Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Ressources
pédagogiques,
Learning Analytics
et données
personnelles
Par Calimaq.
«»
De quoi parle-t-on ?
Deux disciplines pédagogiques
émergentes structurent actuellement
les usages, méthodes et outils d...
Exemples d’applications
• Identifier les étudiants en risque
d’abandon ou d’échec ;
• Cibler les interventions pédagogique...
De nombreux rapports depuis plusieurs
années évoquent la question…
2014 – Rapport CNNum « Jules Ferry 3.0 »
2016 – Rapport...
Les Learning Analytics comme pharmakon ?
« En grec, le pharmakon
désigne à la fois le
remède et le poison. Et
pour Stiegle...
Un côté clair…
Learning Analytics :
quelles sont les
données du
problème ? CNIL.
« L’analyse de ces traces constitue
une n...
Et un côté obscur…
• « Si elles sont utiles à l’amélioration globale de
la plateforme, la production et la réutilisation
d...
Les MOOCs et le précédent « Coursera »…
« les MOOCs qui se mettent en place dans l’éducation supérieure sont
rarement tran...
https://www.fun-mooc.fr/privacy
Respect global du principe de finalité et de
proportionnalité de la collecte des données,
...
Déjà des coups de semonces…
http://www.lemonde.fr/ecole-primaire-et-secondaire/article/2010/04/26/la-
creation-contestee-d...
En France, polémique autour du partenariat entre le
Ministère de l’Education nationale et Microsoft
Recours en justice par...
Mise en garde de la CNIL à propos de la
« Charte de confiance » du Ministère
http://www.cafepedagogique.net/lexpr
esso/Pag...
L’affaire Microsoft,
l’arbre qui cache la forêt ?
https://www.snes.edu/Comment-l-Ecole-laisse-le-prive-
acceder-aux-donnee...
Le cadre actuel de la protection des données personnelles
et de la vie privée
Au commencement était la loi de 78…
Cadre légal :
Loi du 6 août 2004 relative à la
protection des personnes physiques
à l...
« Ensemble des informations qui permettent sous quelque forme que ce
soit, directement ou non, l’identification des person...
l’article 10 de la loi informatique et libertés
dispose qu’aucune « décision produisant des
effets juridiques à l'égard d'...
18
Les obligations en cas de collecte et de
traitement de données personnelles
La loi impose d’informer les personnes
« f...
5 principes de protection des
données personnelles
5 principes de protection
des données personnelles
Voir : site de la CNIL
Les droits des personnes sur
les données les concernant
Un certain nombre de dispenses de déclaration
CNIL pour l’éducation nationale
Dispense de déclaration pour les traitements...
Mettre en place les Learning
Analytics dans le cadre CNIL ?
 Toujours possible sur des données anonymisées
(en prenant ga...
Exemple de mention dans la politique
de confidentialité de FUN MOOC
Données d’usage
Les données d’usage sont les données c...
Le nouveau Règlement Général de
Protection des données
A lire: les 10 points clés du nouveau règlement
- Plus de formalité...
Notion centrale = Accountability
(principe de redevabilité)
https://www.alain-bensoussan.com/avocats/accountability-
regle...
Une application territoriale
sans limite
Mais à combiner avec les règles du Privacy
Shield et les Binding Corporate Rules ...
Un renversement important : le passage à
un principe de consentement
Le règlement consacre que le
consentement de la perso...
De nouveaux droits pour
les individus
• Droit à la portabilité des données
(déjà introduit en France par la loi
République...
Vers une nouvelle signalétique
pour la vie privée (Privacy Icons)?
https://www.privacytech.fr/privacy-icons/
Le règlement ...
Anonymisation vs
Pseudonymisation
Là où la CNIL raisonnait
en terme
d’anonymisation, le
règlement parle
seulement de
« pse...
La question du « profilage »
Déf° : « fait de prendre des
décisions adaptées à un individu en
particulier et de prédire se...
Question des traitements
algorithmiques / Big Data
Le Big Data soulève des problèmes de protection des données personnelle...
Les Learning Analytics dans le
cadre du RGPD
 Il faudra sans doute réaliser des études d’impact
préalables pour les proje...
Quelle articulation avec les nouvelles règles en matière
d’ouverture des données publiques (Open Data)
Y compris pour les universités
Consécration d’un principe de libre réutilisation
et de gratuité (Loi Valter)
Seules quelques administrations listées par ...
Obligation de publication et d’ouverture des
codes sources des algorithmes de
l’administration
http://www.letudiant.fr/edu...
