Comment les données de performance en temps réel peuvent-elles conduire à de meilleurs résultats scolaires?

Au cours des deux dernières décennies, le rôle des données dans le développement international s’est rapidement développé. Les décideurs, les exécutants, les bailleurs de fonds et les chercheurs utilisent de plus en plus les données pour prendre des décisions importantes concernant les ressources et les priorités. Cela coïncide avec le passage d’une focalisation sur les extrants, tels que l’Objectif du Millénaire pour le développement 2 de la fréquentation universelle de l’éducation, à des résultats, tels que l’accent mis par l’Objectif de développement durable (ODD) 4 sur l’importance de l’apprentissage. Cette focalisation sur les résultats, associée à une augmentation de la maîtrise des données, apporte une attention renouvelée à la démonstration et à la mesure de l’atteinte de résultats positifs pour les bénéficiaires de programmes sociaux dans le monde entier.

Au Centre pour l’éducation universelle (CUE), nous avons identifié quatre types de données nécessaires pour atteindre les résultats, y compris les données sur le coût de l’action et de l’inaction, les données sur les résultats finaux et les données en cours de route – ou les données de performance en temps réel. Si nous voulons réaliser des progrès significatifs vers l’ODD 4 sur l’éducation, les données en temps réel sont essentielles et nous devons construire des systèmes de mesure continue pour garantir la collecte, l’examen et l’utilisation systématiques des données.

Que sont les données en temps réel et en quoi sont-elles différentes?

Le mouvement des essais contrôlés randomisés (ECR), qui a pris de l’ampleur au début des années 2000, a poussé à une augmentation des données de résultats finaux rigoureuses pour comprendre ce qui fonctionne (et ce qui ne fonctionne pas), mais les ECR en disent souvent très peu sur les raisons. Dans la communauté internationale du développement, il est largement reconnu et de plus en plus que les évaluations de fin de parcours sont insuffisantes, et des efforts sont en cours pour rehausser le profil du suivi et de l’évaluation continus qui peuvent conduire à un ajustement des cours et à de meilleurs résultats grâce à une gestion adaptative.

Contrairement aux données d’évaluation finales, les données de performance en temps réel sont recueillies et analysées rapidement pour une prise de décision et une adaptation en temps opportun. Dans les programmes ou politiques pluriannuels financés par le gouvernement ou les bailleurs de fonds, les résultats significatifs pour les populations bénéficiaires dépendent de la compréhension de ce qui fonctionne et de ce qui ne fonctionne pas – et pour qui – tout au long du cycle de mise en œuvre, plutôt que simplement ex post après le cycle du programme ou de la politique. terminé.

Bien que les organisations recueillent depuis longtemps des données de suivi des programmes, la surveillance est largement axée sur la fidélité de la mise en œuvre et la mesure des activités et des extrants du programme, plutôt que sur la mesure continue des résultats. Bien que ces données soient importantes, elles dépendent d’hypothèses critiques qui sous-tendent les théories du changement concernant les liens entre les activités et les extrants et les résultats et résultats finaux. Les données de performance en temps réel se concentrent sur le suivi continu des résultats du programme pour les bénéficiaires, afin de mieux informer les adaptations aux intrants, activités et extrants du programme en cours de route.

Pourquoi des données en temps réel – comment les obtenir?

Dans le secteur de l’éducation, la disponibilité et l’accès aux données en temps réel profitent à toutes les parties prenantes. Les administrateurs (tels que les dirigeants des écoles ou du gouvernement ou les animateurs de programmes) peuvent utiliser les informations sur les performances pour gérer de manière adaptative les ressources et adapter les programmes en fonction des besoins des élèves et des enseignants. De même, les enseignants peuvent utiliser les données des élèves pour s’assurer qu’ils enseignent au bon niveau et pour personnaliser leur enseignement en fonction des modèles et des besoins d’apprentissage individuels.

La collecte de données en temps réel est par nature un défi. Les systèmes de collecte de données sur papier utilisés dans le passé sont lents, fastidieux sur le plan administratif et sujets à l’erreur humaine. La technologie numérique offre une collecte et une analyse plus efficaces des données en temps réel, permettant plus de flexibilité et de personnalisation, ainsi que des fonctionnalités telles que des visualisations générées automatiquement et des recommandations continues. Cela complète l’utilisation réussie des outils numériques dans d’autres domaines de l’éducation – y compris les récents booms de l’enseignement basé sur les technologies éducatives et la collecte de données électroniques pour les évaluations formelles de programmes – à la fois au sens figuré et au sens propre, grâce à des systèmes de données intégrés.

Les outils numériques pour la collecte de données en temps réel peuvent prendre différentes formes, qu’il s’agisse d’outils de données spécifiques à l’éducation, d’outils d’apprentissage adaptatif ou d’outils d’enquête pour la collecte de données. Par exemple, la plate-forme numérique Tangerine, développée par RTI International, comprend un certain nombre de fonctionnalités différentes, y compris des applications pour l’évaluation des élèves, ainsi que Tangerine Coach pour l’observation en classe et le développement professionnel continu des enseignants. Promise3, un outil développé par Vera Solutions, suivra des indicateurs tels que l’accès à l’éducation, la qualité et l’équité / égalité.

Chez CUE, nous cherchons à mieux comprendre comment les outils numériques pour les données en temps réel contribuent à la prise de décision éclairée par les données dans l’éducation dans les pays à revenu faible et intermédiaire. Nous avons développé et lancé une enquête pour en savoir plus sur le développement et les fonctionnalités de ces outils, telles que leur utilisabilité et adaptabilité, les processus de collecte et d’analyse des données et les principales parties prenantes. Nous sommes impatients de partager nos résultats alors que nous analysons les différents aspects de ces outils.

Si vous souhaitez en savoir plus sur notre recherche ou travailler avec un outil de collecte de données en temps réel qui serait utile pour cette recherche, veuillez nous contacter.

Vous pourriez également aimer...