📚 Dataset OULAD - Open University Learning Analytics

Vue d’ensemble

Le dataset OULAD (Open University Learning Analytics Dataset) est un dataset majeur dans le domaine de l’analyse de l’apprentissage en ligne. Il contient des données détaillées sur l’interaction de plus de 32 000 étudiants avec l’environnement d’apprentissage virtuel (VLE) de l’Open University au Royaume-Uni.

Caractéristiques principales

Domaine

Éducation - Analyse de l’apprentissage

Tâches ML

Classification (prédiction de réussite)

Instances

32 593 étudiants

Fichiers

14 fichiers CSV

Colonnes totales

93 colonnes

Année

2014

Accès

Public

Licence

Recherche et éducation

Objectif du dataset

Analyser l’apprentissage en ligne dans l’enseignement supérieur, notamment :

  • Prédiction du succès académique : Identifier les étudiants à risque d’échec

  • Analyse comportementale : Comprendre les patterns d’interaction avec le VLE

  • Personnalisation de l’apprentissage : Adapter le contenu selon le profil étudiant

  • Optimisation pédagogique : Améliorer les parcours et ressources éducatives

Structure des données

📁 Fichiers principaux

1. Informations étudiants

  • studentInfo.csv (3.46 MB) - Profils démographiques et académiques

  • studentRegistration.csv (1.11 MB) - Inscriptions et désinscriptions

  • studentAssessment.csv (5.69 MB) - Résultats aux évaluations

2. Structure des cours

  • courses.csv (526 B) - Métadonnées des modules de cours

  • assessments.csv (8.2 kB) - Informations sur les évaluations

3. Environnement virtuel d’apprentissage (VLE)

  • vle.csv (260 kB) - Description des activités VLE

  • studentVle_0.csv à studentVle_7.csv (8 fichiers, ~57 MB chacun) - Interactions détaillées

🏗️ Modèle de données

Entités principales

Étudiant

Champ

Type

Description

id_student

int

Identifiant unique (anonymisé)

gender

string

Genre (M/F)

region

string

Région de résidence UK

highest_education

string

Niveau d’éducation le plus élevé

imd_band

string

Indice de défavorisation (quintiles)

age_band

string

Tranche d’âge

disability

string

Statut de handicap (Y/N)

final_result

string

Résultat final (Pass/Withdrawn/Fail/Distinction)
Module de cours

Champ

Type

Description

code_module

string

Code du module (AAA, BBB, CCC, etc.)

code_presentation

string

Session du cours (2013J, 2014B, etc.)

module_presentation_length

int

Durée en jours
Évaluations

Champ

Type

Description

id_assessment

int

Identifiant de l’évaluation

assessment_type

string

Type (TMA, CMA, Exam)

date

int

Date relative au début du cours

weight

float

Poids dans la note finale (%)

score

float

Score obtenu par l’étudiant

is_banked

bool

Évaluation mise en banque
Interactions VLE

Champ

Type

Description

id_site

int

Identifiant de l’activité VLE

activity_type

string

Type d’activité (resource, subpage, etc.)

date

int

Jour relatif de l’interaction

sum_click

int

Nombre de clics ce jour-là

week

int

Semaine relative du cours

Utilisation recommandée

🎯 Cas d’usage typiques

1. Prédiction de réussite

**Objectif** : Prédire si un étudiant va réussir son cours
**Variables cibles** : `final_result` (Pass/Fail/Withdrawn/Distinction)
**Features principales** :
- Données démographiques (age_band, highest_education, imd_band)
- Activité VLE (sum_click, fréquence d'accès)
- Performance aux évaluations intermédiaires

2. Détection précoce des décrocheurs

**Objectif** : Identifier les étudiants à risque d'abandon
**Variable cible** : `final_result` == "Withdrawn"
**Features clés** :
- Patterns d'engagement VLE (diminution d'activité)
- Retard dans les soumissions d'évaluations
- Profil démographique à risque

3. Analyse comportementale

**Objectif** : Comprendre les patterns d'apprentissage
**Analyses** :
- Clustering des profils d'engagement
- Analyse temporelle des interactions
- Corrélations entre activité VLE et performance

📊 Pipeline ML recommandé

Préparation des données

1. Nettoyage

  • Gestion des valeurs manquantes : ~0.5% de données manquantes (principalement scores)

  • Suppression des doublons : Vérifier l’unicité des étudiants par cours

  • Validation temporelle : Cohérence des dates d’évaluation et d’interaction

2. Feature engineering

  • Agrégation temporelle : Activité VLE par semaine/période

  • Métriques d’engagement : Régularité, intensité, patterns d’accès

  • Performance relative : Comparaison aux moyennes de la cohorte

  • Variables de progression : Évolution des scores dans le temps

3. Encodage

  • Variables catégorielles : One-hot encoding pour region, highest_education

  • Variables ordinales : Label encoding pour age_band, imd_band

  • Normalisation : StandardScaler pour les métriques d’activité

Modélisation

Modèles recommandés

  • Random Forest : Excellente performance sur données tabulaires, interprétabilité

  • Gradient Boosting : XGBoost/LightGBM pour optimiser la précision

  • Réseaux de neurones : Pour capturer les interactions complexes

  • Modèles de survie : Cox pour analyser le temps jusqu’au décrochage

Validation

  • Split temporel : Validation sur une session ultérieure (2014J après 2013B)

  • Validation croisée : Stratifiée par module et résultat final

  • Métriques : Précision, rappel, F1-score, AUC-ROC pour chaque classe

Considérations éthiques

🛡️ Score éthique : 85%

Le dataset OULAD présente un excellent score éthique grâce à :

✅ Points forts

  • Anonymisation complète : Tous les identifiants sont anonymisés

  • Consentement institutionnel : Collecte dans le cadre éducatif légal

  • Transparence : Documentation complète et accessible

  • Finalité claire : Amélioration de l’éducation et recherche

  • Sécurité : Hébergement académique sécurisé

⚠️ Précautions d’usage

  • Biais géographique : Données limitées au contexte UK

  • Biais temporel : Données de 2013-2014, évolution possible des pratiques

  • Représentativité : Population spécifique (enseignement à distance)

📋 Conformité RGPD

  • Base légale : Intérêt légitime éducatif et de recherche

  • Minimisation : Données pertinentes pour l’analyse d’apprentissage

  • Anonymisation : Aucune donnée permettant la ré-identification

  • Conservation : Archivage académique à long terme justifié

Ressources et références

📖 Documentation officielle

  • Article de référence : Kuzilek et al. (2017) - Scientific Data 4:170171

  • DOI : 10.1038/sdata.2017.171

  • Citations : Plus de 1800 citations académiques

🔗 Liens utiles

📚 Références bibliographiques

  • Kuzilek, J., Hlosta, M., & Zdrahal, Z. (2017). Open University Learning Analytics dataset. Scientific Data, 4, 170171.

  • Ferguson, R. (2012). Learning analytics: drivers, developments and challenges. International Journal of Technology Enhanced Learning, 4(5-6), 304-317.

Support technique

Pour toute question sur l’utilisation du dataset OULAD dans EXAI :

  • Documentation API : Consultez la section développeur

  • Exemples de code : Disponibles dans les tutoriels EXAI

  • Support communautaire : Forum des utilisateurs EXAI