L’utilisation des données recueillies en francisation qui conduit à une prise de décision pédagogique peut entrainer des changements chez le personnel enseignant dont :

• une meilleure compréhension des besoins d’apprentissage des élèves;
• une plus grande collaboration entre les membres du personnel enseignant;
• l’amélioration de l’efficacité des appuis et des pratiques pédagogiques utilisés;
• une meilleure expérience, pour l’élève comme pour l’équipe-école, de transition entre des cours, des écoles ou des niveaux différents (en d’autres mots, le fait d’éviter un recommencement à zéro et l’application continue de certaines mesures déjà en place);
• de meilleurs résultats pour l’élève en français et dans toutes les autres matières scolaires.

Les données recueillies par rapport au rendement de l’élève en francisation…

• qui constituent plusieurs indices différents tels que des résultats d’examen, des observations d’enseignants et d’aide-élèves, les chiffres des présences de l’élève, des échantillons du travail de l’élève, des réflexions ou des autoévaluations de l’élève, des évaluations formatives, etc.;
• qui décrivent le développement langagier de l’élève dans les quatre domaines (l’écoute, l’expression orale, la lecture et l’écriture) tout en confirmant le besoin de l’appui offert par la francisation;
• qui précisent le niveau de développement langagier nécessaire pour favoriser l’apprentissage de l’élève dans les matières scolaires, appuyant ainsi le besoin des mesures de francisation prises pour cet élève;
• qui expliquent les appuis et les suivis actuellement offerts à l’élève en francisation.

Une enquête collaborative sur les données en francisation soutient l’importance de la rigueur dans l’évaluation et de l’établissement d’attentes communes et élevées pour les élèves en francisation (Wellmen et Lipton, Data-Driven Dialogue, 2004). Le travail en équipe permet aux membres de bénéficier d’autres données et de perspectives différentes, qu’il s’agisse de l’équipe d’enseignants du niveau scolaire en question, d’un regroupement disciplinaire plus ou moins homogène ou d’une communauté d’apprentissage professionnel.

La démarche suivante, adaptée de « Data Tips » dans Using Data: A TERC Initiative (2014), permet d’analyser rigoureusement des données pour mieux soutenir l’élève en apprentissage de la langue d’enseignement.

1. Consigner les prédictions - l’étape la plus critique de la démarche :



Faire des prédictions à partir de ce que nous croyons comprendre avant de passer à l’analyse des données nous fait prendre conscience des suppositions, des opinions, des orientations ou des croyances qui peuvent influencer l’interprétation des données.

 

• Commencer à réfléchir sur les données en activant ses connaissances antérieures et en posant des questions du genre :
  • D’après la façon dont la matière a été enseignée, que révèleront les données?
  • Qu’est-ce qui a été enseigné? Comment? Quand? Quel temps avait-on alloué pour cet enseignement? L’élève était-il toujours présent aux activités? Était-il activement engagé dans la tâche? A-t-il accompli la tâche? Avait-il besoin d’aide, d’une intervention ou d’une remédiation supplémentaire pour pouvoir réussir la tâche?
• Consigner toutes les prédictions par écrit sur une grande affiche.

 

2. Créer une représentation visuelle de l’ensemble des données
• Inclure les données provenant de toutes les sources, y compris des données agrégées et désagrégées, pour permettre de mieux comprendre les concepts, les habiletés, le vocabulaire et le niveau cognitif nécessaires pour réussir la tâche proposée à l’élève.
• Voir en groupe le format ou l’organisation qui permettra la meilleure illustration des données recueillies. Réfléchir aux données en posant des questions telles que :
  • Quelle tranche de la population des élèves sera étudiée? (p. ex. les élèves anglodominants, hispanophones ou arabophones, les filles, les garçons ou les élèves d’une autre école)
  • Serait-il utile d’inclure des données qui s’échelonnent sur plusieurs mois ou plusieurs années?
  • Quel format permet la meilleure présentation de cet ensemble de données : un graphique à barres ou à lignes? un diagramme circulaire? une carte conceptuelle?
• Utiliser de grandes feuilles de papier et des crayons-feutres pour créer une représentation visuelle des données.
• Afficher ces représentations visuelles à côté des prédictions.

 

3. Faire des observations sur les données - l’étape qui requiert la plus grande discipline
   • Il est trop facile de passer aux solutions possibles sans avoir bien étudié les données. Donner du temps individuel pour l’examen des représentations visuelles des données et la formulation d’observations factuelles. Voici quelques pistes de réflexion :
     • Quels sont les points saillants?
     • Quelle régularité ou quelle tendance semble se dégager de ces données?
     • Qu’est-ce qui surprend, ou est inattendu, dans ces données?
   • Faire plusieurs tours de table et encourager chaque membre à faire part de chacune de ses observations par rapport aux données. Rester sur les faits, sans plus. Consigner toutes les observations.

 

4. Faire des inférences et remettre en question le message qui semble se dégager des données
   • Explorer et consigner sur papier toute inférence et toute question suggérées par les données.
   • Avant de passer aux solutions, il est important de bien comprendre le problème :
     • Pourquoi observe-t-on ces résultats?
     • Qu’est-ce qu’il faudrait vérifier pour pouvoir confirmer cette observation?
     • Quelles inférences ou explications peut-on tirer de ces observations?
     • Quelles données supplémentaires pourraient aider à vérifier nos explications?
     • Quelles conclusions provisoires peut-on tirer de ces observations?
   • Trouver les réponses aux questions et confirmer les inférences à l’aide de nouvelles données ou en réorganisant les données initiales. Essayer Une stratégie pour trouver des solutions aux défis
     • Est-ce que les nouvelles données confirment les inférences? Conduisent-elles vers des conclusions différentes?
   • En complétant les quatre étapes de la démarche d’analyse de données, l’équipe-école peut considérer ces trois questions avant de passer à l’action :
     • Quelles sont les répercussions de ce qui vient d’être appris?
     • Quelles actions doit-on maintenant entreprendre?
     • Qui doit être informé de ce qui a été découvert et des actions à entreprendre?