enseignement, leur engagement évolue vers une participation plus stratégique, socialement interactive et orientée vers la contribution¹⁶.

Du point de vue méthodologique, la valeur du protocole repose sur une mise en œuvre rigoureuse plutôt que sur l'obtention de résultats uniformément positifs. Le flux de travail révisé met donc l'accent sur une formule OCEI prédéfinie, une observation indépendante, un traitement logiciel documenté, des exemples de grilles d'évaluation, des seuils de fiabilité et des règles explicites pour les données manquantes. Ces ajouts visent à rendre le protocole reproductible dans des contextes de classe ordinaires où les enregistrements de plateforme, la présence des étudiants, la visibilité de la caméra et la qualité des réflexions sont imparfaits.

Le protocole doit également être interprété comme sensible au format. Dans les grands cours magistraux, les observateurs peuvent avoir besoin de grappes plus petites et rotatives ainsi que d'une période d'étalonnage plus longue ; dans les cours en ligne, l'observation comportementale peut s'appuyer sur les journaux d'interactions et la participation visible plutôt que sur l'analyse de la salle ; dans les laboratoires, les comportements liés à la sécurité peuvent nécessiter un indicateur supplémentaire ; et dans les salles de classe culturellement diverses, les consignes de réflexion et les éléments relatifs aux intentions prosociales doivent être examinés pour leur clarté linguistique et leur pertinence culturelle avant utilisation.

L'écriture réflexive offre un niveau supplémentaire de compréhension de ces schémas comportementaux. Les scores totaux de réflexion ont montré une tendance régulièrement croissante tout au long du protocole, les améliorations les plus marquées concernant la profondeur analytique et la signification sociale-prosociale. Plutôt que de se contenter de rapporter des événements survenus en classe, les étudiants ont fait preuve d'une capacité croissante à analyser des situations pédagogiques selon une perspective plus large et plus sensible aux enjeux sociaux. Cela rejoint des découvertes récentes indiquant que des tâches de réflexion répétées et structurées favorisent l'élaboration de sens de niveau supérieur et un discours fondé sur les connaissances, même lorsque le volume de texte au niveau superficiel reste relativement constant⁹. Par conséquent, l'écriture réflexive dans l'enseignement supérieur doit être considérée comme une construction multidimensionnelle, au sein de laquelle les compétences liées à l'interprétation, au transfert et à la projection autorégulée se développent à des rythmes différents au fil du temps⁵.

L'intégration de l'analyse des apprentissages justifie davantage la nécessité d'un protocole multisource. Des actions concrètes, telles que les réponses aux discussions et la ponctualité dans la remise des devoirs, se sont révélées des indicateurs beaucoup plus informatifs de l'engagement que le volume brut d'activités. En revanche, l'accès à la plateforme en soirée n'a montré aucune association significative avec la qualité de la réflexion ou l'intention prosociale. Ces résultats confirment des recherches antérieures qui mettent en garde contre une trop grande dépendance aux métriques simples de fréquence ou de connexions pour évaluer la participation des étudiants⁴. Nos résultats suggèrent que les étudiants qui interagissent de manière constructive avec les contenus du cours développent une capacité accrue à la réflexion ; toutefois, l'activité de base sur la plateforme ne reflète pas parfaitement l'engagement observable en classe. Le chevauchement modéré — plutôt qu'une redondance excessive — entre observation, réflexion et analyses valide ainsi l'utilisation de stratégies de mesure combinées, plutôt que d'inférences indépendantes basées sur une seule source¹⁷.

Une contribution secondaire de cette recherche est l'élargissement des résultats évalués au-delà des métriques classiques de participation. L'intention prosociale a augmenté de manière mesurable entre le pré-test et le post-test, présentant les associations les plus fortes chez les étudiants qui ont exprimé des thèmes sociaux et prosociaux dans leurs réflexions et qui ont maintenu un profil d'interaction étendu. Ces observations sont cohérentes avec les recherches actuelles en enseignement supérieur, qui postulent que les caractéristiques coopératives et orientées vers la contribution sont intégrales aux interactions en classe, plutôt que de simples effets secondaires⁸. En outre, ces résultats appuient la conceptualisation des salles de classe comme des systèmes sociaux complexes. Lorsque les étudiants évaluent activement leur contribution relative à la communauté d'apprentissage, leur comportement a tendance à évoluer d'une simple conformité vers un engagement constructif et prosocial¹⁸.