Mais obligation de protéger les données
personnelles et la vie privée des individus
« Lorsque les documents comportent des...
Respect des droits de propriété
intellectuelle appartenant à des tiers.
Exclut les documents produits par les enseignants,...
Les Learning Analytics
et l’Open Data
 Les données d’apprentissage feront partie des
données entrant dans le principe d’O...
Quels encadrements pour les
projets de recherche ?
http://hubblelearn.imag.fr/wp-content/uploads/2015/02/charte-
ethique-H...
L’initiative Apereo Learning Analytics
http://www.sup-numerique.gouv.fr/cid113065/learning-
analytics-une-tendance-emergen...
De l’inspiration à chercher en
Angleterre ?
http://www.open.ac.uk/students/charter/essential-documents/ethical-use-
studen...
Il faut désormais se battre sans relâche pour préserver un espace du Commun :
une infrastructure nous permettant d’agir et...
Upcoming SlideShare
Loading in …5
×

Ressources pédagogiques, Learning Analytics et données personnelles

10,328 views

Published on

Intervention lors des rencontres Scenari 2017.

Published in: Education
  • Be the first to comment

Ressources pédagogiques, Learning Analytics et données personnelles

  1. 1. Ressources pédagogiques, Learning Analytics et données personnelles Par Calimaq.
  2. 2. «» De quoi parle-t-on ? Deux disciplines pédagogiques émergentes structurent actuellement les usages, méthodes et outils de l’exploitation des traces numériques en contexte pédagogique : l’Exploration de Données Éducatives (Educational Data Mining) , plutôt centrée sur l’amélioration des conditions de pilotage des organisations éducatives, et l’Analytique de l’Apprentissage (Learning Analytic), davantage centrée sur l’apprenant. https://dcla.fr/?p=410#more-410 L’Adaptative Learning serait le moyen de conduire un étudiant ou un stagiaire vers le plus court chemin de la réussite, au travers de l’analyse de ses données comportementales tout au long de son parcours de formation. https://dcla.fr/?p=410#more-410
  3. 3. Exemples d’applications • Identifier les étudiants en risque d’abandon ou d’échec ; • Cibler les interventions pédagogiques pour aider ces derniers à réussir ; • Adapter les parcours et les approches pédagogiques selon le profil et le comportement des apprenants ; • Communiquer aux apprenants des informations sur leur propre comportement d’apprentissage.
  4. 4. De nombreux rapports depuis plusieurs années évoquent la question… 2014 – Rapport CNNum « Jules Ferry 3.0 » 2016 – Rapport Terra Nova « L’école sous algorithmes » 2017 – Rapport Institut Montaigne « Université, une nouvelle ambition »
  5. 5. Les Learning Analytics comme pharmakon ? « En grec, le pharmakon désigne à la fois le remède et le poison. Et pour Stiegler, toute technologie est pharmakon, elle est à la fois poison et remède. Mais qu’elle soit à la fois poison et remède ne signifie pas qu’elle soit neutre. » Xavier de la Porte https://www.franceculture.fr/emissions/ce-qui-nous-arrive-sur-la- toile/internet-nest-pas-neutre-internet-est-un-pharmakon
  6. 6. Un côté clair… Learning Analytics : quelles sont les données du problème ? CNIL. « L’analyse de ces traces constitue une nouvelle discipline, les Learning Analytics, soit « la mesure, la collecte, l’analyse et la production de données des processus d’apprentissage » (wikipedia), par des techniques d’analyse de données. L’objectif annoncé est de permettre d’améliorer les formations et la pédagogie, par une connaissance fine de l’efficacité des exercices, des points sur lesquels butent les apprenants. Ces plateformes permettraient en outre d’optimiser le coût des formations, de personnaliser les cursus et idéalement de motiver les étudiants, en leur apportant des retours sur les apprentissages. »
  7. 7. Et un côté obscur… • « Si elles sont utiles à l’amélioration globale de la plateforme, la production et la réutilisation de ces données interrogent : elles pourraient tout aussi bien être utilisées pour prédire des situations d’échec, détecter des élèves à risque, enfermer les élèves dans des parcours scolaires « adaptés à leur profil », prédire les abandons dans les Moocs, voire même fournir des profils adaptés à des employeurs potentiels… Des finalités qui pour certaines, si elles ne sont pas encadrées, pourraient aboutir à des formes de discrimination. • Au-delà de l’aspect juridique, des questions seront certainement à soulever du côté de l’éthique, dès lors que l’on cherchera à classer les élèves dès leur plus jeune âge pour repérer des cas de déviance, avec le risque de les enfermer dans des bulles d’échec. Pour que les données de leur enfance ne les poursuivent pas tout au long de leur vie. » Learning Analytics : quelles sont les données du problème ? CNIL.
