Génération des preuves
Utilisation des preuves
Asia
Génération des preuves
Utilisation des preuves
Asia
Les données d'engagement des utilisateurs sont précieuses pour les organismes EdTech, car elles permettent d'obtenir des indicateurs pertinents liés aux résultats d'apprentissage. Par exemple, les premières observations suggèrent que le temps passé sur une tâche, la fréquence des sessions et les taux d'achèvement peuvent indiquer si les utilisateurs utilisent le produit conformément à son objectif pédagogique, ce qui permet aux organismes d'améliorer sa conception. Cependant, les organismes EdTech sont également confrontés à des difficultés pour gérer et exploiter de grandes quantités de données d'engagement afin de comprendre si et comment les programmes contribuent à des améliorations significatives de l'apprentissage. NABU, une plateforme de lecture EdTech de premier plan, investit dans une approche structurée et cohérente de l'utilisation des données de son application et de son site web pour comprendre comment l'accès à son contenu éducatif et l'interaction avec celui-ci se traduisent par de meilleurs résultats en lecture. Pour soutenir ces efforts, NABU avait besoin d'un cadre d'engagement et d'impact plus clair pour les utilisateurs, de priorités produit structurées et de systèmes de données plus robustes afin de relier les données d'engagement de la plateforme aux premiers signes d'impact des programmes sur les compétences en lecture.
Dans le cadre du partenariat P4T-Ed (Partnership for Tech in Education), IPA s'est associé à NABU pour affiner sa théorie du changement, jetant ainsi les bases d'un cadre d'engagement, de fidélisation et d'impact adapté des normes du secteur. IPA a analysé les données de l'application de lecture de NABU afin de valider ce cadre d'engagement, de comprendre les tendances actuelles d'engagement et de fidélisation des utilisateurs et d'identifier les points de friction dans leur parcours.
IPA a ensuite mené une évaluation des systèmes de données afin d'identifier les lacunes et, sur la base de ces résultats, a conçu un système de données.1 Ce système collecte les données brutes de la plateforme, les nettoie et les structure, puis les transforme en indicateurs prêts à l'analyse, priorisés par Nabu pour le suivi des programmes. Cette structure de données soutient le cadre d'engagement et d'impact, et organise et élargit l'accès aux données de la plateforme pour l'ensemble de l'équipe de Nabu. IPA a également conçu un prototype de tableau de bord basé sur les indicateurs prioritaires et les cas d'utilisation décisionnels, et a fourni une assistance technique directe pour la mise en œuvre de l'architecture de données et du tableau de bord.
Suite à cet engagement, NABU dispose d'une théorie du changement plus claire et plus concrète, ainsi que d'un cadre structuré d'engagement et d'impact qui aide l'organisation à prioriser les éléments à mesurer et le moment opportun, en fournissant des données exploitables sur l'engagement des utilisateurs afin d'orienter la stratégie et l'amélioration des produits.
L'architecture de données et le tableau de bord de suivi de Medallion permettent aux équipes produits et programmes de NABU d'accéder aux données et de les interroger de manière autonome, réduisant ainsi la dépendance aux demandes ponctuelles adressées à l'équipe technique et organisant de grands volumes de données en ensembles structurés et exploitables. NABU peut désormais utiliser ce tableau de bord pour suivre l'engagement significatif des utilisateurs et les progrès accomplis vers les objectifs, en reliant les données d'engagement aux décisions relatives aux programmes de manière plus systématique.
Ensemble, ces outils et systèmes renforcent la capacité de NABU à utiliser de grands volumes de données d'engagement pour prendre des décisions éclairées sur les produits et générer des informations sur les facteurs déterminants des résultats en matière d'alphabétisation pour les enfants qu'elle sert.
1. La conception de l'infrastructure de données est basée sur les normes industrielles de architecture en médaillon qui organise les données en trois couches progressives : bronze, argent et or. Chaque couche nettoie, organise et agrège les données, les préparant ainsi à l’analyse.
