Un modèle pour prévoir les taux de décrochage et mieux soutenir les étudiants

Ce rapport est le fruit du travail de Ross Finnie, Tim Fricker, Eda Bozkurt, Wayne Poirier, Dejan Pavlic, des chercheurs du Collège Mohawk et de l’Initiative de recherche sur les politiques de l’éducation.

Le modèle

Le modèle mis de l’avant par les chercheurs du Collège Mohawk permet de classer les nouveaux étudiants du collège en fonction de leur risque d’abandon prématuré des études (abandon avant l’obtention du diplôme). Pour ce faire, le modèle se base sur des données historiques.

Pour les établissements, l’intérêt du modèle vient du fait qu’ils seront, grâce à lui, capables d’adapter efficacement leurs interventions auprès des étudiants en considérant le niveau de risque de chacun.

Une partie d’un projet plus large

Ce que les auteurs présentent dans ce rapport est la première partie d’un projet de recherche plus large financée par le Consortium sur l’accès et la persévérance scolaire du COQES. Ce projet porte sur la modélisation prédictive, les approches en matière de consultation et de persévérance scolaire.

La présente phase du projet où a été mis à l’essai un modèle prédictif servant à prévoir la persévérance des étudiants du Collège Mohawk est basée sur les données provenant des nouveaux étudiants admis entre 2005 et 2012. Le modèle a été utilisé pour prédire la probabilité d’abandon des étudiants des cohortes de l’automne 2013 et 2014. Les premiers tests ont été probants et le modèle s’est montré efficace.

Une fois le test effectué, les étudiants ont été classés en trois groupes selon le risque d’abandon (élevé, moyen, faible). Des groupes ont ensuite été constitués et les chercheurs ont analysé les caractéristiques des étudiants de chacun d’eux. Ils ont ensuite calculé le taux de participation aux programmes d’aide pédagogique existants.

Les résultats

Voici les principaux résultats que rapporte le COQES concernant cette recherche :

• Les taux d’abandon des étudiantes, des étudiants plus âgés et de ceux inscrits à des programmes d’études supérieures menant à un certificat sont plus faibles.
• Les taux d’abandon prématuré sont plus élevés chez les étudiants ayant eu des notes moins élevées au secondaire et chez ceux inscrits à des programmes menant à un certificat.
• Contrairement à ce que l’on croit généralement, les étudiants faisant partie des groupes à risque élevé et moyen ont des taux de participation plus élevés aux programmes d’aide pédagogique, tandis que ceux du groupe à faible risque y ont participé en moins grand nombre.

Les chercheurs soutiennent, suite à cette première phase, que l’utilisation des données administratives et connexes se rapportant aux étudiants pour l’élaboration de modèle prédictif est une pratique prometteuse.

Les bénéfices pour les établissements d’enseignement

Les bénéfices qui découlent de cette approche sont nombreux pour les établissements d’enseignement. Il y a notamment :

• Une meilleure compréhension de la persévérance
• La capacité d’offrir en particulier les programmes d’aide pédagogique aux étudiants présentant de plus grands risques d’abandon
• La possibilité de mettre à l’essai et d’élaborer de nouvelles politiques, de nouveaux programmes et de nouveaux services qui pourront avoir un effet positif sur le taux de persévérance scolaire et l’obtention de diplôme.

La suite

La deuxième phase de la recherche portera pour sa part sur trois interventions de consultation offertes aux étudiants faisant partie de la cohorte admise à l’automne 2015. Un second rapport fera état des résultats.

Selon les auteurs, idéalement, pour approfondir la recherche, un plus grand nombre d’établissements devrait faire usage de tels modèles prédictifs de la persévérance scolaire.

Parallèlement, ils suggèrent que les modèles actuels soient améliorés au moyen des mesures suivantes :

• Ajout de variables supplémentaires en fonction des données que possèdent déjà les établissements d’enseignement (ex. : besoin en aide financière, données sur les choix de programme, etc.).
• Ajout d’autres variables par la jonction avec d’autres sources de données (ex. : renseignements socioéconomiques).
• Ajout d’« une “déclaration précoce” à propos des élèves comme les présences, les évaluations précoces ou les notes, laquelle témoigne du comportement et des résultats de l’élève après son admission dans l’établissement d’enseignement ».
• Exploration des sources potentiellement colossales de renseignements électroniques recueillis à propos des élèves, notamment ceux en lien avec leur participation au cours.

Enfin, soutiennent Finnies et ses collègues, d’autres types de modèles prédictifs devraient également être développés et mis à l’essai.