  8. 8. Les MOOCs et le précédent « Coursera »… « les MOOCs qui se mettent en place dans l’éducation supérieure sont rarement transparents quant à la gouvernance des données recueillies dans le cadre de leur usage. Ce manque de transparence doit être levé sans attendre ». Rapport CNNum Jules Ferry 3.0 « Dans les contrats que Coursera a signé avec les universités allemandes, qui comportent une clause de confidentialité, il est inscrit qu'avec l'accord des utilisateurs, Coursera «autorisera les employeurs ou les recruteurs à interroger les données sur les utilisateurs». (2015)
  9. 9. https://www.fun-mooc.fr/privacy Respect global du principe de finalité et de proportionnalité de la collecte des données, encadrement du transfert à des tiers, exclusion des usages commerciaux Données personnelles Les données personnelles vous concernant et collectées par le site www.fun- mooc.fr vous appartiennent. Ces données sont protégées et non diffusées conformément à la loi française. Ces données sont utilisées pour assurer la délivrance des services offerts par le site : délivrance de certificats et attestations, échanges de pairs à pairs, échanges entre l’équipe pédagogique et les apprenants, envoi d’informations de manière proactive, etc. Nous nous engageons à ce que ces données ne soient pas diffusées à des tiers ni commercialisées sans votre accord explicite.
  10. 10. Déjà des coups de semonces… http://www.lemonde.fr/ecole-primaire-et-secondaire/article/2010/04/26/la- creation-contestee-d-un-fichier-des-decrocheurs_1342729_1473688.html 2010… 2017… http://eduscol.education.fr/pid23269-cid55057/plates- formes-de-suivi-et-d-appui-aux-decrocheurs.html
  11. 11. En France, polémique autour du partenariat entre le Ministère de l’Education nationale et Microsoft Recours en justice par le collectif Edunathon, pour contournement de la législation sur les marchés publics. http://www.zdnet.fr/actualites/accord-microsoft-face-au-nouveau-ministere- edunathon-persiste-et-signe-39854514.htm
  12. 12. Mise en garde de la CNIL à propos de la « Charte de confiance » du Ministère http://www.cafepedagogique.net/lexpr esso/Pages/2017/05/24052017Article6 36312108828390337.aspx « La CNIL faisait part en mai 2017 de ses positions quant à l’encadrement des services numériques dans l’éducation, dans le cadre de l’initiative de la Charte de confiance portée par le Ministère de l’Education, précisant que « compte tenu de la sensibilité de ces données, cette charte devrait se traduire par un encadrement juridique contraignant tant en ce qui concerne la non utilisation des données scolaires à des fins commerciales, l’hébergement de ces données en France ou en Europe ou encore l’obligation de prendre des mesures de sécurité conformes aux normes en vigueur. »
  13. 13. L’affaire Microsoft, l’arbre qui cache la forêt ? https://www.snes.edu/Comment-l-Ecole-laisse-le-prive- acceder-aux-donnees-personnelles-au-nom-du.html
  14. 14. Le cadre actuel de la protection des données personnelles et de la vie privée
  15. 15. Au commencement était la loi de 78… Cadre légal : Loi du 6 août 2004 relative à la protection des personnes physiques à l’égard des traitement de données à caractère personnel Directive européenne du 24 octobre 1995 sur la protection des données personelles Loi « Informatique et Libertés » du 6 janvier 1978 « L’informatique doit être au service de chaque citoyen. Son développement doit s’opérer dans le cadre de la coopération internationale. Elle ne doit porter atteinte ni à l’identité humaine, ni aux droits de l’homme, ni aux libertés individuelles ou publiques ». Loi Informatique et Libertés+ Nouveau Règlement Général sur la Protection des données (Adoption, 2016 -> Entrée en vigueur, 25 mai 2018)
  16. 16. « Ensemble des informations qui permettent sous quelque forme que ce soit, directement ou non, l’identification des personnes physiques auxquelles elles se rapportent ». Exemples : nom, numéro d’identification, voix et image, appartenance à un organisme ou à une association, enregistrements de vidéosurveillance, adresse mail, adresse IP, etc. Définition des données personnelles et de leur traitement : • Traitement des données personnelles = « toute opération ou ensemble d’opérations portant sur des données à caractère personnel, quel que soit le procédé utilisé ».  Collecte, enregistrement, conservation, adaptation, modification, extraction, consultation, utilisation, communication par transmission, diffusion ou toute autre forme de mise à disposition, le rapprochement ou l’interconnexion, ainsi que le verrouillage, l’effacement ou la destruction CC-BY-SAlightsoutfilms