Ces conclusions offrent des perspectives concrètes pour la conception pédagogique. Le protocole proposé ne nécessite aucun capteur spécialisé ni système de surveillance intrusif. En s'appuyant exclusivement sur l'observation par intervalles, des réflexions structurées hebdomadaires et les données standards de la plateforme du cours, cette combinaison fournit une solution très réalisable pour les environnements d'enseignement au premier cycle qui exigent des preuves transparentes et formatives d'engagement, mais qui manquent d'infrastructure technologique avancée. De récents cadres pédagogiques mettant l'accent sur les communautés d'apprentissage et l'enseignement axé sur la création de valeur suggèrent que le fait de redéfinir le rôle des étudiants comme co-créateurs actifs, plutôt que comme consommateurs passifs, confère un sens accru à leur participation à l'enseignement supérieur¹⁹. Notre résultat empirique selon lequel les indicateurs liés à la contribution sont étroitement regroupés avec la qualité des réflexions et l'intention prosociale — bien plus que le simple trafic sur la plateforme — appuie fortement ce changement pédagogique.

Plusieurs limites doivent être reconnues. Premièrement, comme le protocole est conçu pour un nombre restreint de sections de cours, sa transférabilité à des environnements basés sur des laboratoires, dominés par des cours magistraux, entièrement en ligne asynchrones ou culturellement diversifiés nécessite une adaptation planifiée et de nouveaux tests de fiabilité. Deuxièmement, l'intention prosociale est mesurée par auto-évaluation et doit être interprétée comme une intention déclarée plutôt que comme une vérité comportementale directe. Troisièmement, les analyses d'apprentissage capturent les activités médiatisées par la plateforme, mais peuvent omettre la préparation hors ligne, le soutien informel entre pairs et l'étude assistée par intelligence artificielle non divulguée. Quatrièmement, la fenêtre d'observation de 4 semaines permet d'identifier des schémas de mise en œuvre à court terme, mais pourrait ne pas rendre compte de trajectoires développementales plus longues. Enfin, les valeurs représentatives sur 4 semaines doivent être interprétées comme des preuves de mise en œuvre spécifiques au contexte plutôt que comme des estimations causales généralisables²⁰.

Les recherches futures devraient étendre ce cadre dans plusieurs directions. La réplication du protocole dans diverses disciplines universitaires et modalités pédagogiques constitue une prochaine étape essentielle. De plus, des suivis longitudinaux sont nécessaires pour déterminer si ces pratiques réflexives à court terme engendrent des attitudes prosociales durables ou des bénéfices comportementaux persistants. Les études ultérieures pourraient également comparer ce cadre d'observation à d'autres méthodologies, telles que l'évaluation par les pairs, l'analyse d'artefacts au niveau du groupe ou l'analyse de séquences d'événements. Néanmoins, sous sa forme actuelle, ce protocole fournit un mécanisme opérationnel solide permettant de trianguler ce que les étudiants font en classe, la manière dont ils interprètent ces actions par la suite, et la façon dont ils s'insèrent socialement dans l'environnement d'apprentissage plus large.

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
Fiche de codage pour l'observation en classe	Interne	Six indicateurs comportementaux binaires	Codage par intervalles de l'attention axée sur la tâche, de la participation verbale, de la collaboration entre pairs, de la prise de notes ou utilisation d'appareil orientée vers la tâche, des distractions hors tâche et de la recherche d'aide.
GraphPad Prism	Graphpad	Version 10.2.3	Génération de diagrammes de flux, de graphiques de tendances hebdomadaires, de graphiques de distribution et de figures d'association.
Système de gestion de l'apprentissage institutionnel / plateforme de cours	Université d'accueil	Système de comptes LMS institutionnel existant	Collecte d'analyses d'apprentissage dé-identifiées.
Microsoft PowerPoint	Microsoft	Microsoft 365 v2402	Génération de diagrammes de flux, de graphiques de tendances hebdomadaires, de graphiques de distribution et de figures d'association.
R	Fondation R		ggplot2 3.5.1
Logiciel de feuille de calcul	Société Microsoft	Microsoft Excel 365 v2402	Saisie des données, nettoyage, vérifications de dé-identification et fusion des jeux de données issus des observations, des réflexions et des analyses.
SPSS Statistics	IBM Corp	Version 26.0	Logiciel d'analyse statistique ; statistiques descriptives, comparaisons à mesures répétées, kappa de Cohen, CCI, alpha de Cronbach, corrélations et modèles de régression.