- Etincelle, 2026, Vol. 26, no. 2 .
- Publié le 11/08/2026
- DOI: 10.61532/rime262147
Kavusa Kasoko
Analyse prédictive de l’engagement académique numérique des étudiants à partir d’indicateurs d’usage mobile et Web : une approche d’apprentissage automatique dans les établissements d’enseignement supérieur de Butembo (RDC)
Résumé:
La transformation numérique de l’enseignement supérieur produit de nombreux indicateurs d’usage susceptibles d’éclairer les pratiques d’apprentissage. Cette étude examine la capacité d’indicateurs mobiles et Web déclarés par questionnaire à prédire l’engagement académique numérique de 396 étudiants issus de cinq établissements d’enseignement supérieur de Butembo. Un Indice d’Engagement Académique Numérique (IEAN), normalisé sur une échelle de 0 à 100 et organisé en trois niveaux, a servi de variable cible. Six classifieurs ont été comparés : régression logistique, arbre de décision, forêt aléatoire, machine à vecteurs de support, Gradient Boosting et Naïve Bayes gaussien. Sur 80 observations de test, le Gradient Boosting obtient la meilleure exactitude (83,75 %) et le meilleur F1-score macro (86,07 %). Les résultats indiquent une faisabilité prédictive, mais leur portée reste exploratoire en raison du caractère transversal et déclaratif des données, du rapport élevé entre le nombre de variables et la taille de l’échantillon, de l’absence de validation externe et d’un risque de recouvrement conceptuel entre certains prédicteurs et la construction de l’IEAN.
Mots clés: apprentissage automatique, engagement académique numérique, usages mobiles, Web, Gradient Boosting, Learning Analytics, enseignement supérieur
Télécharger le PDF