  17. 17. l’article 10 de la loi informatique et libertés dispose qu’aucune « décision produisant des effets juridiques à l'égard d'une personne ne peut être prise sur le seul fondement d'un traitement automatisé de données destiné à définir le profil de l'intéressé ou à évaluer certains aspects de sa personnalité. Un encadrement strict des traitements automatisés
  18. 18. 18 Les obligations en cas de collecte et de traitement de données personnelles La loi impose d’informer les personnes « fichées » que des données nominatives les concernant sont collectées (modèle de mentions sur site de la CNIL) Ces personnes doivent avoir la possibilité d’être retirées du fichier ou d’obtenir la modification des données les concernant ; Il est interdit de divulguer ces informations à des tiers, sauf accord des personnes concernées ; La durée de conservation des données doit être limitée dans le temps. La collecte de certaines données sensibles est prohibée par la loi : origines raciales, opinions politiques, philosophiques, appartenance syndicale, données relatives à la santé ou à la vie sexuelle.
  19. 19. 5 principes de protection des données personnelles
  20. 20. 5 principes de protection des données personnelles Voir : site de la CNIL
  21. 21. Les droits des personnes sur les données les concernant
  22. 22. Un certain nombre de dispenses de déclaration CNIL pour l’éducation nationale Dispense de déclaration pour les traitements automatisés de données personnelles relatifs à la gestion administrative, comptable et pédagogique des écoles et des établissements d’enseignement secondaire. « Ces traitements ne doivent porter que sur des données objectives, strictement nécessaires à la gestion de la scolarité des enfants concernés et aisément contrôlables par les intéressés grâce à l'exercice du droit individuel d'accès. Ces traitements sont dispensés de déclaration à condition qu'ils se conforment au cadre défini par la CNIL. La mise à disposition de téléservices, à l'attention des élèves ou de leurs responsables légaux n'est pas couverte par cette dispense et doit faire l'objet de formalités spécifiques auprès de la CNIL. » Ces formations simplifiées ne valent pas pour les Learning Analytics, qui comportent nécessairement une part d’appréciation subjective.
  23. 23. Mettre en place les Learning Analytics dans le cadre CNIL ?  Toujours possible sur des données anonymisées (en prenant garde aux risques de réi-dentification indirecte par croisement de données) ;  Possible sur des données personnelles non- anonymisées à condition d’informer les personnes et de leur permettre d’exercer leurs droits (accès, rectification, opposition) ;  Pas de transferts des données à des tiers sans consentement explicite des individus. Attention notamment à prévoir à l’avance les finalités de recherche et les transferts à des chercheurs.  Prévoir une durée de traitement limitée dans le temps et une sécurisation du stockage des données.
  24. 24. Exemple de mention dans la politique de confidentialité de FUN MOOC Données d’usage Les données d’usage sont les données collectées par le site www.fun-mooc.fr et concernent les usages des services du site. Il s’agit de données brutes, totalement anonymisées, utilisées pour produire des statistiques sur l’utilisation des services du site, et dont l’analyse permet d’améliorer les services et les fonctionnalités du site. Nous collectons des informations lorsque vous vous créez un compte utilisateur, participez à des cours en ligne, envoyez des messages courriel et / ou participez à nos forums, nos wiki…. Nous recueillons des informations sur les performances et les modes d'apprentissage des apprenants. Nous enregistrons des informations indiquant, entre autres, les pages de notre site ayant été visitées, l'ordre dans lequel elles ont été visitées, quand elles ont été visitées et quels sont les liens et autres contrôles de l'interface utilisateur qui ont été utilisés. Nous pouvons enregistrer l'adresse IP, le système d'exploitation et le navigateur utilisé par chaque utilisateur du site. Divers outils sont utilisés pour recueillir ces informations. Les donnés d’usage peuvent être utilisées : - Pour permettre aux établissements de proposer, administrer et améliorer leurs cours. - Pour nous aider, nous et les établissements, à améliorer l'offre de www.fun-mooc.fr, de manière individuelle (par exemple au travers de l'équipe pédagogique travaillant avec un apprenant) et de manière globale pour personnaliser l'expérience et évaluer l'accessibilité et l'impact de www.fun-mooc.fr dans la communauté éducative internationale. - A des fins de recherche scientifique, en particulier dans les domaines des sciences cognitives et de l'éducation. - Pour suivre la fréquentation, à la fois individuelle et globale, la progression et l'achèvement d'un cours en ligne et pour analyser les statistiques sur la performance des apprenants et la façon dont ils apprennent. - Pour détecter des violations de la charte utilisateur, la manière d’utiliser le site ainsi que des utilisations frauduleuses ou l'étant potentiellement. - Pour publier des informations, mais pas des données personnelles, recueillies par www.fun-mooc.fr sur les accès, l'utilisation, l'impact et la performance des apprenants. - Pour archiver ces informations et / ou les utiliser pour des communications futures avec vous. - Afin de maintenir et d'améliorer le fonctionnement et la sécurité du site et de nos logiciels, systèmes et réseaux. https://www.fun-mooc.fr/privacy
  25. 25. Le nouveau Règlement Général de Protection des données A lire: les 10 points clés du nouveau règlement - Plus de formalités de déclarations, mais « privacy by design », registre des activités de traitement, études d’impact ; - Rôle de la CNIL réorienté vers le contrôle, la sensibilisation, la sanction ; - Obligation pour entreprises et administrations de désigner un Délégué à la Protection des Données (DPO) ; - Sanctions pour violation augmentées (20 millions d’€, 4% du chiffre d’affaires mondial ; - Application territoriale du règlement sans limite. Nouveaux droits pour les personnes : droit à la portabilité des données, droit à l’oubli, droit d’information, consentement, protection des mineurs, etc.
  26. 26. Notion centrale = Accountability (principe de redevabilité) https://www.alain-bensoussan.com/avocats/accountability- reglement-donnees/2016/09/19/ L’obligation d’accountability implique pour le responsable du traitement : - de prendre des mesures efficaces et appropriées afin de se conformer au règlement européen ; - d’apporter la preuve, sur demande de l’autorité de contrôle, que les mesures appropriées ont été prises.
  27. 27. Une application territoriale sans limite Mais à combiner avec les règles du Privacy Shield et les Binding Corporate Rules (BCR)…
  28. 28. Un renversement important : le passage à un principe de consentement Le règlement consacre que le consentement de la personne doit être donné en étant « univoque » (manifestation de volonté libre, éclairée, spécifique et univoque) pour tout traitement de données personnelles, sauf pour le traitement de données sensibles où le consentement doit être donnée de façon « explicite ». Mais grandes failles autour de la notion d’intérêt légitime du responsable de traitement et de variations des finalités.
  29. 29. De nouveaux droits pour les individus • Droit à la portabilité des données (déjà introduit en France par la loi République numérique) • Droit à l’effacement (ou droit à l’oubli numérique) • Mais aussi des fragilisations des droits existants (exceptions au droit à l’information, restrictions du droit d’objection, etc.) Quels liens entre les Learning Analytics et le droit à la portabilité ? Risque en réalité d’être assez limité, car ne concerne que les données fournies par l’individu et pas celles élaborées à partir du traitement de celles-ci. https://www.haas-avocats.com/data/portabilite-des- donnees-comment-les-consommateurs-peuvent- recuperer-leurs-donnees-les-transferer-autre- operateur/
  30. 30. Vers une nouvelle signalétique pour la vie privée (Privacy Icons)? https://www.privacytech.fr/privacy-icons/ Le règlement prévoit que les conditions de traitement des données personnelles pourront être exprimées sous forme d’icones.
  31. 31. Anonymisation vs Pseudonymisation Là où la CNIL raisonnait en terme d’anonymisation, le règlement parle seulement de « pseudonymisation ». « La pseudonymisation (remplacement d'un nom par un pseudonyme) est un processus par lequel les données perdent leur caractère nominatif. Elle diffère de l'anonymisation car les données restent liées à la même personne dans tous les dossiers et systèmes informatiques sans que l’identité ne soit révélée. » https://www.iso.org/fr/news/2009/03/Ref1209.html Plus de marge de manœuvre dans le cadre du règlement pour les Learning Analytics que dans le cadre CNIL actuel ?
  32. 32. La question du « profilage » Déf° : « fait de prendre des décisions adaptées à un individu en particulier et de prédire ses futurs choix, son rendement professionnel, sa situation économique, sa localisation, ses mouvements, sa santé, ses préférences personnelles, sa fiabilité ou son comportement. » Interdit par le règlement lorsqu’il porte sur des « données sensibles », mais possible dans le cadre de l’exécution d’un contrat, de consentement explicite de la personne ou pour un objectif d’intérêt public général. Or les Learning Analytics peuvent impliquer des opérations de profilage à des fins prédictives.
  33. 33. Question des traitements algorithmiques / Big Data Le Big Data soulève des problèmes de protection des données personnelles, notamment du point de vue du respect du principe de proportionnalité et de finalité. Mais le règlement est plus souple là aussi, dans la mesure où il admet des changements de finalité dans le traitement des données personnelles.
  34. 34. Les Learning Analytics dans le cadre du RGPD  Il faudra sans doute réaliser des études d’impact préalables pour les projets innovants et formaliser des politiques de protection des données pour respecter le principe d’accountability ;  Il faudra recueillir le consentement et pas seulement informer les individus en cas de traitement des données personnelles (case à cocher dans formulaire possible) ;  Les techniques de profilage prédictif des comportements des individus semblent possibles à mettre en place, à condition de recueillir le consentement.  Le règlement s’appliquera sans ambiguïté à des opérateurs étrangers (type Coursera, Microsoft, etc).
  35. 35. Quelle articulation avec les nouvelles règles en matière d’ouverture des données publiques (Open Data)
  36. 36. Y compris pour les universités
  37. 37. Consécration d’un principe de libre réutilisation et de gratuité (Loi Valter) Seules quelques administrations listées par décret pourront encore lever des redevances de réutilisation de leurs données.
  38. 38. Obligation de publication et d’ouverture des codes sources des algorithmes de l’administration http://www.letudiant.fr/educpros/actualite/apb-la-mission-etalab- recommande-de-publier-le-code-source-de-l-algorithme.html
  39. 39. Mais obligation de protéger les données personnelles et la vie privée des individus « Lorsque les documents comportent des données à caractère personnel, ils ne peuvent être rendus publics qu’après avoir fait l’objet d’un traitement afin de rendre impossible l’identification des personnes concernées. »
  40. 40. Respect des droits de propriété intellectuelle appartenant à des tiers. Exclut les documents produits par les enseignants, les chercheurs, les étudiants (publications scientifiques, contenus pédagogiques, mémoires, thèses, etc.)
  41. 41. Les Learning Analytics et l’Open Data  Les données d’apprentissage feront partie des données entrant dans le principe d’Open Data par défaut fixé par la loi République numérique ;  Il faudra les publier spontanément et les rendre réutilisables, y compris par des entreprises sans contrepartie de redevances à payer ;  Mais ces données devront être anonymisées et ne pas permettre de réidentification indirecte des individus.  Par contre, l’obligation d’Open Data par défaut ne concerne pas les contenus pédagogiques eux- mêmes, couverts par le droit d’auteur. L’application d’une licence libre est possible, mais pas obligatoire pour les administrations.
  42. 42. Quels encadrements pour les projets de recherche ? http://hubblelearn.imag.fr/wp-content/uploads/2015/02/charte- ethique-Hubble-juin-2016.pdf
  43. 43. L’initiative Apereo Learning Analytics http://www.sup-numerique.gouv.fr/cid113065/learning- analytics-une-tendance-emergente-dans-l-education.html
  44. 44. De l’inspiration à chercher en Angleterre ? http://www.open.ac.uk/students/charter/essential-documents/ethical-use- student-data-learning-analytics-policy#
  45. 45. Il faut désormais se battre sans relâche pour préserver un espace du Commun : une infrastructure nous permettant d’agir et d’innover sans être déterminés par les plateformes et les algorithmes de tiers. L'Etat, en devenant Etat plateforme peut contribuer à desserrer l'étau des plateformes privées. Il faudra intégrer au débat public de nouveaux concepts, comme le droit de reprendre possession de ses données personnelles (la « dataportabilité »), le droit à demander l'effacement de ses données, le droit au silence des puces et à celui des algorithmes. Il faudra organiser la transparence sur l’existence et le fonctionnement de ces algorithmes, la nécessité de pouvoir en vérifier le fonctionnement effectif, la possibilité de leur demander des comptes, comme s'y emploie désormais l'Etat pour ses propres algorithmes. http://www.henriverdier.com/2017/07/quand- zuckerberg-veut-faire-le-bonheur.html Conclusion : profiter des nouvelles opportunités ouvertes par les Learning Analytics, mais conserver les conditions de choix individuels ou collectifs sur le déploiement de ces technologies.